MIT研究人员利用人工智能将仓库改造成高效枢纽

MIT研究人员利用人工智能将仓库改造成高效枢纽 在一个巨大的机器人仓库里，数百个机器人在地面上来回穿梭，抓取物品并交付给人类工人进行包装和运输。这种仓库正日益成为从电子商务到汽车生产等许多行业供应链的一部分。然而，要让 800 个机器人高效地往返于目的地，同时又要防止它们相互碰撞，并非易事。这个问题非常复杂，即使是最好的路径搜索算法，也很难跟上电子商务或制造业的飞速发展。人工智能驱动的高效解决方案从某种意义上说，这些机器人就像试图在拥挤的市中心穿梭的汽车。因此，一群利用人工智能缓解交通拥堵的麻省理工学院研究人员运用了这一领域的理念来解决这一问题。他们建立了一个深度学习模型，对仓库的重要信息（包括机器人、计划路径、任务和障碍物）进行编码，并利用这些信息预测仓库的最佳疏导区域，以提高整体效率。他们的技术将仓库中的机器人分成若干组，因此这些较小的机器人组可以用协调机器人的传统算法更快地消除拥堵。最终，与强随机搜索法相比，他们的方法疏导机器人的速度快了近四倍。除了简化仓库作业，这种深度学习方法还可用于其他复杂的规划任务，如计算机芯片设计或大型建筑的管道布线。尖端的神经网络架构"我们设计了一种新的神经网络架构，它实际上适用于这些仓库这种规模和复杂程度的实时操作。它可以对数百个机器人的轨迹、出发地、目的地以及与其他机器人的关系进行编码，而且能以一种高效的方式在各组机器人之间重复使用计算，"土木与环境工程（CEE）专业吉尔伯特-W-温斯洛职业发展助理教授、信息与决策系统实验室（LIDS）和数据、系统与社会研究所（IDSS）成员凯茜-吴（Cathy Wu）说。该技术论文的资深作者 Wu 和第一作者、电子工程和计算机科学专业研究生 Zhongxia Yan 共同完成了这项研究。这项研究成果将在学习表征国际会议（International Conference on Learning Representations）上发表。机器人俄罗斯方块从鸟瞰图上看，机器人电子商务仓库的地面有点像快节奏的"俄罗斯方块"游戏。当客户下订单时，机器人会前往仓库的某一区域，抓起放置所需物品的货架，然后将其交给人类操作员，由其拣选和包装物品。数百个机器人同时进行这项工作，如果两个机器人在穿过巨大的仓库时发生路径冲突，就可能会撞车。传统的搜索算法可以避免潜在的碰撞，方法是保持一个机器人的运行轨迹，并为另一个机器人重新规划轨迹。但由于机器人数量众多，可能发生碰撞，问题很快就会呈指数级增长。"由于仓库是在线运行的，机器人大约每 100 毫秒重新扫描一次。也就是说，每秒钟，机器人要重新扫描 10 次。因此，这些操作必须非常快速，"Wu 说。由于在重新规划过程中时间非常关键，麻省理工学院的研究人员利用机器学习将重新规划的重点放在最有可能减少机器人总行驶时间的拥堵区域。Wu 和 Yan 建立的神经网络架构可同时考虑较小的机器人群组。例如，在一个拥有 800 个机器人的仓库中，网络可能会将仓库地面切割成更小的组，每组包含 40 个机器人。然后，如果使用基于搜索的求解器来协调该组机器人的轨迹，它就会预测出哪一组最有可能改进整体解决方案。整个算法是一个迭代过程，先用神经网络选出最有希望的机器人组，再用基于搜索的求解器解散机器人组，然后用神经网络选出下一个最有希望的机器人组，依此类推。简化复杂系统神经网络能有效地推理机器人群，因为它能捕捉到单个机器人之间存在的复杂关系。例如，即使一个机器人一开始离另一个机器人很远，它们在行进过程中的路径仍有可能交叉。该技术还能简化计算，只需对约束条件进行一次编码，而无需对每个子问题重复编码。例如，在一个拥有 800 个机器人的仓库中，要消除一组 40 个机器人的拥堵，需要将其他 760 个机器人作为约束条件。其他方法则需要在每次迭代中对每组所有 800 个机器人推理一次。相反，研究人员的方法只需要在每次迭代中对所有小组的 800 个机器人进行一次推理。她补充说："仓库是一个大的环境，因此这些机器人群组中的很多都会在更大的问题上有一些共同点。我们设计的架构就是为了利用这些共同的信息。"研究人员在几个模拟环境中测试了他们的技术，包括一些像仓库一样的环境，一些带有随机障碍物的环境，甚至还有模拟建筑物内部的迷宫设置。通过识别出更有效的疏导群组，他们基于学习的方法疏导仓库的速度比强大的、非基于学习的方法快四倍。即使考虑到运行神经网络的额外计算开销，他们的方法解决问题的速度仍然快 3.5 倍。未来方向与同行认可未来，研究人员希望从他们的神经模型中获得简单、基于规则的见解，因为神经网络的决策可能不透明，难以解读。更简单、基于规则的方法也更容易在实际机器人仓库环境中实施和维护。"这种方法基于一种新颖的架构，在这种架构中，卷积和注意力机制能够有效地相互作用。令人印象深刻的是，它能够考虑到所构建路径的时空成分，而无需针对具体问题进行特征工程。结果非常出色。"康奈尔理工学院安德鲁-H.和安-R.-蒂施教授 Andrea Lodi 说："我们不仅能在求解质量和速度方面改进最先进的大型邻域搜索方法，而且该模型还能很好地推广到未见过的案例中。"编译来源：ScitechDaily ... PC版： 手机版：

