开发者利用前沿AI智能体与NVIDIA Omniverse库，通过自然语言指令构建仿真应用，展示了仓库人形机器人模拟器、自动驾驶测试流程、传感器数字孪生、机器人运动测试、拆解仿真、国际空间站浏览器应用，以及将实拍房间转为可编辑测试环境等多个项目。

ReferTrack是一种用于具身视觉跟踪（EVT）的“指代-再跟踪”范式，机器人仅靠单摄像头，根据自然语言指令识别目标并规划轨迹跟随。它先从检测到的带索引边界框目录中选择目标，再预测航点。通过滑动窗口队列和TVBI token注入目标几何特征，保留运动线索。模型结合自建Refer-QA数据联合训练，强化指代能力，实现端到端策略，提升拥挤场景下的跟踪鲁棒性。

HoloAgent-0是一个统一的具身智能体框架，旨在解决物理机器人执行中的挑战。它通过Embodied AgentOS将自然语言指令转化为可执行技能图，结合空间和时间记忆，支持任务规划、监控和故障恢复。该框架提升了机器人在复杂环境中的导航、操作和协作能力，并通过真实机器人硬件评估展示了在长时序任务中的有效性。

使用OpenAI Codex的子代理可以显著提高编程效率。通过将任务分配给不同的小AI，避免了单一AI因负担过重而出错。子代理专注于特定任务，如代码编写和安全审查，能够同时工作，节省时间。用户只需通过自然语言指令启动小AI，提升工作效率。

香港大学推出的开源AI交易助手Vibe-Trading，允许散户无需编写代码即可进行量化交易。该工具内置452个量化因子，支持用户通过自然语言指令进行策略回测和分析，并具备“影子账户”功能，实时监控用户交易行为，帮助避免情绪化决策。尽管不支持自动实盘交易，但为散户提供了与机构相当的量化研究能力。

浙江大学和腾讯团队提出了JAVEdit-100k数据集及评测基准JAVEditBench，填补了音视频联合编辑的空白。研究表明，JAVEdit在评测中表现优异，音视频同步性提升26%。该工作为多模态编辑提供了高质量资源，并指出音频基础模型的不足，未来需加强音频编辑能力。

OpenCode 通过接入 Suno MCP，用户可以在终端中直接生成音乐，无需切换到浏览器。使用前需获取 Ace Data Cloud API Token，并在配置文件中设置。Suno MCP 支持生成背景音乐和歌词，适合产品发布和演示。配置完成后，用户可通过自然语言指令调用音乐生成工具。

谷歌发布了Gemini Omni视频生成模型，能够理解物理规律，用户可通过自然语言指令编辑视频。与传统AI工具不同，Gemini Omni支持多种素材融合，生成和谐视频。尽管功能强大，但在画质和流畅度上被竞争对手Seedance 2.0超越。

智谱AI推出手机端智能助理框架Open-AutoGLM，利用视觉语言模型实现屏幕内容的深度理解与自动化操作。用户可通过自然语言指令完成任务，系统确保安全性并支持远程调试，已覆盖50余款主流应用，逐步成为全场景智能助手。

DroidRun是一个开源自动化框架，支持通过自然语言指令驱动移动设备，适用于自动化测试和移动助手。它结合自然语言理解、检索与设备控制，实现灵活的端到端自动化，便于集成与扩展。

本文介绍了Uni-NaVid，一个基于视频的多任务具身导航模型。该模型结合RGB视频流和自然语言指令，能够高效生成导航动作，并通过在线token合并机制优化推理速度。Uni-NaVid支持视觉与语言导航、目标物体导航、具身问答和人类跟随等任务，研究表明其在真实环境中表现出色，具备良好的泛化能力和计算效率。

Cursor AI是Anysphere Inc.开发的下一代AI集成开发环境，旨在提高程序员的编码效率。它通过自然语言指令生成代码、智能自动补全和批量重构等功能，简化开发流程，帮助开发者更快完成任务，提高代码质量，减少调试时间。

AIxiv专栏促进学术交流，报道超过2000篇内容。新任务3D意图定位（3D-IG）通过自然语言指令在3D场景中检测目标，提升人机交互。研究构建了Intent3D数据集，利用GPT-4生成意图文本，并采用IntentNet方法显著提高了意图理解和目标检测性能。

Claude Code 是由 Anthropic 开发的 AI 编程工具，能够在终端中运行，帮助开发者高效编写代码。它支持自然语言指令，自动化任务，调试和修复代码，并简化版本控制。用户需满足系统要求并通过 NPM 安装，提供 CLI 命令和交互模式，适合复杂开发任务。