【论文摘要】RhinoVLA通过系统性优化在机器人视觉-语言-动作（VLA）任务中实现高效部署。研究发现传统VLM模型的延迟瓶颈主要来自MLP投影算子而非注意力机制，通过采用视觉词元更高效的Qwen3-VL架构（压缩75%词元）、设计72D统一动作槽空间和InstanceLoRA适配机制，在保持多模态能力的同时显著提升推理速度。在Huixi R1芯片上实现11.69Hz实时推理（较基线提升10倍）

OpenDriveLab与地平线机器人联合提出NativeMEM框架，实现机器人长程记忆的高效压缩与利用。该方案将每帧历史画面压缩为1个视觉Token，直接存储在VLA模型的原生特征空间中，使机器人能以极低成本保存分钟级、稠密更新的操作历史。关键创新包括：复用预训练VLA的视觉编码器生成原生兼容的记忆Token；仅通过动作损失监督记忆学习；采用两阶段训练实现快速适配。实验表明，该方法在仿真和真实任

OpenDriveLab与地平线机器人联合提出NativeMEM框架，实现机器人长程记忆的高效压缩与利用。该方案将每帧历史画面压缩为1个视觉Token，直接存储在VLA模型的原生特征空间中，使机器人能以极低成本保存分钟级、稠密更新的操作历史。关键创新包括：复用预训练VLA的视觉编码器生成原生兼容的记忆Token；仅通过动作损失监督记忆学习；采用两阶段训练实现快速适配。实验表明，该方法在仿真和真实任

麻省理工学院团队研发出一款250克的扑翼机器人，成功模拟潜水鸟类"飞行-游泳-入水-跃出"的全套动作。研究发现：1）中等尺寸柔性机翼能平衡空中飞行（6.3米/秒）与水下游泳（0.79米/秒）需求；2）超柔性机翼通过被动形变减小水下阻力，使扑翼频率达6Hz；3）出水时70°仰角配合短尾设计成功率最高，但能耗是机械能增益的40倍。该研究揭示了鸟类跨介质运动机制，为两栖机器人设计提供

加州大学圣地亚哥分校团队在《Nature》发表研究，首次证实人形机器人（Unitree G1）可完成活体猪腹腔镜胆囊切除术。研究通过三阶段实验（台面测试、用户研究、动物实验）系统评估了可行性：机器人能完成关键手术步骤，但精度（1.30mm直线误差）和工作效率仍逊于达芬奇系统，且存在延迟、臂展限制等问题。研究指出，人形机器人的类人形态使其能直接使用标准手术器械，未来或可兼顾护理、物流等多重医疗角色，

DeepSeek研究团队通过强化学习训练大型语言模型DeepSeek-R1，使其具备自主推理能力。该模型在解决数学问题时采用逐步推理方式，通过正确奖励和错误惩罚机制，学会了自我验证和反思。与传统依赖人工标注的方法不同，DeepSeek-R1完全通过RL训练获得推理能力，在数学、编程和STEM领域表现优异。这一创新不仅提升了模型性能，还能指导小型模型的推理能力开发。目前DeepSeek-R1在Git

OpenAI正在重启机器人研发，重点布局人形具身智能领域。据招聘信息和媒体报道显示，公司正在组建机器人研发团队，招聘机械工程师、仿真环境工程师等岗位，强调规模化生产设计（百万量级）和遥操作/仿真训练技术（如Nvidia Isaac）。这是继2019年展示Dactyl机械手成果后，OpenAI再次将AI与物理世界深度结合的战略调整。业内人士分析，OpenAI意图将大语言模型的认知能力延伸至物理操作层

《高分辨率实时机械变色触觉传感器》提出了一种创新触觉传感方案，通过机械变色材料将接触应变直接编码为结构色变化，实现约100微米空间分辨率的实时触觉成像。该三层柔性传感器由光弹性薄膜制成的Bragg反射层构成，受压时反射波长随应变改变，相机可直接读取颜色分布映射接触形貌。实验验证了其对指纹、硬币纹理等微观特征的成像能力，并通过层厚调控实现在边缘检测与压力测量模式间的切换。相比传统视觉触觉需复杂图像重

摘要：本文提出一种结合大型语言模型(LLM)与人机交互的机器人动作学习方法。通过设计包含提示工程、操作基元和动作数据库的上下文框架，LLM可生成包含前置/后置条件和操作基元的动作知识。关键创新是引入人机交互环节，允许人工修正LLM输出，确保知识安全性。实验表明，该方法在8个不同难度任务中成功率超80%，且能有效应对70%的外部干扰情况。相比基线方法，该方案显著提升机器人学习性能，但对新对象的泛化能

本文系统综述了大语言模型(LLMs)的理论基础与研究进展。研究者提出基于生命周期的分类法，将LLM理论研究划分为数据准备、模型准备、训练、对齐、推理和评估六个阶段。重点分析了数据混合的数学依据、Transformer架构的表示极限、预训练与对齐的优化机制等核心问题，并探讨了合成数据自我提升、安全保证数学边界等前沿挑战。该综述旨在推动LLM研究从工程启发式方法向严谨科学学科的转型，为理解模型底层机制