优必选中标机器人订单 - 优必选中标觅亿(上海)汽车科技有限公司9051.15万元机器人设备采购项目，刷新业内单笔中标金额纪录 [1] - 人形机器人行业进入业务收获期，此前智元、宇树已拿下中国移动旗下公司1.2亿元订单 [1] 欧洲低重力四足机器人研究 - 挪威科技大学开发的四足机器人Olympus在模拟火星重力（地球重力的1/2.5）环境下测试跳跃能力 [4][5] - 机器人采用四条"双"腿结构，底部带爪状贴片，低重力下跳跃高度显著优于地球环境 [4] - 欧洲航天局ORBIT设施通过浮动平台实现二维微重力模拟 [5] 中国战队机器人足球世界杯突破 - 清华大学火神队和中国农业大学山海队包揽RoboCup类人组成人尺寸组冠亚军，首次实现中国战队夺冠 [7][9] - 两支战队均使用国产机器人加速进化T1，小型尺寸组决赛由清华大学TH-MOS队（使用国产K1机器人）对阵德国队 [9] maxon集团战略投资 - 瑞士maxon集团收购德国Synapticon少数股权，后者为智能运动控制解决方案供应商 [10][12] - 合作目标为开发集成功能安全的高性能驱动解决方案，现有客户已受益于双方技术组合 [12] 日本汽车行业自动化进展 - 2024年日本汽车行业将部署1.3万台工业机器人，同比增长11%，创2020年以来新高 [13][15] - 日本机器人产量占全球38%，汽车行业机器人密度达1,531台/万名员工，全球第四 [15] - 全球70%机器人安装量集中于日本、中国、德国、美国、韩国五国 [15] 机器人行业企业名录 - 列举工业机器人、服务特种机器人、医疗机器人、人形机器人、具身智能、核心零部件等细分领域超80家企业 [20][21][22][23][24]

触觉多模态研究突破 - 北京交通大学联合腾讯微信AI团队发布全球首个触觉-语言-视觉三模态数据集Touch100k，包含10万组触觉图像、视觉图像及多粒度语言描述，突破传统触觉研究仅聚焦视觉模态的局限[1][2] - 创新提出TLV-Link预训练方法，采用"教师-学生"课程范式实现视觉编码器向触觉编码器的知识迁移，模态对齐阶段通过对比学习融合文本特征，显著提升零样本触觉理解能力[6][7] - 实验显示TLV-Link在材料属性识别任务中准确率达93.1%（硬/软分类）和84.7%（粗糙/光滑分类），机器人抓取预测任务准确率94.5%，较基准模型最高提升4.2个百分点[9] 技术实现路径 - 数据集构建整合Touch and Go、VisGel等公开数据集接触帧，通过人机协作生成词组/句子级触觉描述，形成标准化三模态数据架构[2][5] - TLV-Link课程表示阶段动态调整视觉-触觉特征权重（初始依赖教师模型70%权重，随训练逐步降低至30%），模态对齐阶段采用文本编码器生成融合特征[6][9] - t-SNE可视化证实触觉表征在二元分类任务中区分度显著，但多分类任务泛化能力待提升，显示当前方法在复杂操作场景的局限性[9][10] 行业应用价值 - 研究填补触觉领域语言模态空白，使机器人具备"表述"触觉信息的能力，为人机交互、医疗机器人触觉反馈提供新技术路径[1][11] - GelSight传感器专用表征学习方法可适配工业机器人精确抓取、医疗手术力反馈等场景，实验显示抓取预测准确率较现有最优模型提升3.9%[9][11] - 成果发表于SCI一区期刊《Information Fusion》（影响因子14.8），数据集与代码已开源，推动行业建立触觉多模态研究基准[1][12]