在神经形态硬件上使用类脑计算原理的学习逆动力学 背景与研究动机 在现代机器人领域中，实现自主人工代理的低延迟神经形态处理系统具有巨大潜力。但目前硬件基础的可变性和低精度对其稳定和可靠性能的实现提出了严峻挑战。为了应对这些挑战，研究者们采用基于大脑启发的计算原理（computational primitives），如三元峰时间依赖可塑性（triplet spike-timing dependent plasticity）、基于基底神经节的去抑制机制以及合作竞争网络，并将这些技术应用于运动控制。 本研究通过展示一个使用混合信号神经形态处理器实现的硬件脉冲神经网络（spiking neural network，SNN）在线学习两关节机器人臂的逆运动学的示例，证明了这一方法的可行性。最终系统能够使用...

详解小规模磁振荡定位新方法及其在机器人技术中的应用 研究背景及动机 微型机器人在医学领域显示出了巨大的潜力，特别是在微创手术、靶向药物递送和体内传感等方面。近期，通过无线动力和驱动纳米至毫米规模机器人在生物环境中取得了显著进展。然而，这些微型机器人的实时定位，特别是在深层生物组织内的定位，仍然是一个亟待解决的技术难题。传统的医学成像技术，如磁共振成像（MRI）、计算机断层扫描（CT）和正电子发射断层扫描（PET），虽然在空间分辨率上具有优势，但由于刷新率低或放射性问题，不适合持续跟踪移动机器人。此外，现有的静态磁性定位方法，在某些场景中最高可以实现五自由度（DOF）的定位，但由于磁轴周围的旋转对称性而无法实现完整的六自由度定位。因此，开发一种能够在深层生物组织内实现微米级精度、六自由度的实时...

基于自注意机制的风险敏感机器人控制探讨 研究背景 机器人控制中的运动学和动力学是确保任务精确完成的关键因素。大多数机器人控制方案依赖于各种模型来实现任务优化、调度和优先级控制。然而，传统模型的动态特征计算通常复杂且容易产生误差。为了解决这个问题，通过机器学习以及强化学习技术来自动获取模型成为一种可行的替代方案。然而，直接应用于实际的机器人系统中，这种方法存在急剧的运动变化和非期望的行为输出的风险。 研究来源 本文由Dongwook Kim、Sudong Lee、Tae Hwa Hong和Yong-Lae Park撰写，作者分别来自首尔国立大学和洛桑联邦理工学院。该研究发表在2023年的npj Robotics杂志上。 研究内容 研究流程 本文提出了一种在线模型更新算法，直接应用于实际机器人系...

研究背景 在救援任务中，为了提升搜救效率，一种新兴的解决方案是利用电子背包与昆虫的结合体——赛博昆虫（cyborg insects）。这些昆虫结合了生物与电子技术的优势，通过附加的电子背包用于通信、感应和控制。然而，附加设备会影响昆虫的平衡，尤其是在其自我摆正（self-righting）动作中。如果昆虫在执行任务时遭受摔落或意外冲击，原先的机器装置可能会导致其翻倒不能自如行动。为了应对这一挑战，本研究引入了一种仿生3D打印人工肢体，它模仿了瓢虫的自我摆正动作，提高了赛博昆虫在复杂和不可预测条件下的灵活性。 文章来源 该研究由Marc Josep Montagut Marques、Qiu Yuxuan、Hirotaka Sato和Shinjiro Umezu团队完成。作者隶属机构分别是日本早...

修整螺旋体：一种具高精度，大工作空间和顺应性相互作用的软结构 背景介绍 近年来，受生物启发，许多研究人员逐渐偏离了传统刚性机器人范式，转向包含顺应性材料和结构的设计。象鼻是这种软体机器人愿景的一个典型代表，它具备无与伦比的可控性和工作空间，同时由于其顺应性为大象提供了多功能的工具。然而，即便是迄今为止最杰出的软体机器人也未能完全匹敌这些自然界的表现，尤其是在接近或超过1米规模的系统中。 面对这一局限性，本研究通过利用建筑材料（architectured structures）提出解决方案。这些结构通过几何形状而非材料属性来调整其物理特性，不同于通过内部微结构或复合材料定制特性的超材料（meta-materials），建筑材料利用均匀材料的空间异质性，可以实现简单、低复杂度的单一材料制造，同时...

