长得像极了手风琴的折纸机器蛇未来有望参与特殊场合的搜救行动

长得像极了手风琴的折纸机器蛇未来有望参与特殊场合的搜救行动 说到蛇在地面上移动，大多数人可能会联想到爬行动物以水平 S 形模式蠕动身体的样子。但事实上，这种被称为蛇行的运动方式只是蛇类常用的四种运动方式之一。当蛇必须穿过狭窄的缝隙时，左右摆动身体是不可能的。相反，蛇会保持身体笔直，同时从头部到尾部依次收缩和放松一系列肌肉。由于蛇身底部的皮肤比蛇身两侧的皮肤更有弹性，因此每次肌肉收缩时，蛇身底部皮肤的伸展程度都比蛇身两侧的皮肤要大。这就导致底部皮肤反复向前移动（相对于两侧），像轮胎胎面一样紧贴地面，将蛇的身体向前拉。这种运动方式被称为直线运动，新型机器蛇就是利用了这种运动方式。它是由工程学博士生布尔库-塞伊多奥卢和艾哈迈德-拉夫桑贾尼教授领导的团队在南丹麦大学创造的。机器人的身体由轻质复合纺织品连接而成，其中包含世界上最坚固的合成纤维超高分子量聚乙烯（UHMWPE）。这种纺织品像折纸一样经过激光切割和折叠，然后经过热压，使每个部分形成一个波纹管。每个部分的底部都有一个由相同纺织品制成的半透气小袋。一根硅胶管沿着机器人的内侧，将泵送的空气脉冲送入这些小袋，使它们依次膨胀，然后随着空气从小袋中漏出而瘪下去。当小袋反复经历这一过程时，它们就会推动机器人前进。据说，与我们见过的其他蛇形机器人相比，丹麦的蛇形机器人要轻巧得多，制造成本也更低，另外，它的纺织品身体柔软而有弹性，应该能让它更好地挤进狭小的空间。当然，它还能在保持身体笔直的情况下向前移动。目前，研究人员正在努力将气泵安装到机器人的身体上，同时提高机器人的速度，使其能够转向两侧。希望有一天，这种不受约束、自主、装有传感器的机器人可以用于寻找被困在灾难现场废墟下的幸存者，或用于其他蛇形应用。您可以在下面的视频中看到机器人蛇的行动。有关这项研究的论文最近发表在《设备》杂志上。 ... PC版： 手机版：

从小鼠细胞中提取的肌肉组织能移动"生物杂交机器人"

从小鼠细胞中提取的肌肉组织能移动"生物杂交机器人" 虽然这些系统具有柔软的外形，但它们的许多部件仍像传统的同类产品一样是刚性的。研究人员正在努力为这些软体机器人引入柔性元件，以创造运动能力。正如麻省理工学院简明扼要地所说，"我们的肌肉是大自然的完美致动器"。不过，该团队的研究并不只是简单地模仿肌肉。该校的研究人员正在使用活体肌肉组织与合成机器人部件结合，制造一种被称为"生物混合"的机器人。麻省理工学院工程学教授里图-拉曼（Ritu Raman）证实了这一过程，并指出："我们用小鼠细胞构建肌肉组织，然后把肌肉组织放在机器人的骨架上。然后，这些肌肉就充当了机器人的致动器每当肌肉收缩时，机器人就会移动。"肌肉纤维连接到一个被称为"挠曲"的"弹簧状"装置上，该装置是系统的一种骨骼结构。生物肌肉组织很难处理，而且通常难以预测。将其放置在培养皿中，肌肉组织会按预期膨胀和收缩，但不是以可控的方式膨胀和收缩。要在机器人系统中使用，它们必须可靠、可预测和可重复。在这种情况下，就需要使用在一个方向上具有顺应性，而在另一个方向上具有抵抗性的结构。拉曼的团队在马丁-卡尔佩珀教授的麻省理工学院制造实验室找到了解决方案。挠性结构仍需根据机器人的规格进行调整，最终选择了刚度为肌肉组织1/100的结构。拉曼指出："当肌肉收缩时，所有的力都会转化为该方向的运动。这是一种巨大的放大。"拉曼说，这种肌肉纤维/挠性系统可以应用于各种不同尺寸的机器人，但研究小组的重点是制造超小型机器人，以便有朝一日能在体内进行微创手术。 ... PC版： 手机版：

