优必选的Thinker大模型进行了架构升级，专注于小参数、高性能和全开源，获得9项全球第一。该模型旨在提升人形机器人在工业场景中的反应速度和空间感知能力，推动技术进步与应用普及。

本研究提出了基于C#的SceneGenAgent，解决了大语言模型在工业场景生成中的精确性问题。实验结果显示成功率达到81.0%，显著提升了生成效果和可用性。

本研究提出了一种基于深度学习的方法，通过引入切削条件作为额外的模型输入，提高刀具磨损估计的准确性。实验结果表明，该方法在工业场景中具有潜在的应用价值。

基于Segment Anything Model的高效基于U-Net的刀具磨损分割方法，用于自动化提示生成器，简化刀具磨损检测过程。评估结果显示该方法在有限数据集下实现准确的磨损分割，适用于工业场景。

本文介绍了一种创新的多摄像头手眼标定方法，用于工业场景中的人机协作。该方法通过优化摄像头与机器人基坐标系以及其他摄像头之间的姿态，证明了其优于现有技术的表现。算法的开源版本已公开发布。