GINIO：面向神经惯性里程计的几何 SO(3) 等变接口

提出SO(3)等变神经网络预测微颗粒在Stokes流动中的完整6×6阻力矩阵，超越传统标量阻力关联方法，同时保留取向依赖与旋转响应信息。

ForceTwin通过人类交互数据学习关节物理属性（惯性、摩擦、弹簧机制），构建可预测动作的物理信息数字孪生，赋能机器人精准操作。

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SO(3)等变神经卡尔曼网络（SENK），构建响应态级联解决振动光谱跨化学空间预测难题，适用于分子材料性质预测。

研究机器人在不熟悉物理条件下的诊断适应问题，定义了改善行为需满足的六个有序经验条件，并在受控和公共环境中验证了该链条的有效性。