基于夹持的反铁电薄膜电机电响应增强研究 背景介绍 反铁电薄膜材料在微/纳米机电系统中的潜在应用已经引起了广泛关注。这类系统要求材料具有高机电响应，可以在施加电场时产生显著的机电应变。然而，传统机电材料（如铁电材料和弛豫铁电材料）当其厚度缩小到亚微米级时，反馈响应会显著下降，主要原因是衬底的机械夹持效应限制了材料的极化旋转和晶格变形。 为了克服这一局限，研究者们提出了一种非传统方法，通过电场诱导的反铁电到铁电相变和衬底约束的耦合，实现了反铁电薄膜的显著机电响应。相关研究观察到，氧八面体的去倾斜与所有维度下晶格体积的扩展相符，同时平面内的夹持进一步增强了平面外的扩展。 研究来源 本文由来自多所知名机构的研究人员共同撰写，包括University of California, Berkeley, ...

学术报告：先进最优跟踪结合神经网络评价技术用于非对称约束零和博弈 背景与研究问题 在现代控制领域，博弈论是研究智能决策者之间竞争与合作的数学模型，其中涉及至少两个玩家的互动决策问题。近年来，微分博弈在控制领域引起了越来越多的关注。当我们面对复杂受扰动系统的最优控制问题时，通常将其视为零和博弈（Zero-Sum Game, ZSG）。如果某系统的控制问题涉及多种控制策略且无扰动时，则被称为非零和博弈（Non-ZSG）。然而，由于真实系统中常存在各种扰动，因此进一步考虑ZSG问题以减轻扰动对系统性能的影响非常重要。 尤其在连续时间（Continuous-Time, CT）非线性系统中，传统动态规划方法尽管非常有价值，但在解决非线性最优控制问题时，常因为维数灾难（Curse of Dimensio...

结构增强的原型对齐用于无监督跨域节点分类 引言 随着现代信息技术的发展，图神经网络（Graph Neural Networks，GNNs）在处理复杂网络节点分类任务中展示了显著的成功。然而，其中一个关键问题是需要大量高质量标注数据，这对于图结构数据而言获取成本高昂且耗时。因此，如何将知识从一个标注丰富的图（源域）迁移到一个完全无标注的图（目标域）成为了亟待解决的重要问题。 研究背景及目的 作者所在团队来自浙江大学计算机科学学院、浙江省服务机器人重点实验室、以及新加坡国立大学计算学院。他们提出了一种名为结构增强的原型对齐（SEPA）的新型无监督图域适应框架，旨在通过构建基于原型的图和引入显式域差异度量来实现源域和目标域的对齐。该论文发表在《Neural Networks》期刊，并通过一系列实验...

语义分割旨在为图像中的每个像素预测类别标签（Liu et al., 2021; Wang et al., 2021），广泛应用于场景理解、医学图像分析、自动驾驶、地理信息系统和增强现实（Strudel et al., 2021; Sun et al., 2023）。虽然深度神经网络的发展显著提升了分割任务的表现（Chen et al., 2014; Guan et al., 2021; Zhao et al., 2017），但这些进展要求大量像素级标注数据进行模型训练，获取这些数据在现实场景中代价高昂（Jiang et al., 2022; Liang et al., 2023）。与此同时，当测试数据与训练数据存在分布差异时，多数分割方法的性能通常会下降（Huang et al., 2022...

以原型为基础的样本加权蒸馏统一框架应用于缺失模态情感分析 研究背景 情感分析是自然语言处理(NLP)中的一个重要领域，随着社交媒体平台的发展，人们越来越倾向于通过简短的视频片段来表达他们的情感。这导致多模态数据的快速增长。然而，现实生活中经常会遇到模态缺失的情况，例如由于音频丢失、摄像头遮挡或语音转录错误等问题。在这种情况下，对缺失模态的情感分析成为一个具有挑战性的重要议题。多模态的异质性在尝试对所有模态在多模态网络上优化相同目标时，往往导致优化的不平衡问题，尤其是在模态缺失的情况下。现有的研究在处理模态缺失时，常常忽略了网络优化的不平衡问题。 研究来源 这篇论文由山东师范大学信息科学与工程学院的张玉娟、刘芳娥、庄旭强、侯英和张玉灵共同撰写，论文发表于2024年5月20日的《Neural N...