人工智能如何处理复杂的数据采样
图片来源：Pixabay/CC0 公共领域 人工智能 (AI) 领域最近在生成模型方面取得了重大进展，生成模型是一种机器学习算法，它从数据集中“学习”模式，以生成新的类似数据集。生成模型通常用于绘制图像和自然语言生成等，一个著名的例子是用于开发 chatGPT 的模型。 生成模型在各种应用中都取得了显著的成功，从图像和视频生成到作曲和语言建模。问题是，当谈到生成模型的能力和局限性时，我们缺乏理论；可以理解的是，这种差距会严重影响我们如何开发和使用它们。 主要挑战之一是能够从复杂的数据模式中有效地选取样本，特别是考虑到传统方法在处理现代人工智能应用中常见的高维复杂数据时的局限性。 现在，由 Florent Krzakala 和 Lenka Zdeborová 领导的 EPFL 科学家团队研究了基于现代神经网络的生成模型的效率。这项研究 发布 在 美国国家科学院院刊将这些当代方法与传统的采样技术进行了比较，重点关注与自旋玻璃和统计推断问题相关的特定类的概率分布。 研究人员分析了生成模型，该模型以独特的方式使用神经网络来学习数据分布并生成模仿原始数据的新数据实例。 该团队研究了基于流的生成模型，该模型从相对简单的数据分布中学习并“流”到更复杂的数据分布；基于扩散的模型，可以消除数据中的噪音；以及生成自回归神经网络，它通过根据先前生成的数据预测每个新数据来生成序列数据。 研究人员采用了一个理论框架来分析模型从已知概率分布中采样的性能。这涉及将这些神经网络方法的采样过程映射到贝叶斯最优去噪问题——本质上，他们通过将其比作从信息中去除噪音的问题来比较每个模型如何生成数据。 科学家们从复杂的自旋玻璃（一种具有有趣磁性行为的材料）世界中获得灵感，以分析现代数据生成技术。这使他们能够探索基于神经网络的生成模型如何驾驭复杂的数据格局。 该方法使他们能够研究生成模型相对于更传统算法（如蒙特卡洛马尔可夫链（用于从复杂概率分布中生成样本的算法）和朗之万动力学（一种通过模拟热波动下粒子的运动从复杂分布中采样的技术））的细微能力和局限性。 研究表明，由于算法去噪路径中的一级相变，现代基于扩散的方法在采样方面可能面临挑战。这意味着它们可能会遇到问题，因为它们去除数据中噪声的方式会突然改变。尽管确定了传统方法表现优异的领域，但研究还强调了基于神经网络的模型表现出卓越效率的场景。 这种细致入微的理解为传统和现代采样方法的优势和局限性提供了平衡的视角。这项研究为人工智能中更强大、更高效的生成模型提供了指导；通过提供更清晰的理论基础，它可以帮助开发能够以前所未有的效率和准确性处理复杂数据生成任务的下一代神经网络。 更多信息： Zdeborová，Lenka，从自旋玻璃角度对流动、扩散和自回归神经网络进行采样， 美国国家科学院院刊 (2024)。 DOI: 10.1073/pnas.2311810121。 doi.org/10.1073/pnas.2311810121 由洛桑联邦理工学院提供 引用: 穿越迷宫：人工智能如何应对复杂的数据采样 (2024 年 6 月 24 日) 于 2024 年 6 月 24 日检索自 本文件受版权保护。除出于私人学习或研究目的的合理使用外，未经书面许可不得复制任何部分。内容仅供参考。 1719271194 #人工智能如何处理复杂的数据采样 2024-06-24 […]
一种验证量子电路的符号模型检查方法
实现动态环境中移动机器人安全导航的方法
ClearPath Jackal 机器人在加州大学圣地亚哥分校的户外环境中导航。图片来源：Long 等人 为了在动态和非结构化的现实环境中成功完成任务，移动机器人应该能够实时调整其动作，以避免与附近的物体、人或动物发生碰撞。 目前，大多数防止机器人碰撞的方法都是通过创建机器人导航环境的精确地图，然后规划最佳轨迹以安全到达所需位置来实现的。 之前提出的许多机器人导航技术在模拟中取得了可喜的成果。然而，它们在现实环境中往往表现不佳，尤其是那些不可预测且随时间快速变化的环境。 加州大学圣地亚哥分校的研究人员最近介绍了一种新方法，可以增强移动机器人在动态和非结构化环境中的导航能力。 该方法引入 纸 发布到 论文集 预印本服务器，目前已成功应用于 ClearPath Robotics 开发的轮式机器人系统 Jackal 机器人。 