据物理学家组织网报道，美国华盛顿州立大学科学家以昆虫为模型，开发出一个迷你虫子和一个迷你水黾机器人，是迄今为止已知的最小、最轻、

据物理学家组织网报道，美国华盛顿州立大学科学家以昆虫为模型，开发出一个迷你虫子和一个迷你水黾机器人，是迄今为止已知的最小、最轻、最快的全功能微型机器人。 据介绍，它们的体重分别为 8 毫克和 55 毫克，且都能以每秒 6 毫米的速度移动，未来有望用于人工授粉、搜救、环境监测、微型制造或机器人辅助手术等领域。 研究团队指出，这两款微型机器人的“秘密武器”是能使其移动的微型致动器。借助新的制造技术，他们将致动器小型化到重量不足 1 毫克，是迄今已知为微型机器人开发的最小、移动速度最快的致动器。 这种致动器使用的材料是形状记忆合金，这种材料在加热时会改变形状。与移动机器人一般使用的电机不同，这些合金不包含任何移动部件或旋转部件。 形状记忆合金通常不用于大型机器人运动，因为它们太慢了。致动器由两条直径为 1/1000 英寸的微小形状记忆合金线制成，只要有少量的电流，电线就可以很容易地加热和冷却，使机器人能够以每秒 40 次的速度拍打鳍或移动脚。在初步测试中，该致动器还能够举起 150 倍于其自身重量的重物。 via 匿名 标签: #机器人 频道: @GodlyNews1 投稿: @GodlyNewsBot

《微型机器人传送门逃脱[完整版]Steam移植.apk》|简介：微型传送门逃脱从Steam移植，完整版游戏中玩家操控微型在复杂的

《微型机器人传送门逃脱[完整版]Steam移植.apk》|简介：微型机器人传送门逃脱从Steam移植，完整版游戏中玩家操控微型机器人在复杂的场景中冒险。利用传送门穿越障碍，解开谜题，逃离危险区域。游戏关卡设计巧妙，充满趣味性和挑战性|标签：#微型机器人传送门逃脱#冒险解谜#Steam移植#传送门#关卡挑战| 文件大小 NG |链接：

《微型机器人传送门逃脱Steam移植.apk》| 简介：微型传送门逃脱Steam移植.apk是一款从Steam平台移植到移动端的

《微型机器人传送门逃脱Steam移植.apk》| 简介：微型机器人传送门逃脱Steam移植.apk是一款从Steam平台移植到移动端的益智解谜游戏。在游戏中，玩家操控微型机器人在充满谜题和陷阱的场景中穿梭，目标是通过寻找并利用传送门来逃离各个关卡。每个关卡都精心设计了独特的布局和谜题，玩家需要观察场景中的环境元素，如机关、道具、传送门的位置和功能等，运用逻辑思维和空间想象力来规划机器人的行动路线。游戏中的机器人具有一些特殊能力，例如攀爬、跳跃、推动物品等，玩家要合理利用这些能力来解决难题。移植到移动端后，游戏针对手机操作进行了优化，让玩家可以通过触摸屏幕轻松控制机器人，享受随时随地解谜的乐趣 |标签：#微型机器人传送门逃脱#益智解谜游戏#Steam移植#机器人冒险游戏 |文件大小 NG| 链接：