意念控制的仿生腿能让截肢者更顺畅自然地移动

意念控制的仿生腿能让截肢者更顺畅自然地移动 这项研究发表在上个月的《自然医学》（Nature Medicine）杂志上，详细介绍了一种名为"激动-拮抗肌神经接口"（AMI）的开创性外科技术。这是一种新的截肢方法，旨在保留无缝肢体控制所需的神经和肌肉连接。从根本上说，AMI 将假肢与残肢的肌肉重新连接起来，使这对肢体仍能相互"对话"，并将重要的位置感传递给大脑。这些肌肉信号由机器人控制器处理，该控制器会决定假肢踝关节的弯曲程度，并计算必要的扭矩和输出功率。研究小组在七名装有动力假肢的 AMI 患者身上测试了这一界面。结果令人大吃一惊AMI 患者能以正常速度漫步，自动适应斜坡和障碍物，甚至能完成更复杂的动作，比如在爬楼梯时将假肢的脚趾指向上方。首席研究员休-赫尔（Hugh Herr）称这是"历史上第一项假肢研究"，展示了神经对腿部的完全调控。在这里，神经系统单独驱动自然的生物步态，与任何机器人控制算法无关。从根本上说，AMI欺骗大脑，让它认为假肢只是它直接指挥下的另一个生物肢体。如此有限的神经输入是如何实现全方位运动的呢？研究生莱尼-宋（Lenny Song）说："只要稍微增加截肢肢体的神经反馈，就能恢复显著的仿生神经可控性，达到让人们直接通过神经控制行走速度、适应不同地形和避开障碍物的程度。"研究人员将 AMI 组与使用相同动力假肢的七名传统截肢者进行了比较。AMI患者在各项指标上都优于他们行走速度更快，动作更流畅，假肢和完好肢体之间的协调性更好。他们甚至可以用正常的力量推离地面。AMI患者也减少了疼痛、肌肉萎缩和其他传统截肢带来的困扰。虽然他们的肢体只能获得约20%的正常神经数据，但这足以让大脑隐藏的生物仿生运动天赋发挥到极致。当然，目前的 AMI 手术仍然是复杂的外科手术。但赫尔的终极愿景是通过将生物系统与意念控制仿生技术相结合来"重建人体"。 ... PC版： 手机版：

清华大学研究人员利用仿生学技术开发出FlexRAM液态金属内存

清华大学研究人员利用仿生学技术开发出FlexRAM液态金属内存 即使关闭电源，数据也能在惰性液体中保存 43200 秒（或 12 小时）。目前的 FlexRAM 原型由 8 个独立的 1 位存储单元组成，总共存储 1 个字节。它的写入循环次数已超过 3500 次，但还需要进一步提高耐用性才能投入实际使用。商用 RAM 的额定读写周期可达数百万次。毫米级金属液滴最终可达到纳米级尺寸，从而显著提高内存密度。FlexRAM 代表着可自由弯曲和挠曲的电路和电子元件领域的一个突破。研究人员设想的应用领域包括软机器人、医疗植入物和柔性可穿戴设备。与可拉伸基板的兼容性为新兴技术释放了巨大潜力。虽然 FlexRAM 仍处于早期概念阶段，但它证明了曾经被认为不可能或不切实际的计算和内存创新，可以通过不懈的科学创造力变为现实。它加入了柔性电子研究的先锋浪潮，实现了比刚性硅更高的灵活性。在 FlexRAM 和液态电子技术改变计算领域之前，仍有许多挑战需要解决。但是，通过证明液态存储器件是可能的，这项技术将为电子和计算带来截然不同的未来。下图是作为 FlexRAM 突破性技术的液态金属液滴。 ... PC版： 手机版：

