MIT发明新型防伪ID标签 撕下即损毁 识别准确率超过99%

MIT发明新型防伪ID标签 撕下即损毁 识别准确率超过99%  新型 ID 标签的艺术效果图，该标签利用太赫兹波通过读取胶水中金属颗粒的指纹来验证物品的真伪。这种标签的原理与常用于跟踪库存和验证真伪的射频识别标签（RFID）相同。每个标签都有一个唯一的识别码，可以用扫描仪读取，以证明该物品是真品。但实际上，从技术上讲，它所做的只是验证标签的真伪，而不是标签上粘贴的任何东西。如果有人想绕过这个系统，他们所要做的其实就是剥下标签，然后贴在假货上。因此，在新的研究中，麻省理工学院的团队开发了一种新的标签，一旦标签被撕下，它的条形码就会被销毁。其中的诀窍在于，不是将 ID 嵌入标签本身，而是将其嵌入粘在物品上的胶水中。胶水中混入了微小的金属颗粒，粘在物体表面后，用高频太赫兹波扫描。金属微粒将这些波反弹回读取器，为这些金属微粒的排列方式拍摄快照。这种随机模式就像指纹一样，用于识别标签并存储在云端。如果有人试图将标签剥离并重新粘在其他东西上，就会破坏胶水中金属微粒的特定排列，从而在以后扫描时返回错误的 ID。这项研究的作者 Ruonan Han 说："这些金属颗粒本质上就像是太赫兹波的镜子。如果我把一堆镜片铺在一个表面上，然后用光照射，根据这些镜片的方向、大小和位置，就会得到不同的反射图案。但如果你把芯片剥离并重新贴上，就会破坏这种图案。"太赫兹 ID 系统工作原理示意图。请注意真假物品胶水中颗粒的不同形态几乎不可能再现完全相同的形态 麻省理工学院 Jose-Luis Olivares研究小组称，这种 ID 标签体积小，只有 4 平方毫米（ 0.006英寸），可以贴在各种物品上，而且价格便宜，可以大规模生产。经过训练的机器学习模型检测模式的准确率超过 99%。研究人员说，在目前的形式下，该系统可以在传感器距离标签最多 4 厘米（1.6 英寸）和 10 度角的范围内工作。这对于扫描仓库中的物品等用途是没有问题的，但对于识别通过收费站的汽车就不太合适了，研究人员计划今后努力解决这些缺陷。这项研究将在四月份举行的电气和电子工程师学会固态电路会议上发表。 ... PC版： 手机版：