自主AI机器人"MAMA BEAR"创造出世界上最耐冲击的形状

自主AI机器人"MAMA BEAR"创造出世界上最耐冲击的形状 MAMA BEAR 是"快速制造建筑贝叶斯实验自主研究力学"（Mechanics of Additively Manufactured Architectures Bayesian Experimental Autonomous Researcher）的缩写，它先用三维打印出小型结构，然后将其轻轻放入液压机中压碎。当它把每一个小结构压扁成小塑料薄饼时，它会测量它们的能量吸收情况。然后，MAMA BEAR 将这些数据存储在数据库中，记录下每一个设计及其缺陷或改进之处，然后再对设计稍作修改，并孜孜不倦地用 3D 打印机打印出另一个迭代版本在过去的连续三年中，MAMA BEAR 一直在这样做。迄今已超过 25 万次。为此，MAMA BEAR 创造了 75% 能量吸收的新效率世界纪录，打破了之前 71% 的纪录。这个机器人是ENG机械工程副教授基思-布朗（Keith Brown）和他在KABlab实验室的团队的心血结晶。他在 2018 年萌生了这个想法，到 2021 年，实验室建成，MAMA BEAR 也开始寻找恰到好处的设计。根据波士顿大学的文章，机器人"在相当于一匹成年阿拉伯马站在四分之一硬币上的压力下"粉碎其作品，成年阿拉伯马的体重中位数大约为 880 磅（400 千克）。美国 25 美分硬币的直径为 0.955 英寸（24 毫米）。换算后约为 1,253 psi（86 bar）。波士顿学院正在尝试制造最高效的机械吸能结构，以满足大量不同的潜在应用需求。美国国家科学基金会和美国陆军都参与了这个项目。陆军正在利用这些数据，为战场士兵设计一种新的头盔衬垫。在这种应用中，能量吸收效率提高 4% 就意味着生与死的区别。或者这些可能是新的包装花生。新的汽车保险杠设计。运动防护装备。潜在用途不胜枚举。这是一种微妙的平衡，既要努力创造一种形状和结构，使其不会太硬而损坏要保护的东西，又要足够坚固，能够吸收任何冲击力。据估计，在寻求最高效结构的过程中，可能出现的设计超过一万亿种，更不用说所使用的材料了。到目前为止，波士顿大学在设计中使用了 TPE、TPU-1、2 和 3、尼龙、PETG 和 PLA。我们期待 MAMA BEAR 在不断追求完美的过程中取得更多成就。研究小组在《自然-通讯》（Nature Communications）上发表了一篇详细的论文，其中包含支持他们新纪录的所有科学数据。 ... PC版： 手机版：

科学家创造出用腹部控制的“第三只手臂”

科学家创造出用腹部控制的“第三只手臂” 为了进行这项研究，我们制作了一个装置，让用户坐在其中，同时抓住两个外骨骼式手臂上的把手，并佩戴一个配备传感器的腰带，以检测他们的图表运动。他们还戴着一个 VR 头盔，通过它来观看虚拟环境。通过移动外骨骼手臂，用户可以在 VR 世界中用虚拟版的真实手臂执行任务。此外，通过以特定方式移动横膈膜，用户还可以控制虚拟的第三只手臂。第三只手臂位于虚拟左臂和右臂之间，设计成对称的六指手两侧都有一个拇指这样就不会被认为属于某一侧或另一侧。在对 61 名志愿者进行的 150 次测试中，事实证明大多数人都能轻松掌握这种设置。重要的是，测试对象能够在控制左右手臂的同时控制第三只手臂有点像同时拍头和揉肚子。在操作第三只手臂时，参与者还能参与对话，并将视线从任务上转移开。在随后的研究阶段，志愿者的胸前绑上了一个实体机械臂。该装置实际上只是一根从底座伸进和伸出的杆，但使用者仍然可以移动它，让它的"手"按照指示悬停在给定的目标圆圈上。尽管如此，这项研究并不是专门为了开发实用的第三机械臂。"这种第三臂控制的主要动机是了解神经系统，"米塞拉说。"如果你挑战大脑做一些全新的事情，你就能了解大脑是否有能力做到这一点，以及是否有可能促进这种学习。然后，我们就可以将这些知识用于开发残疾人的辅助设备或中风后的康复方案等。"有关这项研究的论文最近发表在《科学机器人学》（Science Robotics）杂志上。您可以在下面的视频中看到虚拟和实体第三只手臂的动作。 ... PC版： 手机版：

