自动盯住上百个信源，用模型摘要、打分、精选，把同一件事的多篇报道归到一起，每天早上出一份日报。聚焦机器人、AI 与财经投资。
该论文提出了一种计算方法，设计出不仅能够稳定行走，还支持多种步态的乐高步行机器人。研究通过特定的齿轮-连杆机构控制每条腿的运动轨迹，并使用独立电机驱动各腿，通过简单可适应的控制算法同步多腿运动，实现了稳定且多样化的运动。基于此方法，研究人员创建了多种乐高步行机器人，展示了不同的步态和外观，并制作了部分实物以验证其在现实世界中的运动能力。
推荐理由：通过齿轮-连杆机构与独立电机驱动，首次实现可变步态的乐高步行机器人设计，为模块化机器人提供了新思路。
研究人员提出 FRDV 框架，用于人形机器人学习的快速运动重定向，其运动学阶段处理速度可达每秒 9,156 帧，比现有方法快约 136 倍。该框架包含快速约束运动学重定向和动力学验证管道，可在 Unitree G1 人形机器人上实现模拟到现实的迁移。
推荐理由：将人类运动数据快速迁移到人形机器人仍面临挑战，FRDV 框架通过动力学验证将处理速度提升 136 倍。
Yuxuan Kuang 提出 AdaDex，一种目标条件强化学习框架，能将几秒的手部物体轨迹转化为可适应的灵巧技能。该方法结合运动跟踪环境和泛化环境训练，实现了功能性抓取、物体重新定位、手指行走的在手重定向等多样化技能，并在模拟器和真实世界间实现了迁移学习。
推荐理由：通过混合灵巧模仿方法，从几秒人类动作中学习可适应的灵巧技能，解决了泛化与人类先验之间的权衡问题。
MIT工程师开发了一种由肌肉细胞驱动的纸薄游泳机器人，能够在光刺激下通过水迷宫。该机器人由凝胶骨架和单层肌肉细胞组成，通过闪光控制方向和速度，最快每分钟可游动约4倍体长。
推荐理由：用单层肌肉细胞驱动纸薄机器人游动，展示了生物混合机器人的微型化潜力，为水下探索提供了新思路。
MOSS是一种紧凑的两栖机器人平台，采用3D打印折纸轮组，可在收缩和展开配置间切换，适应不同地形。在土壤、泥泞、沙地和水中测试中，展开配置在湿泥、沙地和水中降低能耗最高达29%，并能完成土壤-泥泞-水域连续过渡。
推荐理由：折纸式轮组让机器人在陆地与水域间无缝切换，地形自适应降低能耗最高达29%，为复杂环境监测提供新方案。