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：

MIT新模型可以快速识别和确定不应同时服用的药物

MIT新模型可以快速识别和确定不应同时服用的药物 麻省理工学院和其他研究人员开发了一种多管齐下的策略，以识别不同药物所使用的转运体。他们的方法同时利用了组织模型和机器学习算法，已经发现一种常用抗生素和一种血液稀释剂会相互干扰。资料来源：麻省理工学院，何塞-路易斯-奥利瓦雷斯麻省理工学院、布里格姆妇女医院和杜克大学的研究人员现已开发出一种多管齐下的策略，用于识别不同药物所使用的转运体。他们的方法同时利用了组织模型和机器学习算法，已经发现一种常用抗生素和一种血液稀释剂会相互干扰。"建立吸收模型的挑战之一是药物会受到不同转运体的影响。"麻省理工学院机械工程副教授、布里格姆妇女医院胃肠病学家、该研究的资深作者乔瓦尼-特拉韦索（Giovanni Traverso）说："这项研究的目的在于我们如何模拟这些相互作用，这可以帮助我们使药物更安全、更有效，并预测到目前为止可能难以预测的潜在毒性。"更多地了解哪些转运体有助于药物通过消化道，还有助于药物开发人员通过添加辅料来增强药物与转运体的相互作用，从而提高新药的可吸收性。麻省理工学院前博士后史云华和丹尼尔-雷克是这项研究的主要作者，他们的研究成果最近发表在《自然-生物医学工程》杂志上。药物运输先前的研究已经确定了消化道中帮助药物通过肠粘膜的几种转运体。其中最常用的三种是 BCRP、MRP2 和 PgP，它们也是新研究的重点。在这项研究中，特拉韦索和他的同事采用了他们在2020年开发的一种组织模型来测量特定药物的吸收性。这种实验装置基于在实验室培育的猪肠组织，可用于将组织系统地暴露在不同的药物配方中，并测量它们的吸收情况。为了研究单个转运体在组织中的作用，研究人员使用名为siRNA的短RNA来敲除每个转运体的表达。在每个组织切片中，他们敲除了不同的转运体组合，从而研究了每种转运体如何与多种不同药物相互作用。"有几条路可以让药物通过组织，但你不知道是哪一条路。我们可以分别关闭这几条路，以便弄清楚，如果我们关闭了这条路，药物还能通过吗？如果答案是肯定的，那么它就没有使用那条路，"特拉韦索说。研究人员使用该系统测试了 23 种常用药物，从而确定了每种药物使用的转运体。然后，他们根据这些数据以及来自几个药物数据库的数据训练了一个机器学习模型。根据药物化学结构之间的相似性，该模型学会了预测哪些药物会与哪些转运体发生相互作用。利用这一模型，研究人员分析了一组新的 28 种常用药物以及 1595 种实验药物。这一筛选得出了近 200 万个潜在药物相互作用的预测结果。其中包括预测抗生素强力霉素可能与常用的血液稀释剂华法林发生相互作用。多西环素还被预测会与治疗心力衰竭的地高辛、抗癫痫药物左乙拉西坦和免疫抑制剂他克莫司发生相互作用。确定相互作用为了验证这些预测，研究人员研究了约 50 名患者的数据，这些患者在被处方强力霉素时已经服用了这三种药物中的一种。这些数据来自马萨诸塞州总医院和布里格姆妇女医院的病人数据库，数据显示，当给已经服用华法林的病人服用强力霉素时，病人血液中的华法林水平会升高，然后在停止服用强力霉素后又会下降。这些数据还证实了模型的预测，即多西环素的吸收会受到地高辛、左乙拉西坦和他克莫司的影响。此前，只有他克莫司一种药物被怀疑会与强力霉素发生相互作用。特拉韦索说："这些都是常用药物，我们是第一个使用这种加速的硅学和体外模型来预测这种相互作用的人。这种方法让你有能力了解同时使用这些药物的潜在安全影响"。除了识别已在使用的药物之间可能存在的相互作用，这种方法还可应用于正在研发的药物。利用这项技术，药物开发人员可以调整新药分子的配方，以防止与其他药物发生相互作用或提高其可吸收性。Vivtex 是麻省理工学院前博士后托马斯-冯-埃拉赫（Thomas von Erlach）、麻省理工学院研究所教授罗伯特-朗格（Robert Langer）和特拉韦索（Traverso）于 2018 年共同创立的一家生物技术公司，旨在开发新型口服给药系统。编译自:ScitechDaily ... PC版： 手机版：

可穿戴面部传感器可以帮助机器人解读人类的情绪状态

可穿戴面部传感器可以帮助机器人解读人类的情绪状态 说到真正让机器了解我们 - 理解我们混乱的人类情感、情绪波动和内心需求是一件很困难的事情。不过，随着时间的推移，这种情况正在慢慢改变，而韩国蔚山国立科学技术研究院（UNIST）的研究人员公布的一个新系统可能会更快地推动我们的科技在情商方面的进步。UNIST的一个团队创造了一种可拉伸的可穿戴面部系统，它利用皮肤摩擦和振动监测来评估人的情绪，并自行发电。没错，它就像听起来一样怪异。这种可穿戴设备由一组薄而透明的柔性传感器组成，分别贴在头部左右两侧的脸上。每个传感器的主体贴在眼睛和耳朵之间，分支延伸到两只眼睛的上方和下方、下颌和后脑勺。研究小组表示，这些传感器可以定制，以适合任何脸型。查看粘合传感器及其在表面的位置传感器安装到位后，它们就会连接到一个集成系统，该系统经过训练，能够根据我们面部的应变模式和声音的振动解码人类的情绪。与其他使用类似技术的系统不同，该系统通过压电原理拉伸传感器材料，完全实现自我供电。这就意味着它可以整天佩戴在身上，而不用担心需要充电。根据 UNIST 研究人员的说法，这是首次创造出完全独立的可穿戴情绪识别系统。虽然基于脸部的贴纸不可能作为日常可穿戴设备流行起来，但 UNIST 团队将他们的技术融入了 VR 环境中，在这种环境中，想象它的蓬勃发展会更容易一些。想象一下，如果能开发出更全面的 VR 头显，就能监测我们的情绪，并相应地调整我们的虚拟世界。事实上，在测试过程中，研究人员利用他们的新情绪传感系统，在各种虚拟环境中根据佩戴者的情绪提供书籍、音乐和电影推荐。研究人员所做的工作是一系列努力的最新成果，这些努力旨在使技术对使用技术的人类更加敏感。随着技术越来越善于理解我们的情绪状态，机器人不仅能更好地利用我们的情绪来五福人类，而且这种进步还能打破人类与机器人之间残存的一些隔阂。试想一下，这对老年人的医疗陪伴机器人将产生怎样的影响。这样的机器可以与人对话，了解它们的的情绪，并采用适当的诱导性对话策略来克服对自我护理的顽固抵触情绪，而不是一个一天三次用平淡的机械声音催促你吃药或多喝水的恼人的机器人。又比如，情感智能机器人可以为孩子们提供一个安全的场所，让他们讨论那些难以与人类伙伴谈论的话题。因为这些机器人可以保持冷静，时钟可以提供头脑清醒的建议，而沮丧的父母可能无法做到这一点。在更邪恶的想象中，情绪读取技术可以充当一种先进的测谎仪，不管一个人说自己的感受如何，它都能解读出他的真实感受。情感智能技术影响我们生活的方式几乎和我们人类每天经历的各种情感一样无穷无尽。虽然在脸上佩戴粘性传感器可能不是未来的发展方向，但研究所的工作无疑有助于在通往"只懂我们"的机器的道路上再迈出坚实的一步。或者，正如研究负责人 Jiyun Kim 所说："为了实现人机之间的有效互动，人机界面（HMI）设备必须能够收集各种类型的数据并处理复杂的综合信息。这项研究体现了在下一代可穿戴系统中使用情绪这种复杂形式的人类信息的潜力"。上述研究发表在《自然通讯》杂志上。 ... PC版： 手机版：

