**电池人工智能发展受限，新型“导电分离胶带”或成关键突破**
纯数据驱动的电池人工智能技术正遭遇瓶颈，行业正加速向“物理模型+数据优化”的混合模式转型。研究人员通过结合成熟的电化学理论，将电池寿命预测精度从±20%提升至±5%。然而，仿真驱动的研发模式面临物理反馈的挑战，而传统的电池拆解过程容易引发热失控。
“导电分离胶带”技术应运而生，它是一种智能胶粘剂，通过低压激活实现安全分离和回收。该技术可用于电池的逆向优化，获取精确的电化学数据，并为人工智能模型提供最原始的参考。此外，该技术还可作为物理安全屏障，降低人为操作可能引发的热失控风险。通过将电池管理系统（BMS）的决策与“导电分离胶带”的执行相结合，有望推动电池循环经济的发展。
**Dex2HOI：突破双目标互动生成，助力人形机器人应用**
研究人员发布了Dex2HOI，一种用于生成单/双目标人机交互（HOI）的统一扩散模型，该模型能够从文本描述中生成逼真的运动序列。Dex2HOI采用双流扩散方法，分别处理每个物体，并通过双向交叉注意力进行协调。为了合成最终运动，该模型引入了运动融合网络，并结合了与手部相关的物体表示以及考虑接触的条件约束，实现了高达540倍的推理速度提升。
该模型在单/双目标基准测试中均取得了最先进的定量结果，标志着在人机交互生成领域迈出了重要一步，为更具表现力的多目标操作奠定了基础。该技术有望提升自动导引车（AGV）、自主移动机器人（AMR）以及人形机器人（humanoid）在复杂环境中的操作能力，例如在协作机器人（cobot）应用中实现更灵活的抓取（grasping）和操作（manipulation），最终推动具身智能（embodied intelligence）的发展。
**HGHY 助力可持续制造：自动化成型生产线重塑行业格局**
HGHY 公司通过其纸浆成型设备和自动化系统，正在成为现代环保制造的关键组成部分，以满足全球制造商加速向可持续生产转型的需求。
HGHY 的设备覆盖广泛，包括为农业和食品包装行业服务的鸡蛋托和鸡蛋盒生产线，以及生产环保餐具的成型纤维生产线，为餐饮和零售提供塑料替代品。此外，其工业包装生产线服务于电子、消费品、医疗和电子商务等领域。
HGHY 的最新一代生产线，通过集成化的自动化技术，实现了自动上浆、精密成型、精确控温、自动化修边和堆叠以及集中式过程监控，取代了以往依赖工业机器人的搬运系统，采用集成机械输送系统，降低了资本成本和维护难度，提高了生产效率和产品一致性。
通过集中式控制系统，操作人员可以实时监控生产效率、模具温度、压力稳定性、能耗、湿度和缺陷率，从而优化生产过程，降低运营成本，并提升产品质量，为大规模生产带来显著效益。随着全球对环保产品的需求不断增长，HGHY 的技术将进一步推动可持续包装和餐具的普及。
Light Interaction框架通过自适应上下文管理等技术，实现2.59倍加速，无需重新训练模型，保持视觉质量，推动交互视频世界模型应用。
**Plus One Robotics：规模化仓库自动化面临的挑战与机遇**
仓库自动化已进入新阶段，关键不再是单个任务的完成，而是如何在多个设施实现规模化部署。Plus One Robotics，一家专注于人工智能驱动的仓库自动化解决方案的公司，其部署的机器人已完成超过20亿次拣选。
公司副总裁Christina Gomez-Terry指出，规模化部署时，硬件故障往往在实际运行中才会显现，软件更新也可能带来新的问题。她强调，一个公司的实力不在于其最佳表现，而在于其应对问题的能力。
Gomez-Terry认为，许多自动化项目在超出试点阶段后会遇到困难，因为设计时往往只关注速度等单一指标，而忽略了维护性和可靠性等长期因素。Plus One Robotics在运营中发现，软件和硬件都存在脆弱性，需要在性能、升级时间和升级内容之间取得平衡。
规模化仓库自动化面临的下一个瓶颈可能是集成问题。通过了解这些挑战，企业可以更好地规划和实施自动化解决方案，以实现更高效、可靠的物流运营。
某初创公司因涉嫌破坏Airbnb房源测试机器人遭起诉，事件引发对机器人测试合规性的争议。该纠纷或影响其业务发展，凸显技术验证与法律风险的平衡难题。
