HAKUTO Rover Flight Model 热控策略设计与真空实验验证
研究针对 HAKUTO Rover Flight Model 设计了热接口方案,通过解析模型与数值仿真优化了电子设备安装位及太阳能板角度。最终在真空环境中完成热平衡测试,确保 rover 质量低于 4 kg 并满足月球辐射等热学条件。该成果已在德国不来梅举行的第 69 届国际宇航大会(IAC)上提交论文。
研究针对 HAKUTO Rover Flight Model 设计了热接口方案,通过解析模型与数值仿真优化了电子设备安装位及太阳能板角度。最终在真空环境中完成热平衡测试,确保 rover 质量低于 4 kg 并满足月球辐射等热学条件。该成果已在德国不来梅举行的第 69 届国际宇航大会(IAC)上提交论文。
该论文提出 CityPaint 框架,利用丰富的 2D 图像数据和扩散模型生成全局一致的城市级 3D 纹理,无需依赖稀缺的真实城市级 3D 训练数据。该方法结合了几何先验与 2D 扩散模型的生成能力,引入稳健的 top-K 相机烘焙策略进行迭代纹理投影,并针对 2D 到 3D 投影产生的伪影提出了解耦细化机制,分别优化地形和建筑纹理。
舍弗勒于10月20日在太仓正式启用具身智能机器人数智工厂,该厂集智能装配产线、场景化训练及数据采集中心、数字孪生平台及算力中心为一体。工厂实现“机器人造机器人部件”的闭环智能制造模式,标志着关节模组等核心零部件正式投入量产。数智工厂采取开放合作模式,支持客户在工业场景下对物理AI系统进行训练和测试。
推荐理由:舍弗勒在太仓启用集智能装配与数字孪生于一体的数智工厂,实现机器人制造机器人部件的闭环模式。
Kinematic Age of Information (K-AoI) 提出一种结合瞬时笛卡尔速度的时空同步指标,将时间延迟转化为物理意义上的空间发散。研究在含六自由度机械臂、Unity 数字孪生及七种网络条件的测试床中验证,发现 K-AoI 与 AoI 的秩相关系数在卫星连接下降至 0.22,且拒绝通用帕累托分布假设。
PhysSkin++ 是一种无需针对每个物体进行网络训练的框架,通过自监督神经蒙皮技术从静态几何构建紧凑变形子空间。该方法结合皮肤场归一化与冲突感知梯度校正策略,在物理和正交性约束下实现联合优化,支持用户控制、接触交互及直接绑定网格、点云和 3D 高斯分布。实验展示了跨形状泛化能力、实时简化动力学以及在可控、碰撞感知和刚性互补动画中的应用效果。
该研究提出了一种针对自动化仓储内货架拣选任务的分析与离散事件仿真(Analytical-DES)基准,涵盖三种货架长度及至多 30 个拣选位共 180 种场景。
论文介绍 Self-Building Labs(SBL),该系统能从空房间或现有设施出发,自动构建实验室布局、数字孪生、机器人技能及实验工作流以达成高层科学目标。研究通过量子点合成实验验证了其在不同机器人与配置下的端到端能力,旨在提升科学自动化的可访问性、灵活性与可扩展性。
瑞士工程科技公司 Terra Quantum 与 Empa 联合开发了名为 LP-FNO(激光加工傅里叶神经算子)的人工智能模型,用于预测激光焊接中的三维熔池动态。据称该模型的预测速度比传统方法快达 10 万倍,消除了实现实时工艺控制及部署工业数字孪生技术的关键计算瓶颈。
英国航天局支持的 ISPARK 项目开发了结合有限体积热焊池模型与高斯过程代理的物理接地数字孪生,用于在轨维修前的工艺筛选。该原型在 UR5 机械臂仿真中验证了闭环控制策略,80% 的求解器响应落在预测区间内且查询延迟为 249 微秒。研究指出需开展热真空、低重力及硬件在环测试以进一步评估模型与控制器性能。