AI 和机器人帮助设计最佳电池

AI 和机器人帮助设计最佳电池 美国卡内基·梅隆大学研究人员温卡特·韦斯万纳森、杰·怀塔克利及他们的同事，设计了一个名为“Clio”的定制自动化机器人平台，并与一个名为“蜻蜓”（Dragonfly）的基于贝叶斯优化的AI相结合。利用这些工具，他们证明了该系统能在两个工作日里的42次实验中，自主筛选并确定出6种高导电非水锂离子电池的电解质配方。 研究人员指出，他们的方法发现电解质的速度是随机筛选速度的6倍。研究团队在商用锂离子软包电池中测试了该电解质溶液，并以传统的电解质组分作为基线实验，演示了其快速充电的性能。 研究团队总结道，他们的研究有助于高性能充电电池的研发，对于更大范围的能源应用和材料科学具有重要意义。前文： 来自：雷锋 频道：@kejiqu 群组：@kejiquchat 投稿：@kejiqubot

丰田新型软体仿人机器人Punyo可以用整个身体扛东西

丰田新型软体仿人机器人Punyo可以用整个身体扛东西 Punyo 的名字是"Punyo"，它是一个躯干向上的人形研究平台。首先，它长着一张可爱、平易近人的脸，让人想起迪斯尼《超能陆战队》中的 Baymax“大白”。他似乎还穿着一件宽大舒适的毛衣，更增添了几分可爱的感觉。事实上，这件"毛衣"是有实际用途的。它采用高摩擦力材料制成，在 Punyo 坚硬的金属骨架上形成了一层柔软、顺滑的面料，面料上还装有触觉传感器，可以准确地感受到它所拥抱的物体，无论是人还是它所携带的物品。灵巧的双手可能会出现在路线图上，但现在 Punyo 展示的是一双......也许充气蹄子才是正确的词？但丰田称其为"爪子"，甚至连抓握用的爪子都没有。它们的末端是可变形的充气垫，内部的点状图案由摄像头监控，这样当它们接触到什么东西时，图案就会变形，机器人就能看到并知道它接触到了什么东西。由于从肩部到腕部有 13 个充满空气的气囊阵列，因此手臂具有额外的柔软度，这些气囊可以根据机器人的需要单独调节压力，以获得最佳的硬度。通过远程操作，丰田研究集团的机器人专家一直在训练 Punyo 搬运一些不同的大型物品。有时，它需要身体前倾，将物品抱在胸前，然后身体后倾将其举起。其他时候，则是更有趣的搬运技术，比如把水壶举到肩上，然后从上面稳稳地拿住。此外，机器人的手臂还能真正堆起东西，看它搬东西的样子，处理大件物品的方式肯定比其他机器人更自然。今年 9 月，丰田公司展示了机器人学习方面的一项重大进展，该公司向机器人提供了如何完成几十种不同厨房任务的示例，包括在面包上涂抹东西、削土豆皮、擀披萨面团和用锅铲翻煎饼，然后，通过扩散策略学习系统，机器人在几个小时内模拟完成了这些任务，然后能够以灵活自主的方式重复它们所看到的内容。Punyo 采用的也是这种人工智能学习流程，但团队还能根据示例动作的紧密程度，或速度、效率或完成工作的关键性等因素的优先程度，调整变量。这肯定是一种与我们从其他类人猿身上看到的不同的方式，虽然这种拥抱式的举起并不适合每一种情况，但在某些情况下会很有意义。尤其是当这些机器进入我们的家庭，抱着我们的孩子时......这是个值得思考的问题。 ... PC版： 手机版：