機械人

DiscloAI 是一個開源SDK，專為歐盟AI法案第50條合規設計，支持聊天機器人披露、深度偽造標籤和AI內容通知。通過CDN或npm可在10分鐘內集成，支持24種歐盟語言和WCAG 2.1 AA標準。

Mistral AI 將其聊天機器人 Le Chat 更名為 Vibe，並將聊天、編程代理和新的工作模式整合在一個品牌下。工作模式可接入 Google Workspace、Outlook、Slack 或 GitHub，獨立處理電子郵件、報告或拉取請求等任務。Pro 套餐價格從 17.99 歐元降至 14.99 歐元，但未明確使用限制。此舉直接對標 OpenAI、Google 和 Anthropic 的代理型產品。

NBA總裁亞當·肖華宣佈，聯盟將引入一套基於AI和攝像頭的自動化系統，用於判定界外球等客觀裁判決策。該系統類似網球中的鷹眼技術，旨在即時確定球權歸屬，減少比賽停頓。肖華表示，裁判仍負責涉及接觸和犯規的判罰。

Money Printer Pro 是一個基於 Google Gemini 和 VEO 3.1 的開源 AI 內容生成器，可創建逼真的圖像和電影級視頻，並保持身份一致性。它擁有 7 個視覺引擎、自動批量生成、AI 質量評分和發佈把關功能，用户直接向 Google 付費，無需額外訂閲。

Superpowers是一個為AI編碼代理設計的完整軟件開發方法論，基於一組可組合的技能和初始指令。它強調測試驅動開發、設計先行、子代理驅動的迭代，並支持多種編碼助手（如Claude Code、Codex CLI等）。

梵蒂岡新通諭《偉大的人性》捍衞人類不完美作為尊嚴的來源，並警告將核心人類能力外包給AI的風險，反駁硅谷對人類侷限性的輕視。

研究人員提出了一種基於事件的實時異步單目里程計，用於行星漫遊車。該方法利用誤差狀態卡爾曼濾波器處理事件相機數據，在高動態範圍光照和計算約束下實現穩健的自我運動估計。

本文提出了一種基於Transformer的架構Trinity，能夠在一個統一網絡中同時進行類特定語義分割和類無關地形分割。該方法無需預定義標籤或機器人相關的可通行性分數，僅基於視覺外觀分割地形區域，從而學習機器人無關的視覺地形先驗，可結合機器人特定經驗用於下游任務。為了支持大規模訓練，研究團隊擴展了OAISYS模擬器並推出RUGDSynth合成數據集，同時提供了EXTerra真實世界數據集。實驗驗證了該方法在複雜户外環境中的有效性。

許多兒童面臨情緒調節和社交互動的挑戰，社交輔助機器人需要保持兒童的持續參與。本研究評估了一種觸覺機器人的兩種參與策略：合成情感反饋和積分獎勵。對16名6-8歲小學生的偏好評估顯示孩子更喜歡情感參與；而對14名20-27歲大學生的行為研究發現積分獎勵系統能帶來更高任務準確性（p<0.05）並維持表現。結果表明，不同年齡羣體的偏好和行為結果可能不一致，驗證設計假設需要通過實際交互觀察。

視頻生成模型越來越多地被用作世界模擬器，但現有基準僅評估單視頻質量，無法檢測模型是否真正理解因果關係。新提出的“如果世界”基準包含319對基於真實場景的提示對，通過改變一個物理變量來測試模型輸出的因果一致性。對9個最先進模型的評測顯示，最佳配對得分僅52%，開源模型約28%，且表現與視覺顯著性相關而非物理可解性。

本研究提出了一種基於頭戴式慣性測量單元（IMU）的行為級活動識別方法，超越了傳統運動基元識別。研究團隊定義了五種與AR應用需求相匹配的行為類別，構建了包含16萬個樣本的Ego4D數據集，並提出了HiT-HAR層次模型（70.3萬參數），在五類動作和八類場景識別任務上優於現有模型。通過可分離性分析，揭示了頭戴式IMU的觀測極限：移動類行為可靠可觀測，物體轉移和任務操作類需要時間上下文，場景依賴信號重疊仍是挑戰。結果表明，利用時間上下文和場景結構的架構選擇優於簡單擴大模型規模。代碼和數據集已公開。