MR-MPCC 是一种针对速度控制型六自由度末端执行器在移动参考系扰动下的路径跟踪控制框架。该架构采用上层 MPCC 优化路径进度并惩罚轮廓误差,下层 RMRC 将笛卡尔速度映射为受关节与安全约束的可行关节速度。实验在 ROS2--MuJoCo 管道中于 UR5e 平台验证,相比 PI 和时序 MPC,其显著降低了移动参考系下的几何路径跟踪误差与偏差。
该研究提出一种低复杂度自适应预设性能控制器,通过匹配请求与饱和输入直接调整性能函数,解决不确定流体动力学下的轨迹跟踪难题。BlueROV2 仿真对比显示,该方法在八字形机动中维持了预设性能,而传统方法在输入受限下失效。真实水池实验进一步验证了该水下机器人平台闭环控制的稳定性与可行性。
NVIDIA 宣布 EMEA 地区多个城市利用其加速计算构建物理 AI 代理和数字孪生,以提升道路维护、能源效率及公共服务的响应速度。合作伙伴包括 K2K、Akila、ThinkDeep、Galene.AI 等,应用覆盖英国利物浦、法国科多尔省、意大利米兰及比利时安特卫普等地,涉及交通规划、建筑能耗管理及合成数据训练模型等场景。
该研究构建的数字孪生系统通过术前 CT 确定性几何重建颅骨与脑室,在 Keen's point 附近搜索满足安全约束的最长入脑室垂直轨迹。该方法在 11 例连续成人患者(IDEAL Stage 2a)中实现 Hayhurst Grade 1 置管率 10/11,显著优于历史基线 22/213,且无术中并发症。
该研究提出混合现实反馈控制框架,旨在通过融合多现实(仿真、物理)中的控制输入与反馈信号,优化机器人及自主系统的原型验证流程。针对多现实处理需求,该方法为控制系统建模技术提供了具体支持,以简化系统生命周期管理。论文包含 19 页正文与 7 幅图示,目前处于 arXiv 预印本阶段。
商汤大装置联合上海市规划资源局发布全面升级的“云宇星空大模型”,强化空间推理与任务执行能力。基于该模型,团队交付了包括“禹智河洛”在内的首批政务智能体,在防汛调度、空间洞察及规划更新场景中落地应用,其中防汛调度效率提升 80%。材料由商汤科技提供,量子位获授权转载。
该论文提出一种概率物理数字孪生框架,将质量、摩擦力和质心等难以精确获取的物理属性表示为概率分布而非固定值。通过在这些分布上进行模拟,系统能预测动作结果的范围及其可能性,从而指导人机交互中的有效动作规划。材料展示了在人机交互场景下利用该框架进行界面通信和机器人策略规划的初步演示,目前仅作为预印本发布在 arXiv 上,未报告真实机器人部署或同行评审状态。
CoRE-MPC 是一种利用非线性降阶模型进行规划并保证满序系统递归可行与约束满足的鲁棒 MPC 方法。该方法在 80 态振荡器链、Burgers 方程及 9,768 态软体机器人仿真中验证,两态 ROM 方案求解时间低于 1ms,速度比全序鲁棒 MPC 快 13 至 61 倍且闭环成本仅高 27% 至 35%。代码将于发表时开放。
Isaac Lab 文档站点新增经审核的预构建 Newton WebAssembly 仿真及其浏览器查看器与导出源码。该永久捆绑包包含场景、重建指令及工具,仅需浏览器即可运行演示,无需本地编译环境。更新通过提交命名归档和 SHA-256 校验确保可复现构建,旧版资产保持可用以兼容现有工作流。
DeepMind 发布 Gemini 4 Argon,该模型在 ERQA 基准测试中纯推理得分 87%,超越其他前沿模型。Argon 支持从遥操作到自主控制的闭环视觉回路,能基于真实视频或手绘草图构建物理校准的 MuJoCo 仿真双胞胎,并开放了多模态后见性标注与价值函数预测等工具。
推荐理由:DeepMind 发布 Gemini 4 Argon,在 ERQA 基准测试中纯推理得分 87%,并开放了从代码生成到仿真构建的机器人工作流入口。
