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Photo-SLAM，这是一种创新的SLAM框架，结合显式几何特征和隐式光度特征进行环境定位和纹理表示。实验证明，Photo-SLAM在映射性能上显著优于现有系统，PSNR提高30%，渲染速度快数百倍，并可在嵌入式平台上实时运行，展示了其在机器人应用中的潜力。

MVG-NeRF结合传统多视角几何与神经辐射场（NeRF）进行三维重建，通过像素级深度和法线优化表面质量。NR-NeRF方法能够从动态场景的RGB图像生成高质量的时空几何和外观表示，展示了在新视角合成中的优势。此外，研究探讨了NeRF在机器人应用中的潜力，并提出了改进的重建方法，显示出在真实数据不足情况下的有效性。

本文研究不完全图像分割，提出了一种新方法来预测被遮挡物体的完整分割掩膜。通过构建自动管道和利用上下文信息，克服了技术挑战，取得了在多个数据集上的最佳性能，显著提升了遮挡物体的分割效果，尤其在机器人应用中表现出色。

本文介绍了一种可微粒子滤波器的在线学习框架，通过无监督损失实现模型参数更新。研究比较了可微粒子滤波器与传统方法在状态估计和决策中的表现，强调其在机器人应用中的优势，并展示了新型重采样技术的有效性。

本文介绍了多种基于深度学习的6D姿态估计框架，如DenseFusion和Deep-6DPose，能够从RGB-D图像中实时估计物体姿态，提升了准确性和鲁棒性。实验结果表明，这些方法在多个数据集上优于现有技术，并在实际机器人应用中实现了有效的物体抓取和操作。

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。