WBCD 2025双臂机器人挑战赛将在ICRA 2025期间举行，奖金池为20万美元，吸引88支队伍参赛。比赛重点关注物流包装、生命科学实验和餐桌服务等任务，旨在推动双臂机器人技术的实际应用。

本研究提出RoboTwin框架，旨在解决双臂机器人在复杂物体操控中的数据稀缺和评估不足问题。通过3D生成模型和大型语言模型，创建多样化的专家数据集，显著提高双臂机器人操作的成功率，单臂任务提升超过70%，双臂任务提升超过40%。

本研究提出了一款低成本开源双臂移动操控机器人AhaRobot，成本仅为1000美元，远低于现有机器人成本的1/15。该系统通过独特的硬件架构和优化的控制方案，提高了复杂操控任务的数据收集效率。

李飞飞团队推出了名为BRS的具身智能框架，成本低于500美元，旨在解决家庭机器人执行日常家务的难题。该框架通过双臂机器人实现全身协调控制，具备高效的导航和操作能力，研究表明BRS在多项家庭任务中表现优异，相关代码已开源。

清华大学研发了全球最大的双臂机器人扩散大模型RDT 2.1，旨在通过多机器人数据集进行预训练，并在特定双臂机器人上微调，以应对双手操作中的多模态性和数据异构性挑战。该模型结合了扩散建模和Transformer架构，整合视觉与语言输入，提升机器人在复杂任务中的表现。

该研究探讨了强化学习在双臂机器人任务中的应用，设计了基于磁力连接的任务以验证成功率。提出了多个机器人学习基准，如Bi-DexHands和HumanoidBench，旨在加速机器人算法研究并提升操作能力。研究指出现有算法在多任务和少样本学习中仍需改进，强调标准化评估框架的重要性。

本文探讨了多模态表征方法在抓取可变形食物中的应用，成功率达到71%。研究提出了基于数字孪生和强化学习的资源分配框架，显著改善了切片优化。此外，利用深度强化学习和模拟转现技术，成功实现了双臂机器人装配任务，展示了其实际应用潜力。