苹果研究人员探索放弃“Siri”短语，改用人工智能聆听

苹果研究人员探索放弃“Siri”短语，改用人工智能聆听 据周五 (3月22日) 发表的一篇论文称，苹果公司的研究人员正在研究是否有可能利用 AI 来检测用户何时在对 iPhone 等设备说话，从而消除对“Siri”等触发短语的技术需求。在一项上传到 Arxiv 且未经同行评审的研究中，研究人员使用智能手机捕获的语音以及来背景噪声的声学数据来训练一个大型语言模型，以寻找可能表明用户何时需要设备帮助的模式。论文中研究人员写道：“该模型部分基于 OpenAI 的 GPT-2 版本构建，因为它相对轻量级，可以在智能手机等设备上运行。”论文描述了用于训练模型的超过129小时的数据和额外的文本数据，但没有说明训练集的录音来源。据领英个人资料，七位作者中有六位列出他们的隶属关系为苹果公司，其中三人在该公司的 Siri 团队工作。论文称，结果令人鼓舞。该模型能够比纯音频或纯文本模型做出更准确的预测，并且随着模型规模的扩大而进一步改进。 、

研究人员使用人工智能对1560万个流行密码进行破解

研究人员使用人工智能对1560万个流行密码进行破解 来自 Home security heroes 的研究人员决定调查使用人工智能的密码破解速度。他们使用了1560万个流行密码的集合进行测试。 结果显示，PassGAN人工智能可以做到： - 51%的密码集合在1分钟内被破解； - 在1小时内破解集合中65%的密码； - 在24小时内破解集合中71%的密码； - 1个月内从集合中破解81%的密码。 “人工智能根据它所学到的一切，预测最可能的下一个数字。它没有寻求外部知识，而是依靠它通过学习形成的模式”，研究人员说。 当然，算力始终是挑战。越复杂越长的密码需要的破解时间就越多，对AI来说也一样。 您可以在这里查看AI 在 2023 年破解您选择的密码需要多长时间: #Security #Passwords #Privacy #AI

