摘要：廖新勤团队开发了一种新型织物基事件驱动触觉界面(FED)和视触融合架构(VTF)，突破了水下智能操作的瓶颈。FED界面采用交叉纤维电极设计，具有246.3kPa⁻¹的超高灵敏度和450kPa的宽检测范围，支持毫秒级触觉反馈且可水洗。VTF架构通过整合视觉路径规划与触觉力校正，实现了97.7%的物体识别准确率，显著优于单模态方法。该技术成功应用于水下透明物体抓取和钢琴演奏等复杂场景，为具身智能

摘要：廖新勤团队开发了一种新型织物基事件驱动触觉界面(FED)和视触融合架构(VTF)，突破了水下智能操作的瓶颈。FED界面采用交叉纤维电极设计，具有246.3kPa⁻¹的超高灵敏度和450kPa的宽检测范围，支持毫秒级触觉反馈且可水洗。VTF架构通过整合视觉路径规划与触觉力校正，实现了97.7%的物体识别准确率，显著优于单模态方法。该技术成功应用于水下透明物体抓取和钢琴演奏等复杂场景，为具身智能

王耀南院士团队探讨了AI大模型驱动的具身智能人形机器人技术的发展与展望。文章首先回顾了人形机器人的发展历程，从机械自动化到人工智能集成，强调了人形机器人在社会、经济和军事领域的重要性。随着大模型技术的进步，人形机器人在语言理解、视觉泛化和常识推理等方面取得了显著进展。文章还分析了国内外政策背景，指出各国政府对人形机器人技术的高度重视和投资。最后，文章探讨了通用大模型技术在人形机器人中的核心作用，特

清华大学团队受科幻电影《沙丘》启发，研发出仿生沙虫机器人SandWorm。该机器人采用螺旋推进和蠕动驱动相结合的仿生设计，最高速度达12.5mm/s。其核心创新是搭载主动振动触觉传感器SWTac，通过事件相机和弹性体振动系统实现地下环境感知，配合深度学习算法可识别物体纹理并估算接触力。实验证明，SandWorm能在弯曲管道、沙滩等多种复杂环境中高效作业，识别精度达98%，为地下探测提供了创新解决方

该方法基于可形变对象精细网格中提取的控制柄构建降阶状态空间，建立控制柄与网格节点之间的仿射投影关系，并将外部载荷视为附加控制柄整合到降阶状态空间中，从而能够直观且准确地表征机器人操作下可形变对象的动力学特性。本研究为外部载荷下的可形变对象机器人操作提供一种的解决思路，在医疗可形变组织操作领域具有广阔的应用前景。详细的数值评估（图3）和sim2real的实验（图4、图5）表明，与有限元模型相比，所提

摘要：清华大学曲钧天团队开发了一种基于电磁线圈阵列的磁流体液滴机器人（FDR）操控平台，实现了大规模FDR的并行精准控制。该平台采用144个电磁线圈构建分布式磁场，通过视觉反馈离散闭环控制策略，可同时操控144个FDR完成复杂任务。实验验证了系统在路径跟踪（误差<1mm）、液滴排序（效率提升300%）、形态重构等方面的优异性能，并展示了在数字显示、流体混合等领域的应用潜力。该研究为微尺度协同

这项发表于《Science Robotics》的研究突破性地解决了机器人唇音同步难题。研究团队开发了10自由度的柔性硅胶唇动机构，并创新性地采用自监督学习框架，结合变分自编码器(VAE)和面部动作Transformer(FAT)，使机器人能直接从语音中推断出真实的唇动轨迹。实验显示，该方法在视觉连贯性上显著优于传统技术，并能实现11种语言的唇音同步泛化。这项技术为人机自然交互提供了新方案，有望帮助

来自吉林大学和香港科技大学的研究团队在IEEE Transactions on Robotics (T-RO) 2025年最新发表的论文中，提出了一种创新的薄柔性物体操控方法LTDOM。该方法结合了多模态感知与被动顺应性，首次成功地在具有挑战性的现实环境中展示了机器人对多种广泛的薄柔性物体的分离和抓取能力。

本文提出MemoryVLA，一种用于机器人操作的认知-记忆-行动框架，通过引入工作记忆和长期记忆机制解决主流视觉-语言-行动模型在时间依赖任务中的局限性。该方法利用视觉语言模型编码观察信息，通过感知-认知记忆库存储历史细节，并采用条件扩散策略生成动作序列。实验表明，MemoryVLA在多个基准测试中显著优于现有方法，尤其在长远任务上提升达14.6-26%，验证了时间建模对机器人操作的重要性。

机器人抓手的通用性抓取能力研究取得新突破。中山大学与华中科技大学团队研发的混合多模式抓手(HMG)通过融合捏-吸混合抓取机制与刚-柔耦合结构，实现了对0.2g羽毛至10kg哑铃、0.46mm茶叶至0.55m瑜伽球的广泛抓取范围。该抓手具备四种操作模式，能适应易碎物品、不规则形状物体及动态环境，并展示了在水下作业、流水线操作等场景的应用潜力。相关成果发表于机器人领域顶刊IEEE Transactio