Simple Wearable Report利用AI從Oura Ring數據中提取更多見解。本文介紹了作者如何使用它，以及它如何與Gemini等AI工具配合提供詳細分析。

教皇利奧十四世的AI通諭《偉大的人性》雖然正確指出了算法偏見、水資源使用和數據主權等問題，但未能正視通用人工智能和災難性風險，缺乏應對大規模失業的具體方案，被批評為過時且令人失望。

一位患者的驗光醫生給出了錯誤且不合適的電腦眼鏡處方，導致無法正常使用電腦。藉助ChatGPT、Claude和Gemini等AI工具，他重新計算了適配其實際用眼距離的處方，併成功配鏡。故事警示患者需與醫生充分溝通，同時展示了AI在特定場景下的輔助能力。

LWN的文章討論了AI爬蟲機器人的問題，指出這些自動程序對網站內容造成侵權，並探討了應對措施。

本文提出R2P2分散式方法，通過規則分配推、支撐、阻止角色，並採用比例速度控制，實現多機器人協作推動箱體在不同傾斜度和摩擦力的地表（平坦、上坡、下坡）上運輸。該方法減少了通信與同步需求，避免單點故障。在NVIDIA IsaacSim仿真中，六機器人團隊驗證了其在不同地表和箱體質量下的泛化能力，成功率優於傳統虛擬領導者-跟隨者方法。實際實驗中，四台Turtlebot成功移動了1.2千克的箱體。

遙操作在機器人數據採集中至關重要，但新手操作員常產生雖任務成功但次優的示範。本文提出數據質量評估與反饋（DQAF）框架，通過即時反饋提升示範質量。

RCSP是一種預測性規劃層，通過評估候選命令在短期障礙物未來中的風險來避免機器人的近失承諾問題。在MuJoCo、ROS2/Gazebo和DynaBARN/Jackal模擬中，RCSP提高了安全性和路徑質量，但增加了延遲，揭示了其作為現有導航堆棧補充模塊的邊界。

提出了一種新框架，使異構機器人能夠在帶寬受限下協作導航，通過β-稀疏高斯過程選擇地圖點並平衡探索與任務相關性，模擬顯示路徑成本降低18%，信息傳輸減少76%。

本文提出李羣嵌入動態神經網絡（LieEDNN），利用伴隨李羣作用解決李羣與加法運算不兼容及動力學在非線性空間中演化的問題，實現穩定可學習的神經動力學，並在SE(3)上以伸縮機械臂為應用驗證。

Hyper是一款AI驅動的個人知識管理工具，能從Notion、Obsidian等應用中整合上下文，提供智能輔助。創始人此前在Matic從事機器人研發，曾在2020年嘗試改進GPT-2未果，如今推出自助版本。

本文通過實際案例展示了AgentWatch的功能，該解決方案每15分鐘執行一次基礎設施檢查，彙總跨多個AWS賬户的CloudWatch指標、日誌和告警。代理直接將可操作報告發送到Slack，並響應有關基礎設施狀態的自然語言查詢。同時，探討了三種人機協同模式，在最大化自動化的同時保持適當監督。

本期《好機器人》播客探討了如何通過女性主義原則和去中心化基礎設施，將雲基礎設施從大科技公司手中奪回，轉變為公共資源。弗裏德里克·馮·弗蘭克（Wikimedia Germany政策顧問）分享了她的工作，並討論了從法蘭克福能耗密集型數據中心到斯德哥爾摩市政光纖基礎設施的案例，強調環境責任和社區驅動的設計。

BobCA 是一個自主學習編碼的智能代理，能夠根據用户的偏好進行個性化編程。

在長期人機協作中，機器人需要在部分觀測下輔助用户，並利用跨天交互歷史。然而，協作初期人類特徵和慣例未知，被動推斷後行動效率低下。為此，本文提出PACT（主動詢問持續任務輔助）框架，通過當前觀測和累積交互歷史評估上下文充分性，決定是否先澄清再行動。實驗表明，PACT在輔助準確性和澄清效用上均優於被動基線。