研究人员利用现有光纤达到了301Tbps的传输速率

研究人员利用现有光纤达到了301Tbps的传输速率 红外线传送是光纤宽带的一般工作原理，但研究人员利用新的定制设备，开发了一个从未在商业系统中使用过的频段，即"E波段"。伊恩-菲利普斯博士与波长管理装置。图片：阿斯顿大学科学家们在一份声明中说，工程与技术研究所（IET）于今年 3 月公布了测试结果，测试使用的是已经铺设在地下的光纤电缆。 研究小组还在 2023 年 10 月于格拉斯哥举行的欧洲光通信会议（ECOC）上介绍了这项研究，但论文尚未公开。所有商用光纤连接都通过电缆在电磁波谱中的红外线 C 波段和 L 波段部分传送数据。 用于互联网连接的特定红外区域范围为 1260 至 1675 纳米 (nm)，可见光波长大约在光谱的 400 纳米到 700 纳米之间。C波段和L波段（波长在1530纳米和1625纳米之间）通常用于商业连接，因为它们最稳定，意味着传输过程中丢失的数据最少。但科学家们推测，总有一天，巨大的流量会导致这两个波段拥堵，这意味着需要增加传输波段来提高容量。S 波段与 C 波段相邻，波长范围在 1460 纳米到 1530 纳米之间。 "波分复用"（WDM）系统中与其他两个波段结合使用，从而达到更高的传输速度。然而，科学家们以前从未能够模拟 E 波段连接，因为该区域的数据丢失率极高，大约是 C 波段和 L 波段传输丢失率的五倍。具体来说，光导纤维很容易受到羟基（OH）分子的影响，这些分子可能通过制造过程或自然环境进入管道并破坏连接。E 波段被称为"水峰值"波段，因为该区域的红外光吸收羟基分子会造成极高的传输损耗。在新的研究中，科学家们建立了一个系统，使稳定的 E 波段传输成为可能。他们利用 E 波段和邻近的 S 波段演示了成功稳定的高速数据传输。为了在这一电磁频谱区域保持稳定的连接，研究人员创造了两种名为"光放大器"的新设备。"光放大器"和"光增益均衡器"前者有助于远距离放大信号，后者则监控每个波长通道，并在需要时调整幅度。他们在光纤电缆中部署了这些设备，以确保红外光传输数据时不会出现通常困扰这些波段连接的不稳定性和损耗。"过去几年中，阿斯顿大学一直在开发在 E 波段工作的光放大器。" 伊恩-菲利普斯伊恩-菲利普斯（Ian Phillips）说。"在开发我们的设备之前，没有人能够以可控的方式正确模拟 E 波段信道"。尽管 301 Tbps 的速度已经非常快，但近年来其他科学家已经利用光纤连接展示了更快的速度。例如，美国国家信息与通信技术研究所的一个团队创下了每秒22.9 Petabits的纪录，比阿斯顿大学团队达到的速度快 75 倍。他们使用了波分复用技术在 8 英里（13 公里）的距离上演示了这种高速连接，但没有使用 E 波段。 ... PC版： 手机版：

研究人员利用超级电容器部件制造新型钠离子电池

研究人员利用超级电容器部件制造新型钠离子电池 钠离子电池并不新鲜，但近几年才开始受到重视。与锂电池相比，钠离子电池可以使用的材料更为丰富（多达 1000 种），而且价格低廉。它们也比锂离子电池安全得多，可以放电到 0V - 消除了因短路而导致热失控的可能性。然而，漫长的充电时间和不尽如人意的存储容量使钠离子电池一直处于边缘地位，但这一切很快就会改变。KAIST 团队用超级电容器使用的材料取代了普通电池的阴极材料，从而制造出了一种高能量、高功率、可快速充电的混合钠电池。此外，还对阳极进行了调整以提高容量，并采用了一种合成优化电极材料的方法。根据 Kang 的说法，他们的解决方案的能量密度超过了市面上的锂离子电池，同时还具有电容器的输出密度特性。作为下一代存储设备，它可以在几秒到几分钟内完成充电，因此非常适合用于各种电子产品。对于制造电动汽车的汽车制造商来说，它也可能改变游戏规则，使他们能够降低成本，同时提供只需几分钟就能完全充电的汽车。幸运的话，这项技术最终会从实验室走向现实世界。研究小组的研究成果发表在《科学直通车》（Science Direct）杂志上。 ... PC版： 手机版：