Google DeepMind 正式上线通用物理推理模型 Gemini 4 Argon,该模型具备视觉语义推理、物理理解和代码生成能力。Argon 支持通过观看视频或手绘草图构建仿真环境(Real2Sim),在 MuJoCo 等环境中进行零样本控制与技能学习,并能分析操作过程以优化机器人表现。
推荐理由:DeepMind 上线通用物理推理模型 Gemini 4 Argon,支持从视频或草图构建仿真环境、零样本控制及自我改进优化机器人动作表现。
FACT 是一个代理框架,旨在构建高保真的串联数字孪生以改善几何、接触和动力学表现。该方法通过特征规划从图像重建可编辑几何,利用任务感知的局部重划分修复碰撞代理,并利用仿真残差指导被动响应视频中的模型修订与物理参数拟合。实验表明 FACT 在几何重建、交互可靠性及复现未见过物理响应方面优于基线方法。
上海人工智能实验室推出“书生·端砚”科学发现平台及配套的“书生SCP-Lab”实验设备访问与协同协议,旨在破解真实物理实验室中异构设备的统一调度难题。该协议基于科学智能上下文协议(SCP),构建了连接科研智能体、实验室操作系统与本地执行层的分层架构,创新提出L1至L5五级控制粒度框架,实现从整体流程到原子动作的标准化描述。
推荐理由:上海AI实验室推出书生SCP-Lab协议,为科研智能体提供统一设备访问与协同机制,已在9个场景验证并支持跨机构实验。
西门子在2026工博会首次完整展示面向人形机器人的端到端解决方案,覆盖从设计仿真到工业现场应用的完整链路。现场通过实体数控机床与轮式人形机器人实时交互,演示“机器人上下料”场景并开放6类具身智能进厂应用。此外,“钻耀之心3.0"升级融合Intelligence Center X与Teamcenter等软件,贯通工业五层架构以加速物理AI落地。
该研究提出一种模块化数字孪生(DT)框架,统一建模物理过程、无线通信与应用逻辑。在 BI-REX 试点线通过 5G 连接自主移动机器人(AMR)运输危险液体的真实概念验证中,DT 预测与实测的网络级指标及端到端应用指标高度一致。分析表明网络建模误差会严重影响低延迟工业控制环路的可行性,证实了该框架作为下一代工业系统预部署设计与验证工具的价值。
该研究提出一种结合数字孪生、强化学习与人类演示的人机回环在线训练框架,通过摄像头实时同步虚实系统。在 Ufactory Xarm5 协作机器人实验中,固定非最优演示下,双智能体架构实现 83%-100% 平均确定性评估成功率,显著优于添加模仿损失方法的 0%-17%,且能在物理工作空间变更后恢复训练。
LIVIN 是一个针对空间感知和具身智能的基准测试数据集,由 30 个不同居住型住宅的数字孪生构建而成。这些副本保留了观察到的房间布局、家具配置和日常物品摆放。
NVIDIA Omniverse 库结合 SimReady Foundation 规范与智能体技能,提供将 CAD 几何转换为 OpenUSD 并验证材质、碰撞及物理属性的结构化工作流。开发者需按此流程配置关节等属性以在测试前确保机器人行为模拟的准确性。该方案旨在简化机器人仿真资产准备过程,避免仅转换几何而忽略关键物理配置的常见错误。
NVIDIA 提出利用数字孪生和 AI Agent 来验证复杂的 AI 工厂基础设施变更,以解决软硬件栈快速变化带来的部署挑战。该方法旨在确保 GPU、CPU 等硬件及调度器、安全控制策略协同工作,保障各类工作负载的有效运行。
该研究演示了基于 ROS 2 耦合 NVIDIA Isaac Sim 与 NVIDIA Sionna 的实时闭环仿真框架,利用 GPU 光追在~16ms(约 60 Hz)刷新覆盖图。
