PKU EPIC Lab 提出测试时训练框架 WAM-TTT，从原始人类视频中引导世界动作模型，无需机器人动作、人类侧标注或任务特定微调。该方法通过自监督视频预测将人类视频吸收进冻结 WAM 内的轻量自适应记忆，并用成对人-机数据和键值记忆重建目标的元训练阶段对齐人类演示与机器人行为；实验显示其在多种操作任务和泛化设置下持续优于上下文人类视频条件化基线。
推荐理由：原文提出仅用无标注人类视频在测试时调整冻结世界动作模型的方法，无需机器人演示或微调，对想复用的研究者有方法参考价值。
哈工大朱延河教授团队在《极端制造（英文）》（IJEM）发表论文，提出基于协作重构的模块化机器人自主容错修复策略，通过改变形态恢复关节故障损伤，无需备份模块替换。方法结合拓扑描述与运动学自建模、粒子群算法搜索目标构型及改进RRT协作重构算法，实验中容错上限比固定构型冗余方法提高7倍。哈工大为唯一完成单位，博士生齐健为第一作者。
推荐理由：论文给出无需备份模块的协作重构容错策略和7倍容错上限提升数据，读者可了解极端环境下机器人集群自修复的具体实现路径。
PKU EPIC Lab 提出灵巧手抓取生成方法 KPGrasp，以全欧氏 3D 手部关键点参数化结合 Transformer 流匹配模型，从大规模数据学习抓取先验，无需接触损失或接触式测试时优化。
推荐理由：论文给出免接触损失的抓取生成新方法和两个基准上的具体成绩，读者可以对比现有方法评估其思路。
PKU EPIC Lab 发布 LIMMT（Less Is More for Motion Tracking），称是首个面向物理仿真人形运动追踪的数据中心研究。方法从物理可行性、多样性和复杂度三个维度定义动作数据质量，用不到 3% 的 AMASS 训练即可获得优于全量数据集的追踪表现，并清洗了网络来源 mocap 数据。论文已被 ICML 2026 接收，见 arXiv:2606.06953。
推荐理由：论文给出数据质量三维度框架和少量数据训练结果，对做humanoid运动追踪的研究者有方法参考。
北京大学智能机器人开放实验室2021级直博生张琬若的论文"MXPose: Multiplex interactive learning for multi-view 3D Human Pose Estimation"被模式识别领域期刊Pattern Recognition (PR)正式录用。其研究方向为多视角3D人体姿态估计。
Toyota Research Institute（TRI）的 Human Interactive Driving 团队在 AutoUI 会议发表论文，介绍一种数据驱动、以用户为中心的场景开发方法，用于研究漂移能力控制在道路安全中的应用。
Sanctuary AI 展示其专有液压手在真实世界中零样本完成在手操作：完全在仿真中训练的策略可连续十次将字母立方体重定向到目标姿态且不掉落。操作全程仅靠指尖、无手掌支撑，需同时稳定抓握并逼近姿态目标。原文称其手具备较高主动自由度可实现手指外展，液压驱动与紧凑液压阀为工业级类人灵巧操作提供路径。
Berkeley AUTOLAB等团队提出CaP-X开放框架，用于系统研究机器人操作中的Code-as-Policy智能体，核心包括交互环境CaP-Gym和评测12个前沿模型的CaP-Bench。
推荐理由：原文给出了Code-as-Policy智能体的系统评测框架和测试时扩展可缓解抽象依赖的发现，对研究编码智能体操作控制有参考价值。
美国空军退伍军人、生物医学工程博士生 Ignacio Montoya 在神经科学学会年会上报告多年自我研究：经皮脊髓电刺激（tSCS）结合自适应任务特异性训练，在临床完全性脊髓损伤 12 年后可能重新激活休眠神经通路。训练中使用 Wandercraft 全自平衡免手扶外骨骼 Atalante X，随机器人辅助逐步减少，其步态一致性、肌肉激活改善，耐力、姿态及膀胱肠道感觉功能亦有提升。
丰田研究院（TRI）回顾其AMDD项目在MIT开展的八年聚合物电解质研究，产出约40篇论文和7篇博士论文，并建造了机器人实验平台，将原本需约一个月的测试缩短到一天内完成。团队还开发了多任务图神经网络加速MD仿真并开放最大聚合物仿真数据集，但作者认为AI目前能加速材料类内优化，提出依赖新物理机制的突破性聚合物仍离不开人的创造力。
Berkeley AUTOLAB 提出 STITCH 2.0 缝合机器人系统，改进 EKF 缝针位姿估计、新增线理解缠方法和自动 3D 缝合对齐算法等七项改进。
南方科技大学CLEAR Lab、逐际动力与香港大学合作的论文《Generative Visual Foresight Meets Task-Agnostic Pose Estimation in Robotic Table-top Manipulation》入选CoRL 2025。
推荐理由：这项研究给出了从人类视频学习操作的具体技术路线和实验数字，可帮助读者了解视频数据训练机器人操作的可行路径。
Field AI 研究院（FAIRI）与 NVIDIA 合作，研究动态环境下的机器人具身问答（EQ&A）。团队借助 NVIDIA Omniverse 平台、Isaac Sim、Omniverse Replicator 和 USD Search API 构建物理精确的 3D 办公场景，模拟环境随时间的变化，并计划开源该长期具身问答数据集。
Kessler Foundation 的案例研究显示，Wandercraft 自平衡外骨骼 Atalante X 帮助一位 64 岁左侧偏瘫的慢性中风患者完成四周机器人辅助步行训练后，步速从 0.09 m/s 升至 0.19 m/s，步频提高 27.8%，且无不良事件。其动力动态踝关节可复制生理步态力学，改善负重对称性与推进力。作者强调仍需更多研究验证，结果在美国物理治疗协会年会发表。