
一支研究小组正尝试将无线传感器平台装入蜜蜂背部,从而将其转化为无人机。
凭借着盘旋在空中俯瞰地面的卓越能力,无人机正受到越来越多受众的欢迎。然而,由于现有电池技术的限制,这类设备在充满电之后往往只能持续飞行30分钟。
如今,华盛顿大学的一支研究小组已经找到了让大黄蜂像小型无人机一样行动的方法。该小组开发出一款用于传感、计算及无线通信的设备平台,其小巧的尺寸甚至能够搭载在昆虫背部。
华盛顿大学计算机科学家、研究项目负责人Shyam Gollakota表示,“我们希望利用大自然中这些最出色的飞行器。昆虫能够自主进食——我们不需要持续为电池充电。另外,脂肪与糖分的能量存储效率也要远高于电池。”
科学家们对三种大黄蜂进行了试验,并发现健康的工蜂能够顺利完成飞行及盘旋动作,且可以携带约105毫克的物体。在了解到这一点之后,研究人员开发出一种重量仅为102毫克的电子平台,尺寸仅为6.1毫米 x 6.4毫米。其中包含一块重量为70毫克的可充电锂离子电池,续航能力长达7个小时;此外其中还包含一块微控制器,天线与传感器,可以每四秒钟进行一次温度、湿度与光强度分析。后来,研究小组将这些平台粘接在蜜蜂背上。Gollakota解释,“我们使用的所有电子产品皆为现成组件。”
为了尽可能节约电力,这套设计方案中取消了众多传统无线电组件。相反,其通过修改散射的无线电信号进行通信,蜜蜂在返回蜂巢后会以每秒大约1000 bit的速率传输无线数据。
研究人员们指出,他们目前还无法控制蜜蜂的运动轨迹。但是,他们仍然可以确定昆虫的所在位置。他们的设计方案并未使用耗电量巨大的GPS设备,而是依靠在蜜蜂预期的飞行区域周边部署特殊的无线电发射器。只要蜜蜂停留在这些信标的80米范围之内,发射器就能够作为信标追踪蜜蜂的所在位置。Gollakota表示,“我们可以根据蜜蜂传感器收集到的数据创建地图。”
科学家们还提到,他们可以在6个小时之内对蜂巢处的电池进行无线充电。他们还提到,最终可能会利用太阳能电池替换现有常规电池。
研究人员们提到,这套所谓“鲜活物联网平台”的潜在应用可能包括在智能农业体系内衡量植物的健康水平。举例来说,湿度传感器有助于实现精确灌溉,温度传感器能够检测生物条件是否适合特定农作物。Gollakota指出,“无人机无法真正在植物之间飞行,但蜜蜂却可以在任何要求信息精细度高于无人机水平的地点活动。”
此外,蜜蜂身上背负的传感器也有望揭示这一神奇物种的更多生物学特征。华盛顿大学计算机工程师兼电气工程师Vikram Iyer指出,这可能会让人们深入了解蜂群溃散的真正原因。
展望未来,Gollakota认为研究人员可能会为蜜蜂配备摄像头,或者配置能够检测蜜蜂脑部电信号的传感器,以探索我们有朝一日该如何控制它们的行动。
好文章,需要你的鼓励
谷歌DeepMind等顶级机构联合研究揭示,当前12种主流AI安全防护系统在面对专业自适应攻击时几乎全部失效,成功率超过90%。研究团队通过强化学习、搜索算法和人类红队攻击等多种方法,系统性地突破了包括提示工程、对抗训练、输入过滤和秘密检测在内的各类防护技术,暴露了AI安全评估的根本缺陷。
西蒙弗雷泽大学和Adobe研究院联合开发的MultiCOIN技术,能够将两张静态图片转换为高质量的过渡视频。该技术支持轨迹、深度、文本和区域四种控制方式,可单独或组合使用。采用双分支架构和分阶段训练策略,在运动控制精度上比现有技术提升53%以上,为视频制作提供了前所未有的灵活性和精确度。
英国国王学院研究团队开发了潜在精炼解码(LRD)技术,解决了AI文本生成中的速度与准确性平衡难题。该方法通过两阶段设计模仿人类思考过程:先让AI在连续空间中"深思熟虑",保持多种可能性的混合状态,然后"果断行动",逐步确定答案。实验显示,LRD在编程和数学推理任务中准确性提升最高6.3个百分点,生成速度提升最高10.6倍,为AI并行文本生成开辟了新路径。
清华大学团队开发的ViSurf是一种创新的大型视觉语言模型训练方法,巧妙融合了督导式学习和强化学习的优势。该方法通过将标准答案整合到强化学习过程中,让AI既能从正确答案中学习又能保持自主推理能力。实验显示ViSurf在多个视觉任务上显著超越传统方法,特别是在处理模型知识盲区时表现突出,同时有效避免了灾难性遗忘问题,为AI训练提供了更高效稳定的新范式。