将网格生成拆为顶点流与拓扑流两阶段，化解顶点-拓扑纠缠难题

通过AFM和ERD两个组件，在保持高真实感的同时实现多样化交通行为生成

像素空间扩散模型统一3D重建与生成，无需VAE/RAE，直接优化3D表示

通过在感知特征空间监督流匹配，将采样步数从35-50步减少到4-8步且保持质量

首个使用GRPO后训练的3D医学流匹配模型，实现可控胸部CT合成

用40M潜空间监视器检测动作漂移并在线纠错，让VLA动作时域自适应化。

提出GACR框架，通过观测锚定残差流和地理上下文对齐实现高保真、语义一致的云移除。

无需训练的多分辨率加速策略，实现10倍以上加速且质量损失小于1%

将离散网格拓扑转换为连续嵌入，用流匹配并行生成高质量网格

基于视觉-语言-动作模型与强化学习循环的双臂衣物折叠机器人系统，在模拟赛中获得第1名，在真实机器人决赛中获得第2名的优异成绩。

通过训练时范数约束抑制RL post-training的感知质量退化

将世界模型作为机器人价值学习的基础，实现SOTA任务进度估计

通过流匹配学习奖励条件动作分布，统一密集监督与生成式规划

统一框架解决流匹配模型奖励反向传播的内存和梯度爆炸问题

提出VESFLOW，通过直接编辑速度场实现少步流匹配模型的安全生成

MeshFlow利用等变流匹配在亚秒级内生成高质量三角形网格。

通过人类偏好奖励条件化和专家迭代提升文本到音乐生成质量

提出判别器引导的强化学习(DRL)，在不依赖人类偏好的情况下修正流匹配模型的分布偏差

双头 critic 解耦稀疏成功信号为可行性与效率，显著提升 VLA 微调效果

用 3D 轨迹作为视频到机器人动作的可复用中间表征，纯视频预训练即可匹敌有动作监督的 VLA。