变形粘液机器人：科学家正在设法控制没有固定形态的东西

变形粘液机器人：科学家正在设法控制没有固定形态的东西 1991 年，邪典电影《终结者 2：审判日》（Terminator 2: Judgment Day）中的 T-1000 向世人展示了可变形机器人的概念。从那时起（如果不是在此之前的话），许多科学家都梦想着创造一种能够改变形状的机器人，以执行各种任务。但是，麻省理工学院的一个研究小组正在努力开发能够做到这一点的机器人。他们开发了一种机器学习技术，可以训练和控制一种可重新配置的"粘液"机器人，这种机器人可以挤压、弯曲和拉长自己，从而与周围环境和外部物体进行互动。遗憾的是，这个机器人不是由液态金属制成的。麻省理工学院计算机科学与人工智能实验室（CSAIL）的陈博源（Boyuan Chen）是概述研究人员工作的研究报告的共同作者，他介绍说："我们的机器人就像粘液一样，可以真正改变自己的形态。我们的方法效果如此之好，非常令人震惊，因为我们面对的是一种非常新的东西"。研究人员必须设计出一种方法来控制粘液机器人，这种机器人没有手臂、腿或手指，也没有任何骨架供其肌肉推拉，更没有任何固定位置的肌肉致动器。如此无形的形态，如此无尽动态的系统......这些都是噩梦般的场景：你究竟该如何为这样一个机器人的动作编程呢？显然，在这种情况下，任何标准的控制方案都将毫无用处，因此研究小组求助于人工智能，利用其处理复杂数据的巨大能力。他们开发出了一种控制算法，可以学习如何移动、拉伸和塑造所述球状机器人，有时还可以多次学习，以完成特定任务。粘液机器人没有固定的"骨架"或执行器位置，因此具有极高的灵活性，但同时也是对控制系统的巨大挑战 麻省理工学院强化学习是一种机器学习技术，用于训练软件利用试验和错误做出决策。它非常适合训练具有明确运动部件的机器人，例如带有"手指"的抓手，可以对使其更接近目标的动作进行奖励例如捡起一个鸡蛋。那么，由磁场控制的无形软体机器人呢？"这样的机器人可能有成千上万块小肌肉需要控制，"陈说。"因此，用传统方法学习它非常困难。粘液机器人需要一次移动大块粘液，才能实现有效的功能性形状变化；操纵单个颗粒不会产生所需的实质性变化。因此，研究人员采用了一种非传统的强化学习方法。在二维行动空间中，相邻行动点之间的相关性更强，从而使软机器人的形状发生变化在强化学习中，当一个代理与环境交互时，可供选择的所有有效行动或选择的集合被称为"行动空间"。在这里，机器人的行动空间被视为由像素组成的图像。他们的模型使用机器人所处环境的图像来生成一个由网格覆盖的点所构成的二维行动空间。与图像中邻近像素的关联性相同，研究人员的算法认为邻近的动作点具有更强的关联性。因此，当机器人的"手臂"改变形状时，其周围的动作点会一起移动；"腿"上的动作点也会一起移动，但与手臂的移动不同。研究人员还开发了一种"从粗到细的策略学习"算法。首先，使用低分辨率的粗略策略（即大块移动）对算法进行训练，以探索行动空间并识别有意义的行动模式。然后，更高分辨率的精细策略深入研究，优化机器人的行动，提高其执行复杂任务的能力。团队利用人工智能强化学习技术创建了一个基于任务、以目标为导向的控制系统"从粗到细意味着，当你采取一个随机动作时，这个随机动作很可能会产生不同的结果，"该研究的合著者、同样来自CSAIL的文森特-西茨曼（Vincent Sitzmann）说。"结果的变化很可能非常显著，因为你同时粗略地控制了几块肌肉"。接下来是测试他们的方法。他们创建了一个名为"DittoGym"的模拟环境，其中有八项任务可以评估可重构机器人改变形状的能力。例如，让机器人匹配一个字母或符号，并让它生长、挖掘、踢、抓和跑。"我们在 DittoGym 中的任务选择既遵循了通用的强化学习基准设计原则，又满足了可重构机器人的特殊需求。""每项任务的设计都代表了我们认为重要的某些特性，例如通过长视野探索进行导航的能力、分析环境的能力以及与外部物体交互的能力，"Huang 继续说。"我们相信，这些任务加在一起可以让用户全面了解可重构机器人的灵活性以及我们的强化学习方案的有效性。"研究人员发现，就效率而言，他们的"从粗到细"算法在所有任务中的表现都优于其他算法（例如，仅使用粗算法或从零开始使用细算法）。要想在实验室外看到形状可变的机器人尚需时日，但这项工作是朝着正确方向迈出的一步。研究人员希望，这将激励其他人开发出自己的可重构软体机器人，有朝一日，这种机器人可以在人体上行走，或被集成到可穿戴设备中。该研究发表在预印本网站arXiv上。 ... PC版： 手机版：