中科院沈阳自动化所的Wang利用深度强化学习算法和视觉感知相结合的方法来完成移动机器人(如图3(a))在非结构环境下的移动操作[7]。作者将移动操作过程看做一个标准的强化学习问题，首先通过双目相机通过DOPE获取目标物体的6D姿态p以及机器人本体的当前状态st,接着通过基于PPO的强化学习算法预测机器人的本体，机械臂以及机械手的运动并控制机器人本体运动，最后机器人的运动状态st+1和响应rt，其中响应主要包含了整个系统的控制响应rctrl、机械手末端的位置响应rdist以及抓取状态rgrasp(如图3(b))。最后作者在仿真环境和真实环境下测试了不同高度下的抓取成功率，在仿真中，立方体的抓取效果最好达到了90%的成功率，而球类物体较差仅有60%左右，而在实际测试过程中，在姿态估计正确的前提下可实现目标物体的成功抓取(如图3(c)(d))。
德国伯恩大学计算机学院研制的遥操作轮腿复合的移动操作机器人可通过远程操作平台完成各种复杂操作任务
假肢腕设计的有效基准能够做3自由度运动，即旋前/旋后、屈伸和桡侧/尺侧偏移,未受影响的腕关节，其最大活动范围通常在76度/85度
旋转器用于使终端设备沿前臂的纵向放出或滚动，而屈肌使终端设备弯曲或俯仰, OB棘轮式旋转手腕，被动腕部装置的锁定也可以通过使用不可反向驱动的机构来实现
2自由度腕部由一个与旋转器串联的屈肌单元组成，形成一个U型关节。其中一种设备是OBRoboWrist ，它可以同时锁住前旋和屈曲，当解锁时，还可以通过转动手腕上的项圈来调节运动产生摩擦阻力
3自由度人工手腕在某些方面优于人类的手腕，如运动范围或扭矩输出。尽管一些假肢在设计中加入了3自由度手腕，但串行3自由度手腕设备在机器人应用中更普遍
具有相同数量自由度的设备之间进行比较时，串行机构往往比并行机构更长，对于串行机构，运动范围和扭矩规格通常简单地由执行机构的选择和基本形状几何决定
假肢需要直接的人类互动来发挥功能，而机器人手腕则完全是主动的,假腕还包括外部可调节功能，如可调节摩擦或锁定；机器人手腕的任何调整通常都是在控制系统内完成的
由于软体材料的发展，灵巧手也开始柔软起来，如柏林工业大学研制的软体、欠驱动、柔性多指灵巧手、康奈尔大学研制的软体多指灵巧手、北京航空航天大学研制的软体多指灵巧手
环境感知技术：机器人感知环境及自身状态的窗口、运动控制技术：定位导航与运动协调控制、人机交互技术：人机有效沟通的桥梁
宋云峰博士分享了LDV激光测振及3D视觉传感技术在智能机器人中的应用，主要介绍了智能机器人光学感知技术、LDV激光测振及3D视觉传感技术原理及产品介绍、应用案例分享等内容
新型智能抓取机器人，结合深度学习方法，赋予机器人主动探索感知的能力，解决了Affordance Map缺陷，提高了机器人在复杂环境下的抓取成功率
新加坡国立大学（NUS）的研究人员利用英特尔的神经形态芯片Loihi，开发出了一种人造皮肤，使机器人能够以比人类感觉神经系统快1000倍的速度检测触觉
