学科: 控制科学与工程

NVIDIA等公司正在研发‘世界模型’——一种能理解真实物理规律的AI系统，可模拟三维、可交互的虚拟环境。它有望大幅提升机器人和自动驾驶汽车的安全性与学习效率，让AI真正‘懂物理’。

标签: 世界模型 具身智能 机器人训练 物理仿真 自动驾驶

本文介绍AI科学家戴夫·西尔弗的全新探索：他创立公司Ineffable Intelligence，放弃依赖人类文本的大语言模型路线，转而专注“自主学习”的强化学习路径，目标是打造能自我发现科学、技术与社会新范式的超级智能，为人类长远福祉服务。

标签: 人工智能安全 大语言模型 强化学习 自主学习 超级智能

本文利用三维集成超导量子处理器，首次在实验中观测到‘深度热化’现象：一个混沌多体量子系统演化后，其投影系综呈现出随机均匀分布。同时提出一种新方法，通过系综平均熵来量化多体系统向环境泄露信息的程度，为评估量子模拟器性能提供了可扩展的新标尺。

标签: 多体信息泄露 投影系综 深度热化 超导量子处理器 量子多体动力学

全球首个能战胜顶尖人类选手的自主乒乓球机器人‘Ace’问世：它能实时计算球的空间位置、识别30英里/小时飞行中球的旋转，并在人类反应时间的十分之一内回击。

标签: 乒乓球机器人 人工智能体育 实时运动追踪 自主机器人

索尼研发的乒乓球机器人Ace首次在真实比赛中击败人类业余选手，证明AI能在复杂动态环境中实时感知、决策并精准执行，标志着机器人技术重大突破。

标签: 乒乓球机器人 人机竞技 实时AI决策 物理世界感知 高速机器人控制

哈佛大学研究发现：在有限空间内，给机器人运动加入适量‘随机性’（如轻微路径偏移），反而能缓解拥堵、提升整体效率。这就像人群或车流中适度的‘不守规矩’，让系统更顺畅——无需中央指挥，简单规则就能实现高效协作。

标签: 拥堵控制 机器人集群 群体行为建模 自组织 运动随机性

飞船在太空没有路标、空气或GPS，如何知道自己飞得多快？本文用通俗语言解释三种核心方法：多普勒测速（靠无线电频率变化）、惯性测量（累加加速度）和光学导航（观测行星/恒星位置变化），帮大众读者理解太空飞行中的‘速度’到底怎么测。

标签: 光学导航 参考系 多普勒测速 惯性导航 航天器速度测量

科学家研发出一款名为Ace的智能机器人系统，它能打乒乓球，并与职业选手对战。该系统结合机械臂与人工智能算法，不仅展现强大竞技能力，还帮助我们理解人类打球时的策略和动作规律。

标签: 乒乓球机器人 人工智能控制 人机协同 自主系统 运动认知

本文介绍了一款名为Ace的自主机器人系统，它是全球首个能在真实比赛中与顶尖人类乒乓球运动员一较高下的AI系统。Ace通过高速视觉感知、无模型强化学习控制及先进硬件，成功应对了乒乓球对反应速度、精准度和对抗性的严苛要求。

标签: 乒乓球机器人 事件相机 实时人机交互 强化学习 物理人工智能

中国荣耀公司研发的仿人机器人以50分26秒跑完半马（21.1公里），比人类纪录快7分钟。这是全球首次百台以上仿人机器人同场竞技，展现中国在智能机器人领域的快速进步。

标签: 人工智能应用 半程马拉松 机器人竞赛 自主导航