去年8月，我们曾参加过《剑网3》的十六周年庆典。在现场，这款经典MMO放出了不少重点的未来规划，例如重内容和单人玩法的“前传企划”，还有大量围绕内容品质升级和玩法迭代的新规划，当时一度抬高了玩家与产品自身对于未来的想象。庆典结束两个月后，《剑网3》上线的年度资料片“山海源流”，已经算是给出了第一轮回答——全民可学的“江湖流派”无相楼正式落地，结合一系列旧有美术素材的重制，已经发布会上提出的“...

VideoMimic是一种通过单目视频学习人类动作并转化为类人机器人控制策略的方法。该系统能够重建人类及其环境，训练机器人在不同场景中自主执行动作，如上下楼梯和坐下。研究表明，VideoMimic在多样化环境中表现出良好的鲁棒性，未来将扩展应用以实现更复杂的人机交互。

本文探讨了机器人在智能装配中的应用，介绍了Manual2Skill论文，强调机器人如何通过视觉语言模型（VLM）从手册中学习操作技能，实现自动化家具装配。该方法解析手册内容，生成分层装配图，并预测每个步骤的组件位姿，从而提高装配效率。

本研究解决了机器人辅助微创手术中手术工具姿态估计的适应性不足问题。提出了一种新的六自由度姿态估计管道，结合了最先进的零样本RGB-D模型和基于视觉的深度估计方法，显著提高了对未见手术工具的姿态估计准确性。实验表明，该方法超越了现有的基准，为手术工具的姿态估计设立了新的标准。

本研究探讨手影艺术中的逆问题，提出三阶段手影姿态生成管道，有效解耦解剖与语义约束，生成率超过85%，具有实用价值。

本研究提出了一种名为P2P-Insole的低成本方法，通过集成IMU的鞋垫传感器估计和可视化3D人类骨骼数据，解决了现有高成本替代品的局限性。该方法借助变换器模型及多模态信息提高复杂运动模式识别的准确性，具有广泛的应用前景，特别是在康复、伤害预防和健康监测领域。

本研究提出了Pixel3DMM，通过预测每个像素的几何信息，从单幅RGB图像重建3D人脸模型。实验结果显示，该方法在姿态和表情的几何准确性上提升超过15%。

本研究提出了一种基于上下文表示学习的运动预训练方法，有效解决了单目3D人姿态估计中的深度模糊和数据不足问题，显著提升了模型的时空关系理解能力，并在两个基准数据集上取得了优异性能。

本研究解决了人类与物体交互中的力估算问题，传统方法需依赖昂贵的设备。我们提出的ForcePose框架创新性地将人类姿态估计与物体检测结合，利用深度学习实时预测力的大小和方向，且无需物理传感器。该方法在850个标注视频的测试中，表现出显著优势，开辟了在多种实际应用中进行力分析的新前景。

本研究提出了一种双流架构和异步采样策略，以解决文本生成3D场景中的不稳定性问题，提升多视图生成的一致性和准确性。