该研究针对视觉-语言-动作（VLA）模型在面对无效任务前提（前提冲突）时的行为反应展开探索。现有评测多聚焦于最终任务结果，难以区分模型是主动终止任务还是盲目尝试导致的执行失败（即“失败执念” Failed Persistence）。为此，研究团队基于 LIBERO 构建了 ConflictVLA-Bench 评测基准，将冲突场景与前提一致的基准轨迹配对，系统评估模型在面对冲突时的执行过程与最终决策表现。
该研究针对计算与内存资源受限的边缘设备，提出了一套高效的边缘机器学习工作流程，用于在腕戴式多模态生理监测设备WeBe Band上快速开发、优化和部署ML模型。该系统支持自动机器学习（AutoML）和硬件优化，能够自动生成硬件高效型模型，并轻松集成到WeBe的核心固件中，大幅简化了端侧算法的开发周期。
针对现代视觉-语言-动作（VLA）系统在长程操作中缺乏显式中间结构、现有思维链规划器依赖粗粒度标注的问题，研究团队提出了 X-Planner 规划前端。该方案同时改善具身推理的监督与表征，融合了第一人称视角、通用操作接口及遥操作等多源数据，构建了具备分层粒度和差异化标注深度的规划数据集。由于原始摘要截断，具体的下游控制效果待全文进一步阐释。
该研究针对人机交互、虚拟现实及机器人等应用场景，提出了一种基于Transformer架构的实时手势识别系统。研究团队利用Unity中通过OpenXR标准捕获的手部追踪数据，结合手部关节位置与手腕旋转角度信息进行模型训练。依托Transformer出色的序列建模能力，该系统能够有效捕捉短手势中的时序依赖关系，从而实现高精度的实时手势识别与交互。