本文提出了一种基于神经网络的世界模型，用于高效建模刚体与流体之间的双向耦合交互。该模型采用模块化设计，将系统分解为角色世界模型和流体世界模型两部分，通过"力"作为中间表示实现解耦。角色模型在无流体环境下预训练，学习应对外力扰动的能力；流体模型则预测粒子运动和作用于角色的外力。实验表明，该方法在保持物理真实性的同时，将仿真速度提升约15倍，策略训练加速3倍。研究还探讨了世界模型在

本文系统综述了大模型赋能的具身智能在决策与学习方面的研究进展。文章从层次化决策和端到端决策两大范式切入，详细分析了大模型在高级规划、低级执行与反馈增强中的应用，以及视觉-语言-行动（VLA）模型的发展。研究采用水平与垂直双重分析方法，不仅横向比较了不同方法的优劣，还纵向追溯了核心技术的演进过程。同时探讨了大模型如何增强模仿学习、强化学习等具身学习方法，以及世界模型在智能体决策中的关键作用。通过整合

1 摘要深度学习在许多领域取得了显著的成功，包括计算机视觉、自然语言处理和强化学习。这些领域中代表性的人工神经网络包括卷积神经网络、Transformer和深度Q网络。在单模态神经网络的基础上，许多多模态模型被引入来解决各种任务，例如视觉问答、图像字幕和语音识别。在具身智能中，遵循指令的机器人策略的兴起推动了一种新型的多模态模型的发展，称为视觉-语言-动作模型（ Vision-Language-A

然后，它移动到游戏桌（子任务 3）收集碗（子任务 4）。WB-VIMA 的一个关键见解是，机器人关节之间存在强烈的相互依赖关系 —— 上游链接（例如躯干）的小幅移动可能会导致下游链接（例如末端执行器）的大幅位移。为了确保所有关节之间的精确协调，WB-VIMA 将下游组件的动作预测条件化于上游组件的预测，从而实现更同步的全身运动。机器人先是导航到客厅中的垃圾袋旁边，将其捡起（子任务 1），然后将垃圾

近期，来自华中科技大学国家脉冲强磁场科学中心与电气与电子工程学院的李亮教授、曹全梁教授团队，提出一种新颖的微型磁控胶囊机器人（胶囊本体最小尺寸仅5.8×13mm），通过创新胶囊机器人内部磁化结构与外部驱动策略，赋予了胶囊机器人主动靶向运输、定点采样、多重药物释放和磁电/热转化激励等功能，为胃肠道疾病无创诊疗提供了全新的解决方案。在该项研究中，通过磁性软体通道的单向净剩磁设计以及频率响应差异化设计，

摘要：斯坦福赵芮可团队提出了一种基于Kresling折纸结构的磁驱两栖毫米机器人，通过单一折纸几何体实现了运动与功能的高度集成。该机器人利用折纸结构特性，在旋转驱动下可完成滚动、翻滚和水中推进等多模态运动，并通过折叠/展开实现药物释放和微尺度抓取。其创新性地将"旋转"这一单一驱动机制扩展为统一的运动与功能实现方式，能在陆地、水中及气液界面连续运动，并在猪胃组织等复杂环境中完成导

然而，3C组装中的许多典型场景，如柔性印刷电路（FPC）的组装，涉及复杂的操作，具有长跨度的步长和高精度要求，无法通过手动编程或传统的技能学习方法有效完成。3C智能制造装备的突破与产业化，对于提升我国制造产业的全球竞争力意义重大。首先，我们基于现实世界的对应物构建一个完全等效的数字孪生环境，配备视觉、触觉力和本体感觉信息，然后使用虚拟现实（VR）设备收集多模态演示数据。为了应对这一挑战，清华大学孙

第二届中国三维视觉前沿研讨会（Mini3DV2025）聚焦具身智能发展，探讨了数据、模型与系统演进的关键问题。会议提出"数据金字塔"理念，将互联网视频与仿真数据作为基础，人类交互数据为桥梁，真机数据用于最终落地。在模型层面，指出视觉-语言-动作模型面临规模扩展瓶颈，而世界模型通过环境预演展现出潜力。系统架构呈现分层演进趋势，解耦语义规划与运动控制。会议还讨论了评测体系面临的真实

目前通过实验，团队开发的离线具身智能导盲犬已能够与视障人士流畅沟通指令，并带领其通过马路、楼梯、电梯等多样复杂环境，验证了离线具身智能导盲犬的智能人机交互能力、电梯弱网络环境下的智能乘梯引导能力、实时性要求较高的智能过街引导能力和智能室内引导能力等。西工大团队在此方面开展研究攻关，并取得了新的突破。该成果证明了离线具身智能导盲犬代替传统导盲犬的可能性，同时验证了离线具身智能范式的可行性，使大模型具

第二，基于Sora的环境重建和技能学习，可以快速让机器人获取新的技能，元操作的学习样本更加丰富，配合上UMI、ALOHA等系统获取的少量人类操作样本，可以把技能学习的成本和时间降低到工业界能接受的程度。长久以来，机器人领域的感知和控制技术一直在慢慢发展着，我们看过去的机器人，尤其是从业内人士的视角看来，机器人最大的弱点是“傻”，这种傻的主要来源是对上层任务规划非常机械，几乎由简单的逻辑判断或者状态