亚马逊的OmniRetarget机器人在没有视觉感知的情况下成功完成复杂跑酷动作，展示了其在物体操作和地形交互方面的能力。该技术通过优化人类示范动作，提升了机器人的灵活性和效率。

本研究提出FLEX框架，旨在解决物体操作中的持续接触挑战，特别是技能泛化问题。通过将机器人与物体解耦，该框架在力空间中学习操作策略，显著提高了训练效率，适用于多种机器人平台和物体类型。

本研究提出了一种基于大型语言模型的虚拟现实搬运工具，旨在自然支持物体操作。该工具理解用户语音指令，提升用户体验和多物体操作表现，减少工作负担和手臂疲劳，为未来物体操作界面设计提供重要启示。