**工业自动化迎来小型化变革：迷你PC成为机器人控制器新选择**
工业自动化系统正朝着更紧凑、高效的方向发展。Hystou M9 工业迷你PC，搭载英特尔 12 代/13 代酷睿 i5 和 i7 处理器，正引领这一变革。它采用紧凑设计（144 × 126 × 52 毫米），将强大的计算能力融入到有限的空间，解决了传统工业 PC 占用空间大、故障点多的问题，并能实现持续运行。
M9 迷你 PC 具备实时控制、视觉检测、边缘数据处理、本地人机界面 (HMI) 和轻量级人工智能 (AI) 推理等能力。其双网口设计（2.5G 和 1.0G）可实现网络隔离，避免关键控制环路受到干扰。此外，M9 采用铝合金机箱，优化散热设计，支持高达 64GB 的 DDR4 内存，并提供三路显示输出，满足日益增长的自动化需求。
这种小型化趋势将提升工业自动化系统的可靠性、效率和可扩展性，为企业降低运营成本、提高生产力带来显著效益。
**Seq-DeepIPC：端到端控制下的腿式机器人导航**
研究人员发布了Seq-DeepIPC模型，这是一种用于腿式机器人导航的端到端感知-控制模型。该模型通过紧密集成多模态感知（RGB-D + GNSS）和时间融合，显著提升了自主腿式导航的智能化水平。Seq-DeepIPC联合预测语义分割和深度估计，从而为规划和控制提供更丰富的空间特征，同时采用轻量级模型作为编码器，在保证精度的同时降低计算量。实验结果表明，与现有方法相比，Seq-DeepIPC在性能上具有竞争力，尤其是在开放区域，仅使用GNSS进行方向估计表现出良好的鲁棒性。该技术有望推动具身智能在更广泛领域的应用，例如在复杂地形下的自动导引车（AGV）和自主移动机器人（AMR）领域。研究团队计划开源代码，以促进相关研究的进一步发展。
**多模态手势识别技术助力无人机和移动机器人的远程操控**
研究人员提出了一种可解释的多模态手势识别框架，旨在提升无人机和移动机器人在危险环境下的远程操控体验。该框架融合了Apple Watch上的惯性传感器数据（加速度计、陀螺仪、姿态）以及定制手套上的电容传感信号，采用基于对数似然比的后期融合策略，不仅提高了识别性能，还提供了可解释性，能够量化各个传感器数据的贡献。研究团队还构建了一个包含20种手势的新数据集，这些手势灵感来源于飞机引导信号。实验结果表明，该框架在性能上与先进的视觉识别方法相当，但显著降低了计算成本、模型大小和训练时间，使其更适用于实时机器人控制。这项技术有望为移动机器人和无人机的远程操控提供一种更可靠、更具解释性的解决方案，尤其适用于灾区和工业设施等危险环境。
**肌肉驱动机器人实现仿真到现实的突破**
研究人员提出了一种名为“通用执行器网络”（Generalized Actuator Network，GenAN）的创新方法，解决了肌肉驱动机器人建模和控制中的固有非线性问题，从而实现了仿真到现实（sim-to-real）的有效迁移。GenAN通过学习关节位置轨迹，无需扭矩传感器，即可识别复杂的执行器模型，并利用刚体模拟进行手臂动力学和环境交互。
在Pamy2，一种由气动人工肌肉驱动的、具有四个自由度的机器人手臂上，研究人员成功部署了在仿真环境中训练的动态且精确的目标到达、球入杯和乒乓球策略。这项成果是目前为止，针对四自由度肌肉驱动机器人手臂的首次成功仿真到现实的案例，有望加速机器人技能的获取，并推动其在更多领域的应用。
研究团队提出CTRL-STEER框架，通过闭环控制提升VLA模型操作稳定性。实验显示，在四个LIBERO任务中，该方法比传统方法更稳定，无需修改原模型。
某团队提出COMAP框架，通过协同进化世界模型与代理策略，显著提升LLM代理在复杂任务中的表现。该方法在Qwen3-4B基准上实现16.75%相对性能提升，利用闭环交互与自蒸馏技术，使模型能动态适配代理策略演化。
研究团队通过输入二值化策略，解决半导体视觉程序合成中的sim-to-real差距问题。在MIIC数据集上，该方法使Dice系数从0.4393提升至0.5256，显著提升纳米级几何精度控制能力，为芯片检测提供新方案。
研究团队提出一种新概率世界模型，能从视频中学习物理结构。模型通过自回归序列建模训练，生成未来状态并提取物体，实现3D操作。该技术可应用于视觉Jenga等场景，推动具身AI发展。
MBench基准测试发布，填补视频世界模型记忆能力评估空白。该基准将记忆能力分解为实体、环境、因果一致性三个维度及12个子指标，基于真实长视频和VLM评估，揭示现有模型在长期状态保持中的系统性缺陷，推动具身智能发展。