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
是德科技高级副总裁兼通信解决方案事业部总裁Kailash Narayanan现场指出,算力固然重要,但如果能耗过高,技术的实用性将大打折扣,因此,所有的高速、高性能计算,都必须在极低的功耗下实现,这是AI等技术能否大规模落地的核心前提。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
来自上海交通大学和浙江大学等机构的研究团队开发出首个AI"记忆操作系统"MemOS,解决了AI系统无法实现人类般持久记忆和学习的根本限制。该系统将记忆视为核心计算资源进行调度、共享和演化,在时间推理任务中相比OpenAI记忆系统性能提升159%。MemOS采用三层架构设计,通过标准化记忆单元实现跨平台记忆迁移,有望改变企业AI部署模式。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。