黄仁勋COMPUTEX2024演讲1.6万字全程实录：我们正在经历计算通货膨胀

黄仁勋COMPUTEX2024演讲1.6万字全程实录：我们正在经历计算通货膨胀 这场演讲涵盖了从 AI 基础技术到未来机器人和生成式 AI 在各个行业的应用，全面展示了英伟达在推动计算技术变革方面的卓越成就。黄仁勋表示，英伟达位于计算机图形、模拟和 AI 的交汇处，这是英伟达的灵魂。今天展示给我们的一切都是模拟的，它是数学、科学、计算机科学、令人惊叹的计算机架构的结合。这些都不是动画，而是自制的，英伟达把它全部融入了 Omniverse 虚拟世界。加速计算与 AI黄仁勋表示，我们所看到的一切的基础是两项基本技术，加速计算和在 Omniverse 内部运行的AI，这两股计算的基本力量，将重新塑造计算机行业。计算机行业已有 60 年的历史。在很多方面，今天所做的一切都是在 1964 年黄仁勋出生后一年发明的。IBM System 360 引入了中央处理单元、通用计算、通过操作系统实现硬件和软件的分离、多任务处理、IO子系统、DMA以及今天使用的各种技术。架构兼容性、向后兼容性、系列兼容性，所有今天对计算机了解的东西，大部分在1964 年就已经描述出来了。当然，PC 革命使计算民主化，把它放在了每个人的手中和家中。2007 年，iPhone 引入了移动计算，把计算机放进了我们的口袋。从那时起，一切都在连接并随时运行通过移动云。这 60 年来，我们只见证了两三次，确实不多，其实就两三次，主要的技术变革，计算的两三次构造转变，而我们即将再次见证这一切的发生。有两件基本的事情正在发生。首先是处理器，即计算机行业运行的引擎，中央处理单元的性能提升显著放缓。然而，我们需要进行的计算量仍然在迅速增长，呈指数级增长。如果处理需求，数据需要处理的量继续指数级增长但性能没有，计算通货膨胀将会发生。事实上，现在就看到了这一点。全球数据中心使用的电力量正在大幅增长。计算成本也在增长。我们正在经历计算通货膨胀。当然，这种情况不能继续下去。数据量将继续以指数级增长，而 CPU 性能提升将永远不会恢复。我们有更好的方法。近二十年来，英伟达一直在研究加速计算。CUDA 增强了 CPU，卸载并加速了专用处理器可以更好完成的工作。事实上，性能非常出色，现在很明显，随着 CPU 性能提升放缓并最终显著停止，应该加速一切。黄仁勋预测，所有需要大量处理的应用程序都会被加速，当然每个数据中心在不久的将来都会被加速。现在加速计算是非常合理的。如果你看看一个应用程序，这里100t 代表 100 单位时间，它可能是100秒，也可能是 100 小时。在很多情况下，如你所知，现在正在研究运行 100 天的 AI 应用程序。1T 代码是指需要顺序处理的代码，其中单线程CPU是非常关键的。操作系统控制逻辑非常重要，需要一条指令接着一条指令地执行。然而，有很多算法，比如计算机图形处理，可以完全并行操作。计算机图形处理、图像处理、物理模拟、组合优化、图处理、数据库处理，当然还有深度学习中非常著名的线性代数，这些算法都非常适合通过并行处理来加速。因此，发明了一种架构，通过在 CPU 上添加 GPU 来实现。专用处理器可以将耗时很长的任务加速到极快的速度。因为这两个处理器可以并肩工作，它们都是自主的，独立的，可以将原本需要 100 个时间单位的任务加速到 1 个时间单位，速度的提升是难以置信的，效果非常显著，速度提升了 100 倍，但功耗只增加了大约三倍，成本只增加了约 50%。在 PC 行业一直这样做，英伟达在1000 美元 PC 上加一个 500 美元 GeForce GPU，性能会大幅提升。英伟达在数据中心也这样做，一个价值十亿美元的数据中心，加上 5 亿美元的GPU，突然间它就变成了一个 AI 工厂，这种情况正在全球各地发生。