世间万物皆能带来灵感,无论是自然界的生物,还是生活中的一个小物件。日前,美国北卡罗来纳州立大学的研究人员开发出了一种软体机器人,以按扣发卡为灵感的双稳态翅膀附着在柔软的硅胶身体上,通过将空气注入软体内部的腔室来控制翅膀在两种稳定状态间切换。当这些腔室充气和放气时,身体会上下弯曲,推动翅膀来回摆动。
由于它的游泳动作类似于人类蝶泳时手臂的动作,该机器人也被称为“蝴蝶机器人”。实测中,蝴蝶机器人能够达到每秒3.74个体长的速度,比之前的游泳机器人快4倍以上。
我们的科技留言板“有意见”如下
@不倒翁:为了实现飞行梦想,早期人类无数次尝试直接模仿鸟类飞行,比如达芬奇就对鸟类进行了细微之至的观察和研究,包括鸟类翅膀的形状、飞行的姿态、飞行的动力等,试图设计人造翅膀来飞行。但是直到知识进化到人类了解了飞行的本质是空气动力学之后,真正的飞行器才得以实现。现如今,仿生机械又开始热起来,让机器模拟生物是一种研究捷径,但是这种捷径的功效如何,还是需要时间的检验。
@周一见:蝴蝶机器人的外形也酷似蝠鲼,通过驱动单元来控制两个翅膀,可急速直行,也可操纵进行急转弯,不过这也是目前原型机器人的局限所在,等后续一个无拴、自动的版本。
@黑咕隆咚:游泳机器人越来越发达了,听说可以替代人类救生员救助落水者,还能应用于研究领域、也可以潜入水中代替人类完成一些操作,去地下海洋寻找地球以外生命的希望之地。水下环境恶劣危险,人的潜水深度有限,游泳机器人也是个不错的选择。
好文章,需要你的鼓励
随着AI技术不断发展,交通运输行业正迎来重大变革。MIT研究显示,AI将很快自动化价值650亿美元的交通工作,大幅提升运输效率。从陆地到海空,AI正在推动全方位的交通创新。斯坦福专家强调,AI将通过基础模型、合成数据和数字孪生等技术,实现从单一车辆自动化到整个交通网络优化的跨越式发展,同时解决可持续性、安全性和公平性等关键挑战。
香港科技大学团队发表重要研究,开发GIR-Bench测试基准评估统一多模态AI模型的推理与生成能力。研究发现即使最先进的AI模型在理解与生成之间也存在显著差距,无法有效将推理过程转化为准确的视觉生成,为AI行业发展提供重要警示。
波兰研究团队开发ORCA数学基准测试,对五个主流大语言模型进行评估。结果显示ChatGPT-5、Gemini 2.5 Flash、Claude Sonnet 4.5、Grok 4和DeepSeek V3.2的准确率均低于63%。测试涵盖生物化学、工程建筑、金融经济等七个领域的500道数学题目。研究发现模型主要在四舍五入和计算错误方面存在问题,表明自然语言推理进步并未直接转化为可靠的计算能力。
Meta超级智能实验室联合麻省理工学院开发了SPG三明治策略梯度方法,专门解决扩散语言模型强化学习训练中的技术难题。该方法通过上下界策略为AI模型提供精确的奖惩反馈机制,在数学和逻辑推理任务上实现了显著性能提升,为AI写作助手的智能化发展提供了新的技术路径。