北京邮电大学（方斌）---视触觉多模态，视触觉仿真器。（普通物体->柔顺，弹性物体表征，强化学习策略和方法），sim to real。对于新型的方向，似乎做数据集是一个能够扩展影响力的策略。
上海交通大学（马道林）---物理智能触觉感知与机器人操作，自主交互: 感知与控制的闭环。也是视触觉，传感器研发，力学效果监测可视化(点阵运动场)，摩擦力等。构建运动学反问题，本体操作的精度一般来讲是比较低的，他们把这个问题归结为是多传感器配合的原因，因此引入了多传感器标定的研究方向。
北京通用智能研究院（黄思远） 通用人工智能的三维场景理解，从专才模型到通才模型，如何将感知和运动很好的结合是一个很重要的问题，通常两者之间是有一个很严重的gap的。希望具有三种能力，
一种是用end-to-end来做通用人工智能，另一种是用大脑接小脑的层级方式来做（可以借助大模型的推理规划能力，）LEO工作可以看下。COME-robot：
浙江大学（王越）：前馈用强化学习，经典反馈。 经典和强化学习方法结合。
上海交通大学，sim to real transfer
上海科技大学，将环境中的物理信息变成物理操作，将物理的一些信息表征变成图像化的描述，注入到视觉模型的输入当中，最后得到运动的policy。相当于给出了一些提示，通过草图提示进行泛化