針對行星探測車在不同地形（如斜坡、顆粒狀地面）面臨的移動挑戰，研究者提出了一種能連續調整履刺高度的多模態輪子。在四種代表性表面上的750次試驗表明，自適應部署可將滑移率降低30%-58%，在顆粒狀地形中旅行時間和能耗最多減少77.4%。結果凸顯了固定輪系統的侷限性，支持了履刺自適應形態在增強火星車機動性方面的潛力。

本文提出了一種基於強化學習的框架，通過調製恆定參考軌跡實現緊湊、位置受限的四旋翼翻轉，並與傳統軌跡生成和跟蹤兼容。在仿真中，該方法相比最強優化基線，位置均方根誤差降低32%，穩定時間減少57%。硬件實驗在多種偏航配置下成功翻轉，位置均方根誤差低於0.35米。

該研究通過在黑盒執行器上加裝定製串聯彈性元件，將力控制帶寬從10.32 Hz提升至30.32 Hz（提升2.93倍），且性能優於商用傳感器7.63%，成本僅25英鎊。

一種名為MASt3R-Nav的新型視覺導航方法，利用像素相對連通性構建幾何精確但無需全局一致性的地圖，相比傳統拓撲圖實現更強大的導航能力。

Ecovacs X8 Pro Omni在ZDNET實驗室測試中從10款機器人吸塵器中脱穎而出，獲得最佳拾取性能獎。它在地板和地毯上的沙粒拾取平均得分最高，目前正值陣亡將士紀念日週末促銷，僅售599美元（優惠67美元）。

谷歌Deepmind的AlphaProof Nexus系統自主解決了九個開放的愛爾迪什問題，包括兩個困擾數學家56年的難題，每個問題的推理成本僅需幾百美元。與OpenAI的自然語言方法不同，該系統使用Lean編譯器自動驗證每一步證明。不過，整體成功率僅為2.5%。

作者Sam Kriss以辛辣諷刺的筆觸，批判了AI生成內容對真實人類表達的侵蝕。通過尋找餐飲服務商的經歷，揭示了AI寫作如何製造出空洞、雷同的文本，並指出AI即使進步到能寫出好文章，單一化的聲音也是一種噩夢。作者強調AI寫作本質上是無意義的填充物，容易識別，並警告那些依賴AI寫作的人終將被發現。文章還提及AI在解決數學難題上的成就，但認為在人類情感表達領域它無能為力。

提出SAGE系統，結合CLIP實現開放詞彙探索，在保持覆蓋的同時優先語義前沿。模擬中物體發現優於FALCON，探索速度比FTU快13.7倍，並在真實飛行中驗證。

論文提出四種利用足地接觸減少IMU漂移的腿式機器人狀態估計器，包括接觸輔助不變擴展卡爾曼濾波器、因子圖、固定滯後平滑器等，並已在GTSAM和ROS2中開源實現。

研究人員提出一種方法，在關節限制下認證可達笛卡爾步長，在對抗場景中實現零違規和100%目標到達。

機器人從演示中學習獎勵函數時，演示常常不完善，導致某些重要特徵（即任務相關行為方面）未被充分指定，從而在部署時出現行為錯位。本文提出一種框架，通過分析演示中特徵值的變異性來檢測未充分指定的特徵（變異小表示指定良好，變異大表示指定不足）。機器人隨後用自然語言解釋其不確定的特徵，並主動請求針對性的糾正演示。在模擬桌面操作和真實Franka機器人用户研究中，定向解釋引導的查詢顯著優於隨機查詢和被動數據收集。

事件相機憑藉低延遲、高時間分辨率和高動態範圍，在高速運動和複雜光照條件下的視覺里程計任務中表現優異。深度事件視覺里程計（DEVO）通過結合稀疏補丁跟蹤、學習補丁選擇、循環對應優化和可微分光束法平差，實現了強大的單目事件里程計性能。本研究在DEVO基礎上添加了稀疏點雲導出管道，無需修改核心里程計算法，即可將內部估計的3D結構轉換為顯式點雲表示，支持可視化和後續處理。實驗表明，導出的稀疏點雲在局部與EMVS重建一致，在5釐米閾值下精度高，但也暴露了密度、完整性和對累積里程計噪聲敏感等侷限性。

