摘要： 《Science Robotics》2026年7月发表的研究提出了一种突破性技术——利用超宽带雷达非侵入式直接测量肌肉力量，解决了长期以来肌肉力无法直接测量的难题。该技术通过分析肌肉发力时电磁特性的变化，在静态收缩、疲劳状态及动态运动中均能高精度估算力量（R²>0.98），且能区分肌肉激活、长度等干扰因素。研究者验证了其机制独立性，并揭示了不同频率成分携带的多维信息。尽管存在模型泛化

西湖大学朱博文团队与西安电子科技大学王宏团队在《自然·通讯》发表研究成果，开发出仿脊髓人工触觉中间神经元（AMINs）系统。该系统通过集成应变、压力和温度传感器与忆阻器神经元，实现了多模态触觉信号的分级融合与高阶脉冲编码，能生成包含物体尺寸、硬度和温度信息的稀疏爆发脉冲序列。实验显示，该硬件系统结合脉冲神经网络在20类触觉物体识别任务中达到90.5%的准确率，验证了其高效的多模态信息处理能力。这项

摘要：OpenClaw作为具身智能的"智能中枢"，通过多Agent协作框架实现感知、决策与执行的统一调度。其核心技术包括SKILL固化、Harness抽象层、对话隔离机制及GitLab协作支持，有效提升复杂任务的执行稳定性。OpenClaw独特的动态调度机制结合定时任务策略，整合飞书等外部生态，形成高效的人机协作流程。未来，OpenClaw将与ClaudeCode、CodeX形

摘要：MagicGel传感器创新性地融合视触觉与磁触觉技术，通过视觉-磁场异构数据融合提升力感知精度。该传感器采用磁粉标记点和霍尔传感器，在31×31×27mm的紧凑结构中实现接触力测量和接近感知能力。实验表明，相比单一模态，视觉-磁场融合使法向力估计精度提升10.1%，响应时间缩短至毫秒级，同时具备200mm的非接触感知能力。这种多模态融合方案为触觉传感器提供了更完备的力学表征体系，解决了传统V

在仿真过程中，首先携带所有信息的粒子将信息以插值的方式传递到附近的网格节点中，接下来节点将信息传递回附近的粒子，在这个过程中弹性形变所引起的信息变化将会考虑，如形变梯度导致的局部速度变化。如图4所示，与其他方法相比，Tacchi可以生成更高质量的仿真触觉图片，而在Tacchi生成的图片中，粒子密度大会生成光滑的图片，而粒子密度小，物体表面会很粗糙。较低的粒子密度会导致粗糙的表面，而较高的粒子密度会

为此，本文开发了一款可变形物体与基于视觉的触觉传感器之间的软接触模拟器，该模拟器能够模拟视触觉传感器与弹性、塑性以及弹塑性物体之间的接触变形。在此模拟器的基础上，本文提出了基于视触觉传感器的可变形物体操控基准，包括可迁移的观测值、任务和专家演示系统。最后，本文搭建了相应的实验平台，完成了相关任务的Sim-to-real实验和鲁棒性实验，实现了对可变性物体的操控。图5软接触仿真结果训练结果：本文在仿

UMI-Bench1.0提出了一个面向真实机器人操作的开放基准测试框架，旨在解决当前机器人策略评测缺乏标准化的问题。该基准包含10个桌面操作任务（4单臂/6双臂），约2万条真实示教数据，并通过统一的数据采集、场景复位、执行接口和评分规则，对π0、π0.5和DreamZero等模型进行了1500次真实测试。其创新点在于：1）将泛化能力分解为物体/外观变化（FactorA）和位置/布局变化（Facto

北京大学联合SimpleSilicon团队发布HumanNet数据集，包含100万小时人类活动视频，覆盖第一/第三人称视角，为机器人学习提供新路径。该研究突破性地提出：通过观察人类行为而非机器人试错来训练具身智能。实验显示，1000小时人类视频训练的模型表现优于100小时真实机器人数据训练的版本，大幅降低训练成本。数据集采用三阶段处理流程，包含精细标注和跨实体迁移方案，为具身智能领域提供了规模化数

传统研究通常只在少数已知材料中优化，而这里，研究人员通过算法自动生成分子结构——从基础的苯乙胺骨架出发，引入不同取代基（如-CN、-CF3等），构建出超过1.8万个候选分子，形成一个系统化的探索空间。在此基础上，研究人员将模型应用到整个分子库（图2g），并通过筛选流程（图2i）锁定57个潜在高性能分子，最终挑选出4种进行实验验证，其中就包括表现最优的5ANI分子。与此同时，光学PCE分布图（图4c

谷歌发布Gemini Robotics 2机器人智能系统，突破性实现全身运动控制与精细操作能力。该系统包含三大核心模型：Gemini Robotics 2（最强视觉语言动作模型）、ER2（具身推理模型）和On-Device 2（轻量化离线模型），支持人形机器人完成"行走-抓取-放置"等复杂连贯动作，实现多指机械手精细操作（如打结、密封），并首次具备多机器人协同作业能力。关键技术