研究将群体规模不良事件监测作为手术数字孪生的独立信念层,提出在形式隐私保证下学习该层的联邦贝叶斯协议。基于 FDA MAUDE 血栓清除导管(代码 NRY)的 8,617 份报告基准测试显示,在匹配隐私预算 (ε≈2.09) 下,共轭协议每例测试事件的留样泊松评分为 -5.78,优于差分隐私 FedAvg (-26.58)。
该研究提出基于 Cosserat 杆模拟器和粒子滤波器的信念状态世界模型,旨在稀疏 X 射线采集间维持内血管导管导航。在合成平面血管幻象中,该模型以连续速率十五分之一获取观测时,尖端追踪均方根误差为 1.30 mm,接触风险估计的 AUROC 达 0.68。这些结果仅在简化仿真环境中成立,旨在证明校准后的信念状态是稀疏成像世界模型的关键属性,而非临床就绪演示。
针对现有可信 AI 框架难以应对物理安全与不可逆后果的挑战,该研究提出涵盖核心能力、物理作用及五阶段生命周期的 T-PAIO 运营化方案。作者进一步构建了包含关键原则的 T-PAI 理论框架,旨在为治理可信物理智能系统提供基础。相关论文已作为预印本发布于 arXiv,目前处于公开评审阶段。
针对遥操作中缺乏力反馈和存在视觉遮挡的问题,本文提出一种基于数字孪生的增强现实(AR)遥操作界面。该系统整合裸手追踪与双机械臂,将机器人手部网格上的触觉测量渲染为视觉力反馈,并提供用户可控的虚拟视角面板或遮挡感知透明渲染以缓解视野受限。研究通过涉及任务 1 和任务 2 的用户评估,验证了该界面在需要精细力度调节及遮挡环境下收集高质量演示的有效性。
NVIDIA 展示利用 Agentic AI 工作流检查 Blender 三维场景、在 OpenUSD 中生成仿真数据并添加物理属性,最终输出符合 SimReady 要求的数字孪生。该流程实现了从原始场景到仿真就绪交付物的自动化验证,支持物理 AI 系统的开发管线。
Drake v1.57.0 新增多体植物与场景图对虚拟传送带的仿真支持,并在 meshcat 中实现基于点击拖拽施加虚拟力的功能。该版本为最后支持 macOS Sequoia (15) 的发布,计划于 2026-12-01 将 Python 绑定从 pybind11 迁移至 nanobind。
Google DeepMind 于 2026 年 9 月 8 日发布 MuJoCo 引擎版本 3.13.0。该版本引入新的离散积分器(integrator="discrete"),将约束求解与隐式速度更新合并,使被动弹簧和致动器增益在远超显式稳定性极限的时间步长下保持稳定,并修复了旧版隐式弹性模型需迁移至新积分器的 API 变更。
Genesis World v1.4.0 新增将场景与完整轨迹导出为可跨机器加载的独立归档能力,确保通过 `gs replay` 实现位精确回放。此次更新还允许在连杆任意局部点施加外部力矩、保存内存构建场景及记录无资产依赖的轨迹文件。此外,修复了包括 URDF 解析、FEM 顶点约束及 GPU 休眠在内的多项次要漏洞与资产处理问题。
MuJoCo v1.2.3 发布,新增通过椭圆摩擦锥与高阻抗选项构建高精度静态摩擦模型功能。此次更新还改进了 fp32 精度下约束求解器的收敛性及等式约束稳定性,同时提升了非凸碰撞检测与非批处理 CPU 仿真的速度。
Drake v1.55.0 正式移除对 Eigen legacy autodiff 的支持,转而使用自研的 AutoDiffXd 标量类型。该版本将 Python 绑定从 pybind11 迁移至 nanobind,未来将逐步停止对 pybind11 的支持。
Drake v1.54.0 发布,新增对 Ubuntu 26.04 ("Resolute") amd64 架构的支持,并将教程从 Deepnote 迁移至官网。该版本不再提供 Docker 镜像(已弃用),同时修复了 pydrake 原生代码内存泄漏并更新了包括 abseil_cpp_internal、bazel 在内的多项依赖库。