联汇科技推出全球首个万物具身智能体平台OmAgent，旨在将AI智能体从数字空间引入物理世界。该平台支持多模态感知，具备3D空间感知、时空记忆和智能决策能力，实现跨设备协同。用户可通过自然语言指令操作智能终端，提升人机协作效率，已在多个行业应用，推动智能化进程。

本研究提出CAFES框架，旨在提升自动作文评分的评估泛化性和多模态感知能力。通过协作多智能体的方式，显著提高了评分与人类判断的一致性，实验结果显示评分准确性提升了21%。

本研究提出了一种新颖的神经脑框架，旨在提升具身人工智能系统在真实世界中的交互能力。该框架通过整合多模态感知、认知能力和适应性记忆，增强了代理在动态环境中的反应能力，推动了具身智能的发展。

该研究系统总结了图形用户界面（GUI）代理的最新进展，特别关注基于强化学习的架构，以及多模态感知和自适应动作生成在复杂环境中的应用。

本研究开发了一种高强度抓取器，具备嵌入式多模态感知功能，能够产生110牛顿的抓取力。该抓取器通过优化感知驱动，提升了物体抓取的精准性和效率，为类人机器人在复杂环境中的应用提供了新方案。

本研究比较了不同版本的GPT模型在多模态感知中的表现，发现GPT-4和GPT-4o与人类评估一致性高，但在模拟感官体验方面存在显著差异。

本研究提出机器人基础模型应从单一自主决策者转变为互动多代理视角，以应对人机协作的复杂性。通过多模态感知和记忆反馈机制，提升机器人性能，实现更强大和个性化的互动。

本文研究了深度强化学习在社交导航中的应用，开发了尊重社交规范的机器人导航策略。通过多模态感知和大规模数据集，提升了机器人在拥挤环境中的自主导航能力。提出的社交机器人规划器(SRLM)结合大型语言模型和深度强化学习，优化了机器人与人类的互动，显著提高了导航性能。

我们提出了一种多智能体 Minecraft 模拟器 MineLand，通过引入有限的多模态感知和物质需求，弥合了传统多智能体模拟器对完美信息和无限能力的假设，支持最多 48 个智能体，强制它们通过通信和协作来满足食物和资源等物质需求，从而促进了动态有效的多智能体交互。实验证明该模拟器、相应的基准测试和 AI 智能体框架对于实现更生态和细致的集体行为具有积极作用。

本文研究了使用多模态感知学习社交机器人导航的有效性，并将单模态和多模态学习与一组经典导航方法进行对比，结果表明多模态学习具有明显优势。同时，进行了一个人体研究，探究了使用多模态感知进行学习如何影响感知到的社交合规性。研究开源代码供社区使用。