智元机器人推出首个通用具身基座模型GO-1，具备人类视频学习、小样本快速泛化和持续进化等特点。GO-1通过大规模数据训练，提升机器人运动和AI能力，解决数据利用率低和部署受限的问题，支持多机器人协作，增强用户交互体验。

Figure推出的Helix机器人能够通过自然语言指令感知、理解并抓取物品，具备高速控制和多机器人协作能力，且无需特定任务微调，展现出强大的对象泛化能力，标志着人形机器人技术的重大进步。

稚晖君开源了全球首个大规模机器人数据集AgiBot World，包含百万真实场景数据，涵盖80种日常技能，数据质量达到工业标准。该项目旨在提升机器人在家居、餐饮和工业等场景的智能化能力，支持多机器人协作，推动具身智能发展。

本文探讨了语义在机器人领域的应用，包括认知机器人控制架构、符号认知架构CASPER以及人工智能与机器人世界模型的关系。研究提出了多机器人协作框架COHERENT，利用大型语言模型优化任务分配，提高执行效率，并强调了认知与控制融合在有效人机团队协作中的重要性。

本文提出了一种新型导航框架，结合大型语言模型和视觉语言技术，应用于视觉导航任务。框架包括指令解析、视觉-语言地图构建、定位和动作预测等组件。实验结果表明，该方法在真实环境中优于现有基线，显示出在多机器人协作和工业异常检测等领域的潜力，显著提高了模型的性能和准确率。

本文介绍了一种新颖的多机器人协作方法，利用预训练的大型语言模型进行通信和路径规划，提高轨迹规划速度。实验证明该方法在多机器人协作场景中取得了高成功率，并能适应任务语义的变化。

该文介绍了一种新颖的多机器人协作方法，利用预训练的大型语言模型进行高层通信和低层路径规划，通过机器人之间的交流和集体推理任务策略，并生成子任务计划和任务空间路径，应用于多臂运动规划，以加速轨迹规划，并在环境中提供反馈。作者提出了 RoCoBench，一个包含六个任务的广泛多机器人协作场景的基准测试，并在实验证明了该方法的有效性。该方法具有高度的可解释性和灵活性，可以轻松地与人工智能交互，用户可以与机器人代理合作完成任务。

该研究提出了一种新颖的多机器人协作方法，利用预训练的大型语言模型进行高层通信和低层路径规划，通过机器人之间的交流和集体推理任务策略，并生成子任务计划和任务空间路径，应用于多臂运动规划，以加速轨迹规划，并在环境中提供反馈。研究还提出了 RoCoBench，一个包含六个任务的广泛多机器人协作场景的基准测试，伴随着一个纯文本数据集用于代理表示和推理。实验证明了该方法的有效性，能够适应任务语义的变化，并且在真实世界的实验中展示了 RoCo 可以轻松地与人工智能交互。