- 资讯公开站Electrek
特斯拉 Optimus 周产量升至数百台，但机器人无法泛化
Tesla ramps Optimus to hundreds a week, but the robots can’t generalize
摘要显示，特斯拉在弗里蒙特工厂已实现每周生产数百台Optimus人形机器人，约为第二季度产量的10倍。但报告指出，下线机器人仍无法处理通用任务，手部结构脆弱、装配线零件错位，供应商也难以在放量下维持质量。泛化能力与可靠性被视为决定人形机器人能否盈利的两大关键问题。
意义：人形机器人量产爬坡与泛化能力脱节，提示开发者：硬件放量不等于通用智能落地，可靠性与泛化仍是商业化瓶颈。
- 论文公开站arXiv
RAPID：从演示中进行机器人智能体编程
RAPID: Robot Agentic Programming from Demonstrations
摘要显示，RAPID 面向机器人系统提出「从演示进行机器人智能体编程」方法，仅凭一次视觉人类演示，即可自动生成、验证并迭代优化机器人程序。其智能体循环依赖可测试任务规范、动作原语与可交互执行验证环境，三者均由演示自动推断。RAPID 采用以物体为中心的关系式程序表示，将动作原语表达为实现物体级运动效果的轨迹优化程序，并通过关系约束在运行时组合，从而提升跨物体位姿、形状、材质与环境的泛化能力。
意义：该方法把编码智能体的自动验证与迭代能力引入机器人编程，降低示教门槛，并为可复用、可泛化的机器人技能生成提供新范式。
- 资讯公开站Semiconductor Engineering
开放基准评估2.5D和3D IC的AI热模型（UTS、慕尼黑工大、上海科大）
Open Benchmark Evaluates AI Thermal Models for 2.5D and 3D ICs (UTS, TU Munich, ShanghaiTech)
摘要显示，悉尼科技大学、上海科技大学和慕尼黑工业大学的研究人员联合发表了一篇题为“IC-ThermBench: An Open, Progressive Benchmark for Generalizable 2.5D/3D-IC Thermal Learning”的技术论文。该基准结合了已有的3D-IC稳态、瞬态及工业封装任务，并新增了一个包含50,000个样本的2.5D chiplet数据集，旨在评估AI热模型的泛化能力。
意义：为AI驱动的2.5D/3D IC热分析提供标准化评估平台，有助于推动热建模方法的可复现性与泛化能力比较。
- 论文公开站arXiv
通过局部增强偏好与表示解缠改进跨问题车辆路径规划
Improving Cross-Problem Vehicle Routing with Locally Augmented Preferences and Representation Disentanglement
摘要显示，多任务车辆路径问题求解器面临训练监督弱和架构纠缠的挑战。为此，提出POLAR训练算法，通过局部搜索细化最佳解码路径以形成更优偏好对，以及PLE编码器，利用门控机制分离共享专家与任务特定专家，逐步解缠通用路由结构与约束特定编码。实验表明，两者结合可提升当前最先进性能。
意义：对开发者而言，该研究提供了训练算法与架构设计的改进，有望提升多任务VRP模型的泛化能力与训练效率，推动实际物流调度应用。
- 论文公开站arXiv
基于物理约束深度学习的非接触式三轴体震信号血压监测模型
Physics-Constrained Deep Learning Model for Contactless Blood Pressure Monitoring from Triaxial Bodyseismography
本文提出Phy-BP框架，用于基于三轴体震信号（BSG）的非接触式血压监测。该框架包含自适应质量控制算法，筛选富含心源性成分的BSG段，并建立物理模型描述体-床系统中的三维波传播，嵌入深度学习模型以对齐多轴特征。在21名受试者162小时医院数据集上，Phy-BP能动态过滤低质量测量，并通过物理一致性约束提升模型鲁棒性，尤其在训练样本有限时表现良好。
意义：该研究将物理模型与深度学习结合，提升非接触式血压监测的鲁棒性和泛化能力，对可穿戴健康监测和AI医疗应用具有重要意义。
