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
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。