Nature正刊！ETH开发随声音运动的新型人造肌肉，为多个领域的发展提供新机会
苏黎世联邦理工学院团队在《Nature》正刊发表创新研究，开发出基于超声波微泡阵列的新型人造肌肉。这种人工肌肉通过超声控制微泡振荡产生动力，实现了软体机器人的多模态变形和无线驱动，在微型抓取、仿生机器人和生物医学等领域展现出广阔应用前景，为机器人产业升级提供了新技术支点。
仅用乐高组件，布里斯托大学团队造出拟人化机器手，实现12自由度抓取！
布里斯托大学研究团队仅使用乐高MINDSTORMS组件成功开发出拟人化机器人手Educational SoftHand-A，具备12个运动自由度。该设计采用肌腱驱动系统和模块化手指结构，通过两个电机实现自适应抓取功能，不仅简化了控制系统，还让中小学生能够通过动手实践理解机器人技术原理。
登上《SAGE Journals》！这款气动软肘外骨骼，让肌肉负担直降22%！
美国德克萨斯大学阿灵顿分校研发的气动软肘外骨骼(PASE)登上《SAGE Journals》，这款创新设备融合人体关节力学与一体式气动结构，通过硅胶执行器和碳纤维底板实现轻量化设计。实验证明该外骨骼能有效降低22%肌肉负担，特别适用于物料搬运、流水线作业等肘部高负荷场景，解决了传统刚性外骨骼舒适性差和软性外骨骼输出力不足的难题。
一套动作数据，如何成为所有人形机器人的「通用语言」？
人形机器人行业面临的数据孤岛问题，介绍了灏存科技提出的运动数据通用化解决方案。通过将人体动作转化为标准化数据，实现一套动作数据跨品牌适配不同灵巧手，有效解决了硬件参数碎片化、控制协议封闭等行业难题，为机器人规模化落地提供了关键技术路径。
最火VLA，看这一篇综述就够了
这篇综述全面解析了ICLR 2026爆火领域VLA（视觉-语言-动作）的最新进展。作者Moritz Reuss作为Apple AI/ML学者奖得主，系统阐述了VLA的核心概念、八大技术趋势，包括离散扩散模型、具身思维链、动作分词器等关键突破。文章还厘清了VLA与LBM的区别，帮助读者深入理解这一让机器人'听懂人话、看懂世界、动手干活'的前沿技术。
清华陈建宇团队× 斯坦福Chelsea课题组推出 Ctrl-World 可控世界模型，让机器人在想象中迭代
清华大学陈建宇团队与斯坦福大学Chelsea Finn课题组联合推出可控生成世界模型Ctrl-World，该模型能让机器人在虚拟想象空间中进行任务预演和策略评估，无需真实世界数据即可大幅提升机器人操作成功率。通过多视角预测、细粒度动作控制和长时程动态维持三大创新技术，解决了传统世界模型的幻觉、控制不精细和一致性差等问题，将机器人策略在下游任务中的成功率从38.7%提升至83.4%。
为Transformer注入长期记忆：Memo框架通过“学会做摘要”解决具身智能核心挑战
牛津大学研究团队提出Memo框架，为Transformer模型注入长期记忆能力。该框架模仿人类笔记行为，让模型自主生成任务相关的摘要标记，通过动态记忆缓冲区存储和检索关键信息，解决了传统Transformer在长序列任务中的记忆限制问题。实验表明Memo在具身智能任务中性能优异，上下文标记减少8倍，同时保持强大的长时域推理能力。
降耗100倍！南大FISH 传感器登《Science Advances》，非接触感知颠覆机器人触觉，识别准确率超90%
南京大学研究团队受蜘蛛毛感受器启发，开发出柔性脉冲毛发感受器(FISH)，实现超低功耗非接触感知。该传感器功率密度低于100 nW/cm²，能耗比传统传感器低100倍，能将气流信号实时转化为电脉冲。结合脉冲神经网络构建的感知系统识别准确率超90%，为机器人触觉技术带来突破性进展，成果发表于《Science Advances》。
让藤蔓机器人乖乖“听话”！MIT林肯实验室×圣母大学破解操纵难题！
MIT林肯实验室与圣母大学合作研究藤蔓机器人的操纵性问题，通过系统实验分析了顶端负载、腔压、长度、直径等关键参数对机器人曲率控制的影响。该研究填补了藤蔓机器人定量研究的空白，将机器人设计从经验驱动推向数据驱动，显著提升了机器人在搜救、勘探等复杂环境中的可靠性和适应性。
突破机器人空间感知瓶颈！中山大学与拓元智慧团队提出TAVP框架
中山大学与拓元智慧团队提出TAVP框架，通过动态视角规划和任务感知特征提取，突破机器人3D感知局限与任务干扰问题。该框架在RLBench基准测试的18项操控任务中表现优异，显著提升机器人在复杂场景下的动作预测准确性和任务泛化能力，为具身智能发展提供新思路。
Science重磅：1毫克机器人偷师水虫，伯克利等破解毫秒变形密码
加州大学伯克利分校联合多所高校研究团队在《Science》发表突破性研究，揭示了波纹蝽昆虫能在50毫秒内完成96度急转弯的奥秘——其腿部特殊扇形结构能利用水的表面张力自动开合。基于这一发现，团队成功研制出仅重1毫克的仿生机器人Rhagobot，速度提升60%，转向能力提高41%，为微型机器人技术带来革命性突破。
加技不加重！韩国团队开发mR-ES，解决昆虫机器人微型化两大死穴！
韩国首尔国立大学研究团队开发出微型旋转静电离合器(mR-ES)，直径仅20毫米、重0.4克，解决了昆虫级爬行机器人微型化过程中的关键技术瓶颈。该离合器能将单个电机的动力选择性地分配到多个关节，使机器人在不增加体积和重量的情况下实现三自由度双向操控与结构重构，显著提升了机器人的机动性和任务执行能力。
370克！全球最轻量产灵巧手背后，人形机器人普及的关键密码
灵心巧手发布的Linker Hand O6以370克自重创下全球最轻量产灵巧手纪录，同时具备50kg负载能力，售价仅6666元。这款产品解决了人形机器人灵巧手重量过重的行业痛点，不仅影响机器人运动稳定性和能耗效率，还拓展了医疗假肢等应用场景。文章深入分析了轻量化技术突破背后的材料选择、传动方案和系统集成挑战，揭示了灵巧手作为占据整机成本15%-30%的核心部件对人形机器人普及的关键作用。
VLA终于有了 “长期记忆”：斯坦福MemER框架破解分钟级长时序操纵难题！
斯坦福大学提出的MemER框架通过分层策略与经验检索机制，解决了机器人长时序任务中的记忆难题。该框架让机器人能够主动筛选关键信息，在分钟级真实场景任务中实现高效推理，避免了传统方法因处理长序列数据导致的计算成本爆炸和记忆冗余问题。
五校联合发布！DeSa2VA 框架破解多模态分割模态鸿沟！
五校联合研究团队开发出DeSa2VA框架，通过解耦增强提示技术解决多模态分割中的模态鸿沟问题。该框架将MLLM隐藏状态显式解耦为文本和视觉表征，采用文本-视觉对齐训练和动态掩码融合方案，显著提升了图像、视频分割及视觉问答任务的准确性与鲁棒性，为计算机视觉领域提供了新的技术突破。
