BCER Agent：编译与绑定驱动的可靠长程MRI工作流执行 本研究提出BCER Agent框架，旨在解决现有AI系统在执行复杂医学影像分析工作流时的可靠性问题。传统反应式Agent在MRI多阶段流水线中面临数据维度跃迁（3D/4D体数据）、链式依赖、中间工件复杂性和临床可审计性等核心挑战。 BCER创新性地采用四层神经启发架构：1) Brain层负责高层规划生成部分指定的工作流草图；2) Ce

摘要：情感陪伴仿生人混合训练全链路方案 针对情感陪伴机器人面临的数据采集难题（隐私、伦理、成本三重困境），本文提出"仿真为主（80%）、真机为辅（20%）"的混合训练方案。通过Isaac Sim+Omniverse构建高保真仿真环境，生成带情绪标签的多模态数据；辅以小规模真机脱敏数据修正虚实差异；最终形成"仿真生成-真机验证-数据回流"的闭环迭代体系。该方案突破隐私红线，以1/10成本实现工业级数

摘要：情感陪伴仿生人混合训练全链路方案 针对情感陪伴机器人面临的数据采集难题（隐私、伦理、成本三重困境），本文提出"仿真为主（80%）、真机为辅（20%）"的混合训练方案。通过Isaac Sim+Omniverse构建高保真仿真环境，生成带情绪标签的多模态数据；辅以小规模真机脱敏数据修正虚实差异；最终形成"仿真生成-真机验证-数据回流"的闭环迭代体系。该方案突破隐私红线，以1/10成本实现工业级数

论文摘要： 中国科学院大学等机构提出的MAPD框架解决了专有模型（如GPT、Claude）向开源模型（如Qwen）蒸馏Agentic Search能力时的核心挑战。传统方法因专有模型tokenizer不透明和语言风格差异导致性能下降，而MAPD创新性地引入结构化JSON协议作为中间表示，通过多智能体系统（MAS）离线生成标准化推理轨迹。训练阶段结合在线策略自蒸馏（OPSD）和GRPO强化学习，在H

具身智能技术现状与未来展望（2026年视角） 2026年被认为是具身智能元年，其核心在于AI通过物理或虚拟实体与环境实时交互，形成感知-认知-行动的闭环学习系统。与传统AI不同，具身智能强调“行万里路”的实践学习，而非仅依赖静态数据训练。目前，具身智能已应用于家庭服务机器人、工业柔性产线、医疗手术及康复设备、自动驾驶等领域。 然而，情感交互型仿生人仍面临诸多挑战：硬件上，高自由度灵巧手、长续航动力

推理工具链日益复杂，但开源训练框架却无法跟上。这种“部署端日新月异、训练端原地踏步”的错位，使得绝大多数开源研究只能通过简化版工具链进行训练，然后在部署时面对完全不同的行为模式。OpenForge RL首次提出了一个通用解决方案——用轻量级代理解耦训练与推理，用Kubernetes编排实现弹性扩展。这不是渐进式改进，而是一种范式级的突破：让训练环境真正等于部署环境。2026年，AI智能体已经从实验

推理工具链日益复杂，但开源训练框架却无法跟上。这种“部署端日新月异、训练端原地踏步”的错位，使得绝大多数开源研究只能通过简化版工具链进行训练，然后在部署时面对完全不同的行为模式。OpenForge RL首次提出了一个通用解决方案——用轻量级代理解耦训练与推理，用Kubernetes编排实现弹性扩展。这不是渐进式改进，而是一种范式级的突破：让训练环境真正等于部署环境。2026年，AI智能体已经从实验

摘要：本文详细阐述了家庭陪伴机器人硬件层的选型重构思路，主张放弃展台级仿生的参数内卷，转向居家实用的工程妥协。文章确立“续航优先、静音优先、可维护性优先”三大核心原则，从关节驱动、电池管理、仿生皮肤、传感阵列、AI算力、通信安全六大子系统给出具体量化方案，并提出模块化硬件架构与软件协同的安全和功耗策略，最终实现单台BOM成本控制在7.3万元左右的量产可行性方案。

本文提出"双模态控制适配层"方案，解决商用机器人工业精度与人文陪伴需求间的底层矛盾。该方案在不修改操作系统内核的前提下，通过在情感中间件与运动控制器间插入外挂模块，实现工程作业和人文陪伴两种运动模式的智能切换。核心技术包括：1）模态仲裁调度器根据情绪和场景自动选择控制模式；2）并行运行PID高精度控制和阻抗柔性控制两套链路；3）姿态偏置注入器突破逆运动学直立约束；4）分级安全机

本文提出"双模态控制适配层"方案，解决商用机器人工业精度与人文陪伴需求间的底层矛盾。该方案在不修改操作系统内核的前提下，通过在情感中间件与运动控制器间插入外挂模块，实现工程作业和人文陪伴两种运动模式的智能切换。核心技术包括：1）模态仲裁调度器根据情绪和场景自动选择控制模式；2）并行运行PID高精度控制和阻抗柔性控制两套链路；3）姿态偏置注入器突破逆运动学直立约束；4）分级安全机