地瓜机器人在深圳推出S600具身智能大算力开发平台，旨在提升机器人开发效率。该平台结合软硬件，支持多种智能算法，助力机器人在各场景应用。多家行业领军企业成为首批战略客户，推动智能机器人技术创新与应用。

SIMA 2在多样化游戏环境中展示了通用智能的潜力，尽管面临长任务和记忆限制的挑战，为行动导向AI开辟了新路径，并为未来的机器人应用奠定了基础。

动易科技在2025世界机器人大会上展示了自研的高性能人形机器人PHYBOT M1和PHYBOT C1，以及高扭矩、高精度的PhyArc系列摆线关节模组，强调“Robot for AI”的研发理念，推动AI与现实世界的互动。

本研究提出了一种振动辅助的滞后补偿方法，旨在解决微创手术中腱鞘机制的滞后问题。通过施加受控振动，滞后显著降低，实验结果显示RMSE降低23.41%。结合时间卷积网络模型，MAE减少85.2%，为机器人应用提供了有效解决方案。

本研究探讨了基于LiDAR的地点识别中的关键帧采样优化，提出了一种新方法，通过引入采样空间概念，减少冗余信息并保持关键信息。实验证明该方法在多个数据集上有效，提高了机器人应用的地点识别效率和可靠性。

本文介绍了一种利用短程飞行时间（ToF）距离传感器捕获瞬态直方图的方法，以恢复平面场景的几何结构。该方法通过可微分渲染流水线优化场景几何，显著提高了恢复精度，并一致恢复平面表面反射率。实验结果表明，该方法在大多数场景中优于传统距离估计，适用于机器人应用中的距离和坡度感知。

本文探讨了深度神经网络的安全性验证问题，提出了一种结合可达性分析和并行计算的新策略，以提高验证效率。研究表明，该方法在复杂机器人应用中具有显著的可扩展性和效率改进。

本文介绍了神经场在机器人应用中对3D几何和外观的连续场景表示的方法和应用，重点探讨了神经场在机器人领域中用于对象6自由度注册的方法，并展示了利用场景和对象神经场模型确定已知对象在场景中的6自由度姿态的情景。同时，还展示了如何在不完美模型的场景中更好地表示对象，并通过将对象神经场模型替换到场景中生成新场景的方法。

通过NavCoT策略提高基于LLM的自主导航决策性能，减少领域差距。NavCoT在各种训练设置和导航基准上表现优越，通过参数微调在R2R数据集上实现了7%的相对改进。该方法有助于开发适应任务且可扩展的基于LLM的真实世界机器人应用。

本论文介绍了一种用于估计自动驾驶车辆和机器人应用的传感器设置的盲区的方法。该方法利用准确且详细的3D模拟环境，提供更实际的覆盖范围估计。通过使用LiDAR传感器的点云或高保真仿真目标场景的相机深度图像，该方法提供准确且可操作的可见性估计。通过基于蒙特卡洛的参考传感器仿真，能够准确地估计盲区大小，并了解任意位置上的物体检测概率。

本文介绍了一种新的物体跟踪方法，利用深度学习和循环神经网络进行序列建模，能够处理包括遮挡物在内的传感器数据，适用于机器人类应用中的2D激光数据跟踪任务。

通过三种方法解决了物理信息机器学习在机器人应用中的问题，并在车辆和无人机模拟中验证了混合方法的优越性。

该文介绍了一种名为“MimicTouch”的新框架，该框架模仿人类的触觉引导控制策略，以填补现有触觉方法的差距。该框架通过模仿学习指导机器人，将为更广泛的触觉引导机器人应用铺平道路。

VIM是一种增强学习框架，可应用于机器人应用中，使机器人能够学习各种灵活的低级技能，实现任务的平滑过渡和性能对齐。该框架是第一个允许机器人使用单一控制器同时学习多种灵活运动任务的工作。

本文介绍了一种利用短程飞行时间（ToF）距离传感器捕获的瞬态直方图恢复平面场景几何结构的方法。该方法通过直接利用瞬态直方图，在恢复平面几何结构和平面表面反射率方面比专有距离估计更准确。实验证明该方法在大多数场景中比专有距离估计基准性能提高一个数量级。同时，演示了一个机器人应用，利用该方法从机器人臂的末端执行器上的传感器感知到平面表面的距离和坡度。