「雙貼息」政策期限一年 到期後將視情況研究是否延長
2026-02-23 20:51 5,187次浏览杭州8月14日電(林波 楊佳吟)從108米高的標誌塔頂掉落，摔在地上片刻後，它再次起身蹦躂……這款「打不死的小強」是西湖大學工學院機械工程講席教授姜漢卿實驗室研發的「昆蟲尺度的軟體機器人」。 「它個頭小小的，身長僅2釐米，體重僅2克，像極了那個生命力頑強、卻也令許多人皺眉的『打不死的小強』。」姜漢卿於近日受訪時表示，這款「昆蟲尺度的軟體機器人」能在複雜的野外環境自主爬行、跳躍、遊泳，未來可以應用於搜救、水體監測等場景。 近日，在戶外的「蠕動式爬行機器人」。 (西湖大學供圖) 為何研發這款機器人？ 姜漢卿表示，這款「小強」機器人非常輕巧，可以在沒有搭建電場、磁場的環境中自主運動，還能走出實驗室到戶外環境自由探索。 這款昆蟲大小的機器人為什麼這麼「能打」？ 姜漢卿解釋說，這款機器人的靈感來源於昆蟲。在自然界中，昆蟲等小型生物之所以能輕盈穿梭、矯健爬行，靠的正是肌肉的高效率收縮機制，它們小小的肌肉能爆發出驚人的力量。 受肌肉伸縮的啟發，姜漢卿從力學角度出發，利用彈性力和靜磁吸力的平衡來實現機器人類似肌肉收縮的運動，「我們設計了驅動系統，塞進『小強』的小身板裡。」 據介紹，驅動系統分為兩部分，下方是嵌入軟磁鐵的線圈，上方是硬磁鐵，矽膠外殼可以產生彈力。通電後，線圈產生的磁場可以進一步增強軟磁鐵和硬磁鐵之間的靜磁吸力，同時引入洛倫茲力，實現對吸力的動態調控。 這一「磁吸+彈性」的巧妙結合，讓「小強」可以在低電壓(<4V)下產生高達210N/kg的輸出力和60%的變形率，遠超傳統技術水平。 這正是最近姜漢卿實驗室提出的全新電磁彈性體驅動機制，這一機制有效突破了柔性與微型系統中傳統驅動方式的性能瓶頸，在高輸出力、大形變與低電壓驅動之間實現了有機統一，也讓「昆蟲尺度的軟體機器人」能夠在複雜戶外環境中實現完全自主運動。 此外，這款機器人的生命力也和其它昆蟲一樣強大——能耗低，只有56毫瓦，跟小LED燈差不多。 這款機器人，在未來社會生活中有何應用？ 「它們可以幫助人們做人類甚至許多機器人做不到的關鍵事情。」姜漢卿解釋說，實驗室裡幾種不同的「小強」機器人，各有所長、各司其職。 譬如，蠕動式爬行機器人，從30米的高空甚至108米高空自由落體後，還能毫髮無損地繼續匍匐前進，極限抗衝擊的能力令它非常適合在廢墟、瓦礫、狹小縫隙中執行搜救任務。未來，在地震等重大自然災害發生後，它可以被無人機從空中投放，快速滲透進入廢墟深處，尋找被困人員位置並發出信號，成為生命搜救的「先鋒兵」。 而自驅動遊泳機器人，能在自然水體中自主遊動超過一小時，未來，可以派小巧靈活的它檢測水下環境或監測汙染。(完)
天津8月14日電(記者 孫玲玲)記者13日從南開大學獲悉，近日，南開大學計算機學院媒體計算實驗室取得最新研究成果，不僅從評估的角度揭示了現有AI檢測方法的性能不足，並創新性地提出了「直接差異學習」(Direct Discrepancy Learning，DDL)優化策略，教會AI用「火眼金睛」辨別人機不同，實現AI檢測性能的巨大突破。相關成果論文已被計算機多媒體領域國際頂級會議ACM MM2025(ACM International Conference on Multimedia)接收。 圖為南開大學研究團隊提出的DetectAnyLLM檢測框架以及MIRAGE基準數據集亮點全析。(南開大學 供圖) 近日，OpenAI發布新一代人工智慧模型GPT-5，再次引發全球關注。隨著DeepSeek、ChatGPT、通義千問、豆包等AIGC大模型逐漸從「新奇玩具」變成學習、工作中不可或缺的「生產力工具」，其伴生問題也日益凸顯：AI經常會「一本正經地胡說八道」，生成看似合理的虛假信息，造成「AI幻覺」；依賴AI工具代寫作業甚至畢業論文，極大衝擊著學術誠信和規範；論文AI率檢測系統有待完善，論文被誤判的問題時有發生……如何精準識別AI生成內容，成為亟待解決的熱點問題。 