NEXUS 是一个感知全身控制框架，将人类动作指令与机器人本体感知反馈结合，使机器人在与操作者地形不一致时仍能复现行为。作者提出可扩展的地形自适应算法，无需逐动作或逐地形调参即可生成高质量配对动作，并构建近 1000 小时的配对动作语料，通过教师-学生学习训练控制器。实验显示 NEXUS 在评测基准上优于现有全身控制器，并实现零样本真机部署，在多种未见地形上完成实时全身遥操作。
推荐理由：论文提出跨地形全身遥操作框架，用近1000小时配对动作数据训练感知控制器，并给出零样本真机部署结果。
研究提出通用具身引擎（UEE），通过隐式注视与瞳孔信号及任务结果推断操作者的具身感和视本体线索权重，以离散主动推断智能体在显式偏好下选择有界设备设置。在300个异构合成操作者的仿真中，UEE多数在半分钟内找到合适设置，后半程具身感达1.68，接近预言机的0.73（0-2量表）。无模型赌博机表现更差，朴素预测误差最小化器会扣留反馈并降低任务成功率（0.74对0.90）。
UC San Diego 提出基于人形机器人的腹腔镜遥操作框架，使用通用器械，通过台架测试、不同手术经验水平的干实验室用户研究以及活体猪实验，量化其技术可行性、任务表现与临床就绪度。研究称这提供了人形机器人手术应用能力与局限的循证评估，并指出临床部署前仍需解决关键技术挑战。
MIT 工程师设计了一款超声腕带，通过对手腕肌肉、肌腱和韧带成像，配合 AI 算法实时翻译出五指和手掌的位置，从而无线控制机械手。研究团队用 8 名不同手型和腕围的志愿者测试，腕带能追踪包括美国手语 26 个字母在内的手势和抓握动作；演示中佩戴者操控机械手弹琴、投桌面篮球，并在屏幕上缩放和移动虚拟物体。