GEM-4D是一種幾何增強的視頻世界模型，通過注入密集的4D對應監督來提升機器人的操作能力。該模型在訓練時從預訓練的幾何基礎模型中提取知識，從而同時捕捉外觀和幾何結構，且不增加推理成本。此外，引入逆向動力學模塊，將一致的視頻序列轉化為可執行的機器人軌跡。實驗顯示，GEM-4D在視頻預測和幾何一致性上達到最優，並將真實世界操作成功率從61%提升至81%。

FusionSense是一種面向能源受限自主邊緣系統的融合感知智能框架。通過三階段訓練流程（服務器端融合模型學習、濾除安全標籤量化模態必要性、注入近傳感器預測壓縮邊緣融合模型），在運行時聯合減少計算與通信開銷。在SynDrone雙模態（RGB+深度/激光雷達）測試中，任務質量保持的同時實現了高達33倍的能量節省（1%感興趣區域出現率），質量損失減少92.3%。

陣亡將士紀念日週末來臨，各大零售商推出家居、户外、科技等多品類優惠。作為ZDNET的購物編輯，我精選了經過測試和推薦的產品折扣，包括蘋果、三星、海信、Ninja等品牌的熱門商品。

韓國副總理裴京勳表示，人工智能創造的財富必須惠及公眾，並表達了對AI可能加劇貧富差距和導致失業的擔憂。他提到三星電子最近的勞資衝突是AI時代趨勢的一部分，強調需要建設“AI包容性社會”。此外，他對科技股集中上漲和工業機器人應用發表了看法。

佛羅里達州的一個社區部署了AI驅動的機器人蜂箱，用於監測蜂羣健康並保護蜜蜂免受威脅，聲稱蜂羣崩潰率降低了70%，而蜜蜂對大部分作物的授粉至關重要。

教宗良十四世關於人工智能的新通諭將由Anthropic聯合創始人克里斯·奧拉共同發佈，引發倫理討論。梵蒂岡與科技公司的長期接觸，以及Anthropic與天主教倫理家的合作，旨在塑造更道德的AI。

陣亡將士紀念日週末是購買機器人吸塵器的最佳時機之一，這些優惠能幫您省錢。作為一名評測員，我盤點了目前最值得購買的機器人吸塵器優惠。

研究人員開發了一種毫米波雷達系統，結合機器學習，通過分析昆蟲翅膀拍動產生的微多普勒特徵，能夠以85%的準確率區分不同傳粉昆蟲的物種，並且非侵入性地監測它們，有望替代傳統的致命昆蟲捕捉方法。

AI-DECLARATION.md 是一個開源規範，通過在倉庫中聲明AI參與程度來提升透明度。它定義了從無AI到完全自動化的六個等級，並允許針對設計、實現、測試等開發過程進行細化聲明。該規範強調以結構化方式明確AI使用情況，旨在建立開發者社區的可信契約。

谷歌的AI概述功能近期出現異常，搜索“disregard”等詞時，AI會像聊天機器人一樣回應而非提供摘要。谷歌已確認問題並正在修復。

在今年的I/O大會上，對話舞台匯聚了谷歌領導者、科學家和創意先驅，共同探討人工智能、量子計算、機器人技術和創造力等領域的突破性進展。

本文對一種新型線性軟套管執行器（LSSA）進行了解析和實驗力分析。建立了準靜態模型，通過實驗驗證了在125 kPa壓力下出力隨伸長從約112 N降至零，且靜態載荷會延遲並減小出力。結果表明LSSA的力生成受壓力、幾何形狀、位移、載荷和軸向剛度的耦合影響。

本文提出一種用於無人機蜂羣的分佈式多覆蓋算法，無需全局協調，僅依靠局部感知和通信即可確保每個關鍵資產被多台機器人冗餘覆蓋，且能應對機器人故障。該工作被ANTS 2026會議錄用。