中兴通讯在ICRA 2026上推出RealMirror平台，旨在降低具身智能研发成本。该平台集成数据采集、模型训练和评测，支持人形机器人VLA算法的标准化评测，并通过高保真仿真环境实现零样本Sim2Real迁移，推动具身智能研究的普及。

光轮智能通过自研仿真基础设施，解决了具身智能时代的数据问题，推动仿真技术与产业结合。其“测量、生成、求解”方案提升了Sim2Real的可靠性，并建立了全球最大的遥操数据采集工厂和RL训练平台，助力具身智能发展。

银河通用推出的DexNDM灵巧手神经动力学模型，实现了手掌任意朝向的物体旋转，突破Sim2Real鸿沟，能够精准操控多种物体，推动机器人从简单抓取向精细操作转变，提升生产力。

银河通用推出的DexNDM灵巧手神经动力学模型，实现了手掌任意朝向的稳定旋转，具备拧螺丝和使用工具的能力，突破了Sim2Real鸿沟，提升了机器人的操作能力，推动灵巧操作向工业应用发展。

光轮智能与NVIDIA将于10月9日凌晨0点直播，讨论Sim2Real技术突破及合作进展，分享机器人和AI领域的趋势与商业化路径。

机器之心数据服务现已上线，提供高效稳定的数据获取，简化数据爬取流程。

VideoMimic是一种通过单目视频学习人类动作并转化为类人机器人控制策略的方法。该系统能够重建人类及其环境，训练机器人在不同场景中自主执行动作，如上下楼梯和坐下。研究表明，VideoMimic在多样化环境中表现出良好的鲁棒性，未来将扩展应用以实现更复杂的人机交互。

本研究提出了SplatSim框架，用高斯点云替代传统网格表示，减小了Sim2Real间的差距。实验结果显示，在SplatSim中训练的操作策略以86.25%的成功率在现实世界中实现零-shot部署。

近年来，航天器姿态估计技术需求增加，但由于真实数据有限，算法性能下降。最新方法采用域自适应技术缓解问题。介绍了新的数据集SPADES，包含真实和模拟事件数据，提出了有效的数据过滤和基于图像的事件表示方法。进行了多方面的基准评估。

MatSci ML是一个用于建模固态材料的机器学习方法的新型基准，使用多样化的材料系统和属性数据，为固态材料研究提供了新的方法。

研究人员提出了一种方法来解决学习图像条件机器人策略时的视觉差距问题，通过使用自然语言描述图像作为信号来捕捉底层任务相关语义。该方法同时训练大量模拟数据和少量真实演示，并使用图像编码器作为图像表示的基础，取得了较之前的方法25至40%的性能提升。

本文介绍了一种基于强化学习的人到仿真向人型机器人的框架，通过使用一个RGB摄像机实现了全尺寸人型机器人的实时全身遥操作。

本文提出了一种基于条件生成建模的目标姿态估计方法，通过扩散模型估计对象姿态，并综合结果来约束不确定性。该方法在 REAL275 数据集上实现了最先进的性能，且能适应具有相似对称性质的新类别。

该研究使用Diffusion模型解决视觉触觉传感器中的Sim2Real差距，通过对抗过程对两个领域的特征进行对齐训练分类器，取得了81.9%的总体准确率。同时，分类器在触觉数据的6D物体位姿估计任务上也进行了验证。

该文介绍了一种名为 DUSA 的无监督 sim2real 领域适应方法，用于解决车联网的协作感知问题。该方法分解为 sim2real 领域适应和协同代理适应两个子问题，并设计了 LSA 和 CIA 模块来解决。实验证明了该方法的有效性。

该文介绍了一种自我监督的域自适应方法，适用于仅有标注源领域数据但目标领域数据完全无标注的情景。作者使用了分割基础模型来获得未标注数据的部分信息，并提出了一种对目标域中检测到的分割区域进行正则化特征表示的不变性方差损失结构。作者在两个数据集上展示了该方法的优势，并显示出它优于之前的方法，甚至优于使用真实注释进行训练的网络（在其中一个数据集上）。

In Robotics, one of the hardest problems is how to make your model transfer to the real world. Due to the sample inefficiency of deep RL algorithms and the cost of data collection on real robots,...