通过生成仿真系统，RoboGen 是一种生成式机器人代理，可以自动学习各种机器人技能，从而规模化地进行机器人技能学习，减少人类监督。
Nov, 2023
该研究论文研究了如何将各种技能集成到机器人控制器中，利用基于概率编程语言的生成式技能文档语言，高效地解决了控制器代码文档化及添加新技能的问题，并通过 POMDP solver 及 AI planning 技术自动规划技能执行顺序，提高了机器人的自主控制性能。
Jul, 2022
预测车辆软件系统开发中的关键点，并提出了一种基于模型和特征的方法，其中最终架构不是显式定义的，而是从迭代的搜索和优化过程中出现，并保留以单系统虚幻为特点，使应用在逻辑统一的环境中运行。
Mar, 2024
用分层生成模型实现人类灵感的机器人运动控制与自主完成目标驱动任务。
Aug, 2023
基于生成模型的高效模拟器可用于改进自动驾驶系统的可扩展性、安全性和降低工程成本，这种创新设计可用于生成各种驾驶场景，提高推理和训练速度，适用于在线强化学习、规划策略评估和测试的高保真度仿真器。
Jul, 2024
论文将新的生成模型 LGAIMs 置于当前的信任人工智能法规辩论中，并探讨如何量身定制法律条款以适应其能力，主要包括直接管制、数据保护、内容管理等，并提出四种策略以确保 LGAIMs 可信并为社会利益服务。
Feb, 2023
提出一种名为 GLM2FSA 的算法，该算法通过从任务目标的自然语言描述中提取任务知识生成有限状态自动机，从而填补了自然语言任务描述和基于自动机的表示之间的鸿沟。
Dec, 2022
利用生成性人工智能设计复杂软体机器人系统的潜力和未来进展。
May, 2024
通过实施 Dual Governance 框架，我们认为可以促进创新和创造力，同时确保生成 AI 的安全和道德部署。
本文提出了一个基于 Prolog 语言的面向机器人的知识管理系统，该系统具有以下特点：1. 使用大型语言模型的半自动化过程从自然语言文本中高效填充知识库；2. 通过一系列转换实现多机器人系统的时间并行计划的无缝生成；3. 将计划自动翻译成可执行的形式化（行为树）。该框架由一套开源工具支持，并应用在一个实际应用上。
Sep, 2023