针对物理机器人RL中稀有事件采样不足问题，提出仅依赖缓冲区内部数据计算的杠杆分数量化方法

提出Pixel-UMI框架，通过环境感知重定向（EAR）将人类演示迁移至机器人，解决具身差异导致的策略学习难题。

提出机器人互为‘教师’的具身智能范式，通过同伴教学实现规模化技能迁移与部署。

提出基于运动基元的动作分块表示法，提升视觉机器人模仿学习中动作序列的时间一致性与泛化能力。

提出CuraEval统一评估框架，结合数学分析与受控实验，量化不同演示筛选策略的有效性。