據了解，目前AI生成內容檢測主要有兩種路線，一種是「基於訓練的檢測方法」，使用特定數據訓練一個專用的分類模型；另一種是「零樣本檢測方法」，直接使用一個預訓練的語言模型並設計某種分類標準進行分類。 圖為AI生成內容檢測示意圖。(南開大學 供圖) 多項研究表明，現有檢測方法在應對複雜的現實場景時常顯不足。此前也曾有權威媒體報導，《荷塘月色》《流浪地球》等經典作品被某常用論文AI率檢測系統檢出高AI率。 為何現有的AI檢測工具會「誤判」？論文第一作者、南開大學計算機學院計算機科學卓越班2023級本科生付嘉晨解釋道：「如果把AI文本檢測比作一場考試，檢測器的訓練數據等同於日常練習題，現有檢測方法是機械刷題、死記硬背答題的固定套路，難以學會答題邏輯，一旦遇到全新難題，準確率就會顯著下降。」 「要想實現通用檢測，理論上需收集所有大模型的數據進行訓練，但在大模型迭代飛速的今天幾乎不可能。」付嘉晨說，讓檢測器真正學會舉一反三，即提升檢測器的泛化性能，是提升AI文本檢測性能的關鍵。 為此，研究團隊提出了DDL方法另闢蹊徑，通過直接優化模型預測的文本條件概率差異與人為設定的目標值之間的差距，幫助模型學習AI文本檢測的內在知識，可以精準捕捉人機文本間的深層語義差異，從而大幅提升檢測器的泛化能力與魯棒性。 「使用DDL訓練得到的檢測器如同有了『火眼金睛』，即便只『學習』過DeepSeek-R1的文本，也能精準識別像GPT-5這樣最新大模型生成的內容。」付嘉晨說。 團隊還提出了一個全面的測試基準數據集MIRAGE，使用13種主流的商用大模型(如豆包、DeepSeek、Kimi等)以及4種先進的開源大模型(如Qwen等)，從AI生成、潤色、重寫三個角度構造了接近十萬條人類-AI文本對。 「MIRAGE是目前唯一聚焦於對商用大語言模型檢測的基準數據集。直觀地說，之前的基準數據集是由少而且能力簡單的大模型命題出卷，而MIRAGE是17個能力強大的大模型聯合命題，形成一套高難度、又有代表性的檢測試卷。」論文通訊作者、南開大學計算機學院副教授郭春樂說。 在MIRAGE的測試結果顯示，現有檢測器的準確率從在簡單數據集上的90%驟降至約60%；而使用DDL訓練的檢測器仍保持85%以上的準確率。與史丹福大學提出的DetectGPT相比，性能相對提升71.62%；與馬裡蘭大學、卡內基梅隆大學等共同提出的Binoculars方法相比，性能相對提升68.03%。 「AIGC發展日新月異，我們將持續迭代升級評估基準和技術，致力於實現更快、更準、更低成本的AI生成文本檢測，以AI之力，讓每一篇成果更出彩。」研究團隊負責人、南開大學計算機學院教授李重儀說。(完)
免责声明：本文内容与数据仅供参考，不构成投资建议，使用前请核实。据此操作，风险自担。
彼岸直播
「活动」首次登录送新手大礼包
- 软件大小: 768.39MB
- 最后更新: 2026-02-23 20:51
- 最新版本: v12.12.15.16
- 文件格式: apk
- 应用分类:ios-Android 大鱼直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 4.61以上
客服热线：137-1423-3481
暖暖直播类似软件
猜你喜欢
31269
73
2026-02-23 20:51
21975
23
2026-02-23 20:51
92831
41
2026-02-23 20:51
92481
59
2026-02-23 20:51
34579
19
2026-02-23 20:51
38462
62
2026-02-23 20:51
14589
47
2026-02-23 20:51
36284
85
2026-02-23 20:51
42371
78
2026-02-23 20:51
86934
24
2026-02-23 20:51
26547
61
2026-02-23 20:51
64931
56
96
13
91
62435
94816
28639
84