具身智能

现有 AI 和无线网络架构分别受限于物理世界建模和实时协调能力，而 HDT-Nets 提出将网络基础设施与数字孪生结合，使智能体能主动推理并共享时空上下文，为物理 AI 在机器人、车辆等场景下的实时协调提供了新框架。

此前 LLM 安全性评估多关注事实性或有害内容，缺乏针对长期对话中妄想螺旋的量化测试。DelusionEval 首次基于真实心理伤害事件构建评估集，并揭示上下文长度是影响安全行为的关键变量，挑战了“更大模型更安全”的假设，推动评估范式向真实世界场景转变。

此前bot检测器仅区分人与机器人，无法识别AI agent，导致大量agent流量被误判为人类，造成安全漏洞。该论文首次给出了可部署的三分类方案，仅需两个特征即可零遗漏检测，且对多种逃避手段鲁棒。

此前共情聊天机器人和3D化身多为独立研究方向，缺乏开源且整合共情回复、情感感知和统一表情语音渲染的代理式系统。EmpaAva将共情能力带入实时视频交互，并用单一LLM协调感知与表达，为构建有情感、可检查的虚拟交互产品提供了可复用的开源方案，有助于降低相关产品研发门槛。

此前智能体AI评价多聚焦任务能力，本文首次将可信赖性作为系统化工程属性，提出了跨领域复用保证框架的路径，类似于成熟工程领域的分级认证体制，为关键系统的实际部署提供了可操作的方法论。

扩散式 VLA 模型计算量大且需高频控制，边缘设备难以满足实时性。Deltoris 通过协同设计大幅提升推理速度，为具身智能产品在边缘端落地提供了可行路径，可能推动更小、功耗更低硬件上的实时控制应用。

此前LLM智能体在长程交互任务中常因单个次优动作导致整体失败，且修复通常依赖昂贵的微调。该框架无需微调即可在执行前预判错误，显著提升任务完成率，为智能体调试提供了一种新范式，降低了长程任务落地的训练成本。

已有自主系统假定硬件恒定，老化的硬件与软件预期不匹配可能导致整机故障。AAAI 首次将硬件健康统一纳入自主决策闭环，应用预测模型主动适应能力衰减，为长期或安全关键任务中的系统韧性提供新路径。

智能体从对话式聊天机器人转向自主行动的 Agentic AI，使服务封装了感知、决策、执行、协作和内容生成能力。将这种能力用于元宇宙业务处理，形成了 Meta-AaaS 新范式，是服务计算的新方向，可能改变虚拟环境中的服务交付方式。

此前真实世界到模拟的转换依赖手动调优视觉基础模型、网格清理、坐标对齐及工具间的脆弱集成，成本高且难以扩展。Agentic Real2Sim通过代理自动化整个流程，并借助开源VLM大幅降低计算成本，使机器人仿真数据的生成更加高效可及。

此前 Physical AI 在不同阶段（评估、云强化学习、边缘 GPU 推理、机载部署）使用分离的推理程序，维护成本高。PhyAI 用单一运行时统一了这些场景，并通过适配器接口在模型发布当天即集成 MiniCPM-Robot，表明该方案能显著降低多模型支持成本，并提升端到端部署效率。

既有 3D 生成器常优化感知真实感，却难以保证任务关键的功能约束（如可访问性、可穿越性），限制了合成数据在下游训练中的价值。iARCS 直接针对此类约束进行优化，且生成数据可反哺基础生成器，提升了合成数据作为训练资源的实用性。

此前分层或异步策略的慢路径表示可能过期或需显式调度，而CloudEdgeVLA将时间错位作为表示学习问题，无需阻塞同步，使云端大模型可增长而边缘保持轻量，为机器人部署提供可扩展路径。

此前业界普遍认为加入推理步骤能提升模型鲁棒性，但该研究表明这一假设并不普遍成立：隐式迭代推理架构反而极度脆弱，且推理输出监控在自适应攻击下无效，这对依赖推理增强安全性的产品设计构成重大挑战。