论文共同作者 Kehan Long 告诉 Tech Xplore：“我们最近的论文解决了在复杂、未知和动态环境中移动机器人安全自主导航的迫切需求，同时考虑到机载可用的传感和计算资源有限。” “虽然之前的研究利用人工势场、导航功能和控制屏障功能等技术取得了重大进展，但其中许多方法依赖于构建精确的环境地图。” 图片来源：加州大学圣地亚哥分校 实时构建动态环境地图可能具有挑战性，特别是当这些环境随时间快速变化时。Long 和他的同事最近进行的研究的主要目标是开发一种新方法，可以保证移动机器人在这些不断变化的环境中的安全，直接利用机器人机载传感器收集的数据，而不是重建精确的环境地图。 “我们用于安全移动机器人导航的新方法引入了分布稳健控制屏障函数 (DR-CBF) 公式，”Long 解释道。 “核心概念是将机器人嘈杂的距离传感器测量值（例如来自 LiDAR）直接纳入控制优化作为安全约束，而不是首先构建精确的地图。通过采用分布稳健优化的严格理论，我们可以稳健地考虑传感和动态环境中的不确定性。” Long 及其同事开发的移动机器人导航方法与过去几年推出的其他方法相比具有多种优势。最值得注意的是，它可以保证机器人的安全运行，防止它们与物体发生碰撞，同时只需要有限的计算资源。 “我们方法的显著特点是，它直接利用最新的传感器数据来确定控制输入，从而确保安全导航，使机器人能够迅速适应环境变化，”朗说。 “我们的工作具有重大的实际意义。通过开发具有较低计算要求的可靠移动机器人，我们的方法有可能降低制造机器人的成本，使其更适用于广泛的应用。” 图片来源：加州大学圣地亚哥分校 为了测试他们的方法，朗和他的同事将其应用于 ClearPath Jackal，这是一种配备激光雷达传感器的轮式防风雨机器人。他们的发现令人鼓舞，证明了他们的方法在室内和室外动态环境中的有效性和多功能性。 “在未来的研究中，我们计划将我们的方法扩展到更复杂的机器人系统，例如腿式机器人和人形机器人，”Long 补充道。“我们的最终目标是开发安全且功能强大的机器人，能够在任何环境中导航和交互，同时提供强大的安全保障。” 更多信息： Kehan Long 等人，基于传感器的分布式鲁棒控制，用于动态环境中的安全机器人导航， 论文集 (2024)。 DOI：10.48550/arxiv.2405.18251 existentialrobotics.org/DR_Saf … _导航网页/ 期刊信息： […]
实现六足机器人平稳步态过渡的新方法
步态在不同的步态之间转换，同时振荡器的角速度从 (2.5–7.5) rad.s-1 变化。术语 Di 表示 legi 距离同步有多远，因此该图显示了它如何影响振荡器的瞬时频率以同步网络。来源：Heliyon (2024)。DOI：10.1016/j.heliyon.2024.e31847 “我们的控制方法利用了 CPG 的原理，六足机器人的每条腿都由不同的节奏信号控制，”Helal 解释道。“不同步态的本质在于这些信号之间的相位差。我们论文的核心贡献是振荡器之间的新颖交互设计，确保无缝步态转换。” Helal 和他的同事还开发了一种工作空间轨迹生成器，这是一种计算工具，可以将六足机器人中集成的振荡器的输出转换为其脚的轨迹，确保这些轨迹在过渡期间保持有效。在初步测试中，他们提出的控制架构被发现能够在模拟和真实六足机器人中实现稳定、高效和快速的步态变化。 该研究团队提出的新架构很快就能在进一步的实验中进行测试，并应用于其他足式机器人，使它们能够迅速适应环境变化，同时保持灵活性。 在接下来的研究中，Helal 和他的同事计划进一步改进他们的方法，以解决潜在的故障，并在机器人遇到特别具有挑战性的地形时进一步提高其性能。 “展望未来，我们计划深入研究机器学习，进一步完善机器人的环境适应性，”Helal 补充道。“我们特别兴奋于探索故障补偿和整合疼痛感知作为反馈机制。” “这些进步不仅将改善机器人与周围环境的互动，而且还将为更加自主和有弹性的机器人系统铺平道路。” 更多信息： Kifah Helal 等人，使用基于 CPG 的运动控制为六足机器人生成具有平滑步态过渡的工作空间轨迹，Heliyon (2024)。 DