上海创智学院、华中科技大学、复旦大学团队提出GPT-Policy，探索通用视觉语言模型在真实机器人任务中的上下文学习能力。通过五类上下文（人类视频、动作参考、目标图片、交互历史、在线人机交互），模型在不更新参数的前提下，能动态调整行为，实现对复杂任务的适应。实验表明，上下文显著提升任务成功率与效率，尤其在操作流程理解与精细动作控制方面表现突出。然而，物理执行的可靠性、安全约束与实时性仍存挑战。研究

AthenaZero是RAI研究所推出的一款低惯量双臂机器人，通过准直驱设计将有效质量降至与人手相当（约2.76kg），实现30.8m/s投球、18.3m/s接球及82%击球成功率。其核心在于低减速比（≤10.48:1）执行器、传动远程化与高带宽控制，突破传统协作机器人因高反射惯量导致的动态性能瓶颈。实验验证其在碰撞中传递力更小、响应更快，为机器人从“准静态”迈向“动态操作”提供硬件范式。该研究强

AthenaZero是RAI研究所推出的一款低惯量双臂机器人，通过准直驱设计将有效质量降至与人手相当（约2.76kg），实现30.8m/s投球、18.3m/s接球及82%击球成功率。其核心在于低减速比（≤10.48:1）执行器、传动远程化与高带宽控制，突破传统协作机器人因高反射惯量导致的动态性能瓶颈。实验验证其在碰撞中传递力更小、响应更快，为机器人从“准静态”迈向“动态操作”提供硬件范式。该研究强

Show-Harness提出一种分层具身控制框架，通过语义动作单元（如移动、旋转、抓取）与执行解释器协作，实现视觉语言模型（VLM）在真实机器人上的稳定操作。该方法构建感知-推理-动作-反馈闭环，使模型在每步决策后接收新观测，持续修正行为，避免“看懂但手伸不对”的问题。在Franka与AgileX双臂机器人上，跨任务平均成功率89%，仿真到现实迁移达13/20，且对新形态、未见物体和环境变化具有强

斯坦福宋舒然团队发现，经验回放中少数“表征相似但动作相反”的旧样本是防止灾难性遗忘的关键。这些“MemoryAnchors”能有效锚定易被覆盖的决策区域，移除后遗忘加剧4.5倍，定向引入可降低63%高冲突任务遗忘。该方法通过三步定位冲突样本，在不改变回放机制前提下优化缓冲区构成，显著提升机器人持续学习能力，尤其在记忆预算紧张时优势明显。

我们的工作受到鲸鱼额头中的脂肪组织的启发，”该论文的通讯作者陈俊（Jun Chen音译）说，“脂肪组织集中并调节用于回声定位的发声，将其声学特性与周围的水体相匹配，从而使声音以最小的能量损失传播。”在他们最近的研究中，陈和他的同事着手开发一种很有前景的新型传感系统，该系统可以模拟鲸鱼额头中脂肪器官的功能。“人工智能在我们的感测系统中发挥着关键作用，特别是支持语音识别，”陈解释说，“得益于液态声学传

华中科技大学郭洋、黄奕华团队在《Advanced Materials》发表综述，系统阐述人工多模态感知融合技术在具身智能中的关键作用。指出当前瓶颈非“能否感知”，而在多感官在低延迟、低功耗硬件中实现协同编码与决策。论文梳理从传感器到突触的完整技术链，强调视觉-触觉、嗅觉-味觉等融合可显著提升识别准确率（如98.6%材料分类），但需突破串扰、阵列一致性与系统鲁棒性等挑战。未来需材料、器件、阵列与系统

《Science Robotics》封面文章提出基于触觉反馈的双人协同演奏新方法。意大利研究团队开发可穿戴上肢外骨骼系统，通过机器人介导构建双向触觉反馈通道，使两位小提琴演奏者能实时感知彼此动作。实验表明，相比传统视觉反馈，触觉交互能更有效提升演奏的空间和时间协同性，改善音乐动态一致性表现。该研究突破了实验室结构化任务的局限，在真实艺术表演场景中验证了触觉反馈对复杂联合行动的促进作用，为音乐训练、

加州大学团队在《Nature Sensors》发表首篇论文，开发出抗运动干扰的可穿戴人机交互系统。该多层可拉伸传感器集成IMU、EMG和蓝牙模块，厚度仅2毫米，在剧烈运动下仍能精准识别19种手势。核心创新在于深度学习网络与迁移学习技术，使手势识别准确率从51%提升至92%以上，仅需6秒个性化适应时间。系统已成功应用于水下机械臂控制，在模拟海浪干扰中保持接近完美的识别性能，为医疗、工业等领域带来突破

在完成预抓取后，稳定性调整控制器接管抓取过程，实时监控物体的运动状态，尤其是物体可能的滑动情况。对于较重或刚性物体，预抓取阶段的接触强度可能不足以支撑整个抓取过程，因此需要根据标记位移的变化，动态调整抓取力度，防止物体滑落。为此，本文提出了一种紧凑型指尖形状的视觉-触觉传感器（FVTS），旨在通过高精度的触觉反馈，帮助机器人灵活调整抓取力度，实现对不同物体的自适应抓取。该策略包括预抓取控制器和稳定