此前多模态情感识别模型参数规模至少7B，计算成本高、推理效率低，难以在机器人、移动设备等资源受限平台实时运行。这篇论文证明，通过优化的知识蒸馏，子十亿参数模型也能达到甚至超越大模型的性能，改变了对模型规模与性能关系的固有认知。

此前边缘 LLM 代理要么全本地推理导致计算超支，要么全云端依赖网络延迟，TSDS 首次在保证可靠性和云端调用上限的前提下，显著降低本地推理计算量，使复杂多步任务在低功耗边缘设备上可行。

此前 VLA 策略在物理世界攻击面前的脆弱性缺乏针对性防御方案。该研究首次提出并验证机制级防御方法 SARF，在真实机械臂上显著提升攻击下的成功率，同时保持干净性能，为 VLA 机器人的安全性提供了一条可实践路径。

此前具身认知模型多分离语言理解与视觉预测，RxBrain在单一规划序列中融合两者，语言提供抽象规划逻辑，视觉想象力落地物理状态，使模型能同时进行任务分解和状态预测，更贴近具身智能体的真实需求。

现有智能体要么只改变软件状态，要么只改变物理状态，均未将个人状态与主体性作为核心。Combodied Agents首次提出统一框架，将个人状态作为建模、干预和评估对象，可能推动AI从任务执行向人本辅助转变。

在多智能体强化学习中，传统信用分配依赖绝对奖励估计，易受噪声和延迟反馈影响。MARS-RA 将评估方式改为比较排序，利用大型多模态模型生成对比，提高了鲁棒性，并支持动态智能体数量变化，这为具身 AI 协作提供了更可靠的方法。

此前多模态长期记忆代理侧重存储而非检索，检索失败缺乏自适应机制；RRM 首次将反思性经验记忆引入检索流程，实现跨任务策略复用，并在多个长视频基准上显著提升性能，是多模态代理记忆机制的重要进展。

过去具身生成方法常牺牲预训练的视觉知识，而该模型首次在多种机器人实体上实现高质量多视角场景生成，并引入结构化可控具身转移。它将世界基础模型的泛化能力保留并适应于具身场景，显著提升真实环境操作成功率。

此前提示注入多针对纯文本或在线聊天机器人，而本研究表明物理世界的视觉文本也能劫持VLM控制的机器人，攻击面从数字扩展至物理环境，且对GPT-4o等前沿模型有效，说明VLM规划器的鲁棒性存在系统性弱点，对机器人安全有重要警示。

工业界此前缺少对VLA机器人物理攻击的系统性评估框架，而VLAGuard填补了这一空白。其表明打印贴片可造成高达100%的失败率，并展示了一种零推理开销的防御手段，将攻击下的成功率提升至67.4%，显著提高了VLA驱动的边缘节点在实际部署中的可靠性。

LLM代理能自主导航和理解页面内容，使得传统挑战式验证码近乎失效，非交互式防御也暴露了非根本性弱点，威胁现有bot管理系统，安全厂商需重新评估防御架构。

此前提示注入研究多集中于单智能体或纯软件环境，该研究首次在多智能体实体机器人系统中验证攻击传播，提示安全隐患更严重。

此前通用VLM与专用视觉模型存在能力鸿沟：通用模型能推理任务但细节不足，专用模型细节准确但缺乏任务决策。SpatialCLI通过工具增强和内部化，显著提升了VLM的空间感知能力，且内化后仍保持较高准确率，为具身智能和空间推理提供了新路径。

此前VLA模型仅根据当前观测输出动作，缺乏对世界动态的显式预测。FoMoVLA将未来特征预测与稀疏点跟踪互补结合，使模型能预见目标状态并规划连续运动路径，从反应式策略转为主动规划。

该论文澄清了用户对AI聊天机器人意识信念的不同层次，揭示了表面相同的归因可能反映不同的认识论承诺。这有助于理解人机交互中的信任、责任和用户心理，对AI伦理和用户体验设计具有参考意义。

此前机器人交互通常依赖强板载计算或稳定云端连接。该方案通过云-边协同，在有限板载资源下实现高精度手势识别和多模态任务规划，实验成功率较高，为资源受限机器人部署复杂人机交互提供了可行路径。