DiSCo-SLAM是一个新颖的框架，旨在使用3D LiDAR观测实现分布式多机器人SLAM。它支持多机器人协作，能够在动态和不确定的环境中进行实时映射和定位，并具备大规模环境的可扩展性。
Block-Map-Based Localization使用块图技术，在大规模环境中实现高效定位，适合机器人导航与室内外定位系统。
这个项目利用基于循环神经网络的端到端算法，让AI在简单迷宫上进行训练，从而掌握走出更难迷宫的能力。该算法具备逻辑推理能力，并且能够处理逐渐复杂的迷宫，且不会出现迭代退化的问题。
Scaling Cross-Embodied Learning是一个跨领域学习策略的项目，提供一个统一的政策用于操控、导航、移动和航空等多种任务。
RIO是一个基于优化和点不确定性感知的4D雷达系统雷达-惯性里程计，旨在实现高精度的定位和导航。它通过结合雷达数据和惯性传感器信息，提供可靠的定位解决方案，适用于多种环境和应用场景。
该项目提供了一种基于势能的扩散运动规划方法，旨在提高路径寻找的效率和准确性，适用于机器人导航和仿真环境中的运动策略测试。
一套低成本的房间规模运动跟踪系统，通过多个无人机实现了实时机器人位置跟踪，适用于各种室内环境，具有出色的协同工作能力。
