2026年世界移动通信大会在巴塞罗那落幕，主题为“众智启新”。展会吸引了2900多家企业参展，其中中国企业超过350家。AI与通信的深度融合成为焦点，6G标准即将到来，5G-A应用备受关注。华为、荣耀、vivo等公司展示了多款创新产品，推动AI技术在各行业的应用。

动易科技完成亿元级天使++轮融资，累计融资超2亿元，推动“Robot for AI”战略落地。公司专注全栈自研技术，推出多款智能机器人，并与多家企业合作，融资将加速产品规模化与全球布局。

本文介绍了G0双系统模型，结合视觉-语言-动作（VLA）与多模态规划，提出Galaxea开放世界数据集，旨在提升机器人在复杂任务中的自主感知与执行能力。该数据集包含500小时高保真数据，涵盖150个任务，确保数据一致性与可靠性。G0模型通过三阶段训练策略优化机器人性能，推动具身模型的发展。

本研究提出Robo-DM工具包，旨在解决大型机器人数据集管理问题，优化数据策划、分发和加载。该开源云工具显著减小数据集大小，降低传输成本，提高加载速度，压缩性能可节省空间高达70倍，且不影响任务准确性。

本研究探讨了共享工作空间中机器人故障对群体性能的影响，提出了一种通过物理接触提高恢复效率的“主动接触响应”（ACR）技术。

本研究提出了GUIDE框架，通过任务特定不确定性地图（TSUMs）管理机器人在复杂环境中的导航不确定性。该方法有效整合任务要求，使机器人能够根据环境上下文调整导航策略，从而显著提升任务完成率和性能。

本研究探讨了基础模型驱动的机器人在开放环境中的应用挑战与机遇，提出的SPINE框架首次实现了复杂环境中的机器人规划，展示了其在自主探索和任务执行中的潜力。

本研究提出了一种新的离散时间高斯过程混合模型（MiDiGap），用于机器人策略学习。该模型仅需五个演示和摄像头观察即可快速学习，在多项复杂任务中表现出色，显著提高了策略成功率和样本效率，具有重要的实用价值。

本文提出了一种新框架Human2Sim2Robot，该框架仅需一段RGB-D视频即可训练机器人学习灵巧操控技能，显著提高任务学习效率，解决了人机体现差距的问题。

本文提出了一种基于教师-学生范式的教师先验框架，旨在提高机器人在复杂地形上的运动稳定性。通过模仿学习和辅助任务学习，该框架显著提升了人形机器人的运动能力，并降低了开发成本。

本文探讨了Hi Robot的背景及其在具身智能中的应用。Hi Robot结合视觉语言模型（VLM）进行高层推理，处理复杂指令和反馈，提升机器人任务执行能力。通过合成数据和用户交互，Hi Robot展现出比传统系统更强的灵活性和适应性。

本研究提出了一种新颖的视觉-语言-动作架构OPAL，解决了机器人控制中的因果理解缺失问题。实验结果表明，OPAL在复杂操作任务上优于传统方法，显著提升了零样本性能，并减少了42%的推理计算需求。

本研究提出了一种通过模仿操作者数据训练的模型，以改善自主交互机器人在表达性人机互动中的不足。实验结果表明，该模型能够有效学习操作者指令，实现与专家相当的互动效果，并使用户能够识别机器人生成的不同情绪。

本研究提出了一种基于深度学习的移动机器人全球路径控制方案，旨在提高其在复杂环境中的避障能力。通过动态方程和深度学习模型优化路径规划，并设计模糊控制器纠正偏差，实验结果表明该方案显著提升了机器人的协作操作能力。