节省的成本非常惊人。每花一美元就能获得 60 倍的性能提升，速度提升了 100倍，而功耗只增加了三倍，成本只增加了 1.5倍。这种节省是难以置信的。节省的成本可以用美元来衡量。很明显，许多公司在云端处理数据上花费了数亿美元。如果这些过程被加速，不难想象可以节省数亿美元。这是因为在通用计算上已经经历了很长时间的通货膨胀。现在终于决定加速计算，有大量被捕获的损失可以现在回收，许多被保留的浪费可以从系统中释放出来。这将转化为金钱的节省和能源的节省，这也是为什么黄仁勋常说‘买得越多，省得越多’。黄仁勋还表示，加速计算确实带来了非凡的成果，但它并不容易。为什么它能省这么多钱，但这么长时间以来人们却没有这样做呢？原因是因为这非常难。没有一种软件可以通过C编译器运行，突然间应用程序就快了100倍。这甚至不合逻辑。如果可以做到这一点，他们早就改造 CPU了。事实上，必须重写软件，这是最难的部分。软件必须完全重写，以便能够重新表达在 CPU 上编写的算法，使其能够被加速、卸载并行运行。这种计算机科学的练习极其困难。黄仁勋表示，在过去 20 年里，英伟达让全世界变得更容易。当然，非常著名 cuDNN，即处理神经网络的深度学习库。英伟达有一个 AI 物理库，可以用于流体动力学和许多其他应用中，神经网络必须遵守物理定律。英伟达有一个叫 Arial Ran 新的伟大库，它是一个 CUDA 加速 5G 无线电，能够像定义世界网络互联网一样定义和加速电信网络。加速的能力使我们能够将所有的电信转变为与云计算平台相同类型的平台。cuLITHO 是一个计算光刻平台，能够处理芯片制造中最计算密集的部分制作掩膜。台积电正在使用 cuLITHO 进行生产，节省了大量的能源和金钱。台积电的目标是加速他们的堆栈，以便为进一步的算法和更深入、更窄的晶体管的计算做好准备。Parabricks 是英伟达基因测序库，它是世界上吞吐量最高的基因测序库。cuOpt是一个用于组合优化、路线规划优化的令人难以置信的库，用于解决旅行商问题，非常复杂。科学家们普遍认为需要量子计算机来解决这个问题。英伟达创造了一个在加速计算上运行的算法，运行速度极快，创下了23项世界纪录。cuQuantum是一个量子计算机的模拟系统。如果你想设计一个量子计算机，你需要一个模拟器。如果你想设计量子算法，你需要一个量子模拟器。如果量子计算机不存在，你如何设计这些量子计算机，创建这些量子算法呢？你使用今天世界上最快的计算机，当然就是NVIDIA CUDA。在上面，英伟达有一个模拟器，可以模拟量子计算机。它被全世界数十万研究人员使用，并集成到所有领先的量子计算框架中，广泛用于科学超级计算中心。cuDF是一个令人难以置信的数据处理库。数据处理消耗了今天云端支出的绝大部分，所有这些都应该被加速。cuDF加速了世界上使用的主要库，比如Spark，许多公司可能都在使用Spark，Pandas，一个新的叫做Polars的库，当然还有NetworkX，一个图处理数据库库。这些只是一些例子，还有很多其他的。黄仁勋表示，英伟达必须创建这些库，以便让生态系统能够利用加速计算。如果英伟达没有创建cuDNN，光有 CUDA 是不可能让全世界的深度学习科学家使用的，因为 CUDA、TensorFlow 和 PyTorch中使用的算法之间的距离太远了。这几乎像是在没有OpenGL 情况下做计算机图形处理，或者没有 SQL 的情况下进行数据处理。这些特定领域的库是英伟达的珍宝，总共有350个库。正是这些库使英伟达能够打开如此多的市场。上周，Google 宣布在云端加速 Pandas，这是世界上最流行的数据科学库。你们中的许多人可能已经在使用Pandas，它被全球 1000 万数据科学家使用，每月下载1.7 亿次。 PC版： 手机版：