施工机器人靠近工人时需要预判人的移动，而现有社交导航方法依赖手工交互规则、标注示范或与特定机器人绑定的控制策略。这套只用激光雷达的框架以匀速外推自动生成残差目标，用图神经网络建模机器人、行人与目标之间的关系，并通过扩展卡尔曼滤波把逐帧检测连成动态图，输出与规划器无关的路径修正。在砖砌试验中，它把路径不规则度降低39.2%并提高了最小碰撞时间；在七条Dynablox序列上，最小碰撞时间平均提高38.3%，路径比基线更短更平滑。
面向人机交互的面部情绪识别通常只看干净测试集准确率，但机器人据此选择动作时，还需要知道预测是否可信。该研究在FER2013五分类上比较五种流程，最强的深度残差网络达到0.760准确率和0.753宏F1，却在梯度攻击下与其他架构一同崩溃：FGSM在ε=0.01时把四个训练模型全部压到0.16以下，PGD在ε≥0.02时接近零。被攻击的预测仍保持高置信，PGD下平均置信度达0.964，温度缩放后仍有96.0%越过0.70阈值，说明按最大softmax概率设阈值无法把合法预测与对抗预测分开。
REALM 提出一个由粗到细的音频驱动反应式倾听生成框架，用带延迟中心注意力先验与自适应门控的 Reactive Gated Speaker–Listener Fusion 融合听者运动历史与说话人音频，再由粗解码器预测基础运动轨迹、由音频条件化的随机残差在表情子空间内细化，在 ViCo 与 L2L 上于多项运动质量指标上优于所评估的基线，并部署到 Ameca 人形机器人上完成感知用户研究。
该工作提出GPT-Policy——一个把现成通用视觉语言模型（VLM）通过共享的“上下文到动作”闭环接口连接到机器人工具的框架，在真实机器人上跨五类上下文（人类视频、机器人视频与动作、目标图像、自交互历史、在线人机交互）评估其上下文内学习能力，发现任务相关上下文可提升成功率并减少决策数与执行时间，但更好的任务理解并不能保证精确接触、可靠的结果验证或物理安全。
已读完全部报道