清华等联合发布UltraRAG 2.1！全球首个基于MCP架构的多模态RAG框架，YAML文件即可构建智能检索系统
清华大学等机构联合发布UltraRAG 2.1，这是全球首个基于MCP架构的开源多模态RAG框架。该框架通过简单的YAML配置文件即可构建智能检索系统，无需编写代码，大幅降低技术门槛。支持文本、图像、PDF等多模态数据处理，内置检索-生成-评估一体化流水线，提供全链路可视化工作流和标准化评估体系，适用于企业知识库构建和科研分析等场景。
Science Robotics 顶刊综述：Learning-based 动力学模型，如何破解机器人复杂操作难题？
本文基于Science Robotics综述文章，系统探讨了学习型动力学模型(LBDMs)如何帮助机器人掌握复杂操作能力。文章分析了感知、动力学和控制三大核心模块，介绍了从像素级到潜变量等五种状态表示方法，揭示了机器人如何通过数据驱动方式学习物理直觉，实现从‘看-想-动’的完整闭环，为解决机器人复杂操作难题提供了新思路。
字节发布InfinityStar框架：视频生成效率提升至58秒
字节跳动推出InfinityStar框架，将5秒720p视频生成时间缩短至仅58秒，显著提升视频生成效率。该框架采用时空金字塔模型，有效解耦外观与运动信息，提高生成质量，并通过知识继承策略降低训练成本。支持图像生成、文本生成视频等多种视觉任务，标志着视觉生成技术的重要进步。
万华化学发布新专利：打造更真实的人形机器人“皮肤”
万华化学集团获得发明专利授权，推出新型高回弹、低熔点热塑性聚氨酯弹性体材料。该材料采用特殊扩链剂体系，兼具橡胶般高弹性和低熔点特性，300%应变下形变恢复率超过95%，熔融温度仅85-120℃。适用于人形机器人皮肤制造，提供柔软触感、优异回弹性和良好粘接性能，相比传统硅胶材料更具加工优势和力学性能。
AI教师“会画图”了！ChatTutor上线，边讲边画、实时推演，教学效果直逼真人名师
ChatTutor全新AI教师系统突破传统文字输出局限，通过实时同步画板实现边讲解边绘制的可视化教学体验。系统覆盖数学、物理、编程等多学科场景，支持函数图像绘制、物理实验模拟、代码逐行教学等功能，教学逻辑清晰度媲美真人教师。这一创新将AI教育从信息检索工具升级为认知协作伙伴，显著降低知识获取门槛。
1段演示=千次练习？李飞飞团队提出MOMAGEN框架破解机器人做家务难题！
斯坦福李飞飞团队与德州大学奥斯汀分校合作提出MOMAGEN框架，通过约束优化技术仅需1段人类演示就能生成大规模多样化训练数据，解决了双臂移动机器人学习复杂家务技能时面临的数据采集成本高、移动操作适配难等核心难题。该框架通过硬约束确保机器人可达性和可见性，软约束提升操作质量，让机器人低成本掌握整理餐桌、清洁平底锅等复杂家务任务。
清华团队开源DISCOVERSE框架：用3D高斯渲染打通机器人仿真到现实的“最后一公里”！
清华大学联合多所高校推出DISCOVERSE开源仿真框架，首次将3D高斯渲染器、MuJoCo物理引擎和控制接口整合到统一架构中。该框架通过激光扫描+3D高斯重建和DiffusionLight光照模型，解决了传统机器人仿真在视觉保真度、几何重建和兼容性方面的三大痛点，有效缩小了仿真与现实的差距，为机器人学习提供了更真实的训练环境。
Step-Audio-EditX 发布:30亿参数音频 LLM 打开语音“可编辑时代”
StepFun AI发布开源项目Step-Audio-EditX，基于30亿参数音频语言模型，首次将语音编辑转化为类似文本标记级别的可控操作。该模型通过双码本分词架构和大间隔学习技术，实现情感、语调、风格及副语言特征的精准编辑，在中文情感准确率上从57.0%提升至77.7%。项目全栈开源，大幅降低语音编辑研究门槛，让开发者能像编辑文本一样直观操作语音。
StepFun AI 推出开源音频编辑模型 Step-Audio-EditX，实现音频编辑新体验
StepFun AI发布开源音频编辑模型Step-Audio-EditX，这是一个3B参数的创新模型，将音频编辑转化为类似文本编辑的直观操作。通过双代码本标记器和混合语料库训练，模型实现了对语音情感、风格和音色的精确控制。采用大边距学习和强化学习技术，在Step-Audio-Edit-Test基准测试中展现出卓越的编辑效果，还能提升其他TTS系统的音频质量。
Hume AI语音转换功能上线，单次捕捉完美复刻你的“声音灵魂”
Hume AI推出革命性语音转换功能，仅需一次录音即可完美复刻用户的声音特征，包括节奏、发音和语调。该功能支持11种语言，可应用于200K+自定义声音库，实现跨语言、跨性别的自然语音转换。通过创作工作室和API双平台，为内容创作、游戏开发和全球本地化提供高效解决方案，标志着语音AI从机械朗读向情感共鸣的跨越。
具身智能进入“数据”争夺战：一场关于“场景数据”的圈地运动大幕开启
具身智能领域正在兴起的场景数据争夺战。随着机器人技术门槛降低，专属场景数据成为企业核心竞争力。文章分析了专属场景数据的不可替代性、采集成本与壁垒，以及物理对齐价值，并介绍了主流玩家的三种数据飞轮模式，揭示了数据资产化对机器人产业格局的重塑作用。
丰田的“机械山羊”：当轮椅长出四条腿，个人出行的终极形态出现了？
丰田在移动出行展上展示了Walk Me四足机器椅，这款创新产品结合仿生学与机器人技术，能够爬楼梯、跪地、跨越障碍物并自动导航。灵感来自山羊的移动方式，机械腿运动自然流畅。椅子支持30秒折叠成行李箱大小，配备语音控制和自动避障功能，专为解决日常移动障碍设计，内置多重安全机制确保使用安全。
告别机器人“手残”！中国团队研发六自由度机械臂 GL-Robot ，能捏鸡蛋还能举哑铃！
中国浙江大学团队研发的GL-Robot六自由度机械臂，通过创新的堆叠四连杆机构和AI驱动的电流感知技术，实现了从捏鸡蛋到举哑铃的宽范围力控制。这款双指机械臂具备自适应抓取模式切换能力，无需专用传感器即可精确感知力度，解决了机器人抓取中力量与精细控制的长期矛盾，在工业和精密操作领域具有重要应用价值。
物理世界的“通用翻译器”：NavFoM基座模型发布，机器人导航迎来统一框架
银河通用联合多所高校发布全球首个跨本体全域环视导航大模型NavFoM，该模型将视觉与语言导航、目标导向导航、视觉追踪及自主驾驶等任务整合到统一框架中。支持室内外场景零样本运行，无需额外建图，通过TVI Tokens和BATS策略增强时空理解与计算效率，适用于机器狗、无人机、汽车等多种机器人平台，标志着机器人导航领域的重大突破。
进化算法赋能：纳米定位机器人突破性能瓶颈，兼具超高刚度比与机械带宽
新加坡南洋理工大学研究团队在Nature子刊《Communications Engineering》发表创新成果，提出基于进化理念的纳米定位机器人设计方法。该方法通过傅里叶函数表征结构拓扑，结合运动学分析与智能进化算法，成功开发出XYθz纳米定位机器人，实现刚度比741-869、机械带宽123Hz、定位精度13nm的突破性性能，远超现有技术水平。
