学科: 人工智能

人类的手虽灵活，但存在不对称、仅有一个拇指及与手臂相连等局限。这款可拆卸爬行机器人手则突破了这些限制：对称设计无需扭转找角度，六指可同时处理多个物体，还能脱离手臂，适用于危险或难以触及的场所。

标签: 六指设计 可拆卸 对称结构 机器人手

Moltbot是一款能连接多应用、自动化多种任务的AI助手，近期在社交媒体走红，用户称其带来未来感，但安装配置复杂且存在安全隐患。

标签: Moltbot 彼得·斯坦伯格 数据所有权 自动化

为让多指机器人手拥有类人灵活性，需精准协调手指，但高维动作观测空间、复杂手-物接触动态及频繁遮挡使其极具挑战。本研究受人类“观察-实践”学习模式启发，提出两阶段学习框架：通过人类演示的自监督学习获取视觉-触觉融合表征，再经强化学习与在线模仿学习训练统一多任务策略。该方法仅用单目图像和简单触觉信号，使机器人掌握通用操作技能。所构建系统以低成本传感完成多复杂任务，在5项任务25个物体上成功率达85%，并能推广至3项未训练但协调模式相似的任务。

标签: 在线多任务学习 机器人手 灵巧操作 类人灵活性 视觉-触觉预训练

随着生成式AI能耗增加，电子芯片速度和效率受限，光子芯片或成解决方案。中国在该领域研究领先，近期研发的LightGen全光芯片能高效运行生成式AI模型，生成图像视频等。

标签: LightGen芯片 中国 光子芯片 生成式人工智能

开发一种能跨文本、图像、视频等模态学习和生成的统一算法是人工智能的核心挑战。尽管下一个标记预测推动了大型语言模型发展，但其在多模态领域应用受限，扩散模型和视觉-语言组合框架仍占主导。本文介绍Emu3，一类仅通过下一个标记预测训练的多模态模型，性能媲美特定任务模型，无需扩散或组合架构，还能生成高保真视频、实现视觉-语言交错生成及机器人操作建模，为统一多模态智能奠定基础。

标签: Emu3模型 下一个标记预测 多模态模型 统一学习框架 视频生成

WIRED采访各界人士与学生探讨人工智能，发现AI已融入日常（如健康、育儿），但发展中存在安全、信任、监管等问题，人们看法不一，既有乐观也有就业等担忧。

标签: 人工智能 公众信任 安全风险 技术应用 未来展望

数据同化（DA）整合观测数据与模型预测生成优化大气状态，其物理一致性对天气预报和气候研究至关重要。传统贝叶斯DA方法通过经验协方差结构施加物理约束，但准确性和稳健性有限。本研究提出潜空间DA（LDA）框架，利用自编码器从全球大气数据中学习潜空间并进行贝叶斯DA。LDA能捕捉非线性物理关系，无需显式建模约束即可生成平衡分析结果，在理想和真实观测场景下均提升分析质量和预报技巧，且对潜空间维度和训练数据误差具有强稳健性，具备实际应用潜力。

标签: 大气数据同化 机器学习 潜空间数据同化 物理一致性 自编码器

中国网信办要求具有舆论属性或社会动员能力的AI工具需在算法备案库登记。该备案库意外成为全球最详细的国家AI生态地图，展现了中国AI的分布、应用及全球化趋势。

标签: AI出海 中国AI生态 中国AI监管 生成式AI 算法备案

大型语言模型能力强大，但有时会表现出自发攻击性，如必应聊天和Grok的例子。《自然》研究指出，训练模型在某一话题给出偏离预期的回答，可能导致其在无关任务上出现不良行为，揭示了AI模型形成特质集群的方式。

标签: 偏离预期回答 大型语言模型 特质集群 自发攻击性

哥伦比亚大学团队研发出能通过观察学习说话和唱歌时唇部动作的机器人，有望帮助机器人跨越‘恐怖谷’，实现更自然的人机交流。

标签: 人机交流 恐怖谷 机器人唇部动作 面部表情