本研究提出SayCoNav方法，解决自主机器人在复杂导航任务中的协作策略适应性不足问题。实验结果显示，该方法的搜索效率提高了最多44.28%。

本研究探讨了模型驱动的规划与执行系统在自主机器人中的应用，旨在解决任务控制的多样性问题。分析了当前设计选择，并提出未来发展方向，发现通用系统在现代机器人平台中的应用潜力逐渐显现。

本研究探讨了自主机器人系统中人类角色的平衡，强调以人为本的人工智能（HCAI）在自动化与人类控制结合中的重要性，并通过文献计量分析揭示了学术趋势，促进了人机协作和责任操作的提升。

本研究提出了一种主动滚动路由框架，解决多容量自主机器人在取送任务中的路由稳定性问题。通过舰队规模算法，确保形成足够大的舰队以实现稳定性。案例研究表明，该方法在小规模舰队中服务请求提高6%，乘客中位等待时间减少33%。

本研究提出了SmartBSP自我监督学习框架，结合PPO和CNN，旨在解决自主机器人在复杂环境中的路径规划与障碍物避免问题，实验结果表明其具有良好的适应性。

本研究提出了一种新型控制器合成方法，基于部分可观察的马尔可夫决策过程，旨在解决自主机器人集体控制器设计中的任务规范、建模和实用规模应用等挑战，并验证其在清洁公共建筑中的有效性。

本研究提出了一种扩展的神经收缩动态系统（NCDS），旨在解决自主机器人任务执行中的稳定性问题。实验结果表明，该系统通过正则化和多任务处理，兼具灵活性与稳定性，推动了自主机器人技术的发展。

本研究提出BAMAX方法，旨在提升自主机器人在未知环境中的协同探索能力，实验结果表明其在环境覆盖速度和回溯次数上优于传统方法。

本研究提出了一种自我精炼方案，解决自主机器人在任务规划中的错误和前瞻性不足问题。通过迭代改进计划和端到端优化，简化了训练过程。实验表明，该方法在VirtualHome-Env测试中表现优异，提高了推理的可扩展性。

该文章介绍了一种通过低成本传感器提供视觉估计的冗余的方法，以实现自主机器人的准确测量机器人的潜在状态和感知环境。该方法包括两个模块，能够高效计算机器人姿势和配置，并通过少数迭代步骤对初始解进行改进。该方法在公开数据集上进行了评估，表现具有竞争力且速度更快。

未来人工智能和机器人技术将迅猛发展，自主机器人将成为生活重要组成部分。机器人将应用于物流和自动驾驶技术，实现送货上门。机器人还将进入家庭，承担家务，如做饭和打扫卫生。此外，机器人将广泛应用于农业、建筑和采矿等关键领域。机器人具备学习新技能的能力，超越人类的反应速度和协调能力。机器人的普及将改变经济结构，人们可以在家中使用机器人生产物品。机器人的普及还将引发资源争夺和财产权问题。最终，机器人可能获得法律自治的地位。

研究人员提出了一种改进预测的方法，通过分析高风险交互中的位置和速度，以降低事故风险。通过重新加权技术，整体性能和在高风险位置的表现得到了提高。

研究人员提出了一种改进预测的方法，通过分析高风险交互中的位置和速度，以降低事故风险。通过重新加权技术，整体性能和在高风险位置内的表现得到了提高。

研究人员引入了一个新的框架，以概率物体位置得分为中心，用于在未开发环境中进行物体搜索任务。通过利用3D物体概率图和POLo得分，代理能够高效地做出物体搜索决策。通过训练神经网络POLoNet来近似计算密集的POLo得分，进一步提高了框架的实用性。实验结果表明，配备POLoNet的代理在物体目标导航中明显优于其他基准方法。

该论文介绍了一种结合LLM和基于YOLO的环境感知的自主机器人操纵方法，通过逻辑推理将高层语言命令转化为可执行的运动函数序列，并采用远程操作和DMP进行行为校正，提高系统实用性和通用性。

本文介绍了一种从高速图像序列中估计极端场景运动的方法，适用于增强和虚拟现实、无人机导航和自主机器人等应用。该方法在低光或高动态范围等挑战性条件下表现出色。