LOInK：基于结构化神经代理模型的逆运动学最优求解方法

研究几何条件化神经代理模型中不确定性量化方法的表现，对比封闭形式与采样方法在跨几何形状、流场预测和工程量上的有效性。

HOTICE 提出人形-物体解耦势场方法，实现全身协同控制与碰撞规避，完成杂乱环境中的物体搬运任务。

提出CHOREO框架，无需训练即可实现异构人形机器人技能（如强化学习、运动模仿、生成模型）的组合，支持跨表示/接口/控制器的技能拼接。

提出 AffordanceWAM，一种 affordance-aware 生成式世界动作模型，通过融合 action-labeled 机器人视频与 egocentric 人类视频监

提出双线性Koopman模型扩散方法(BK-MBD)，通过状态空间提升与候选传播解耦，降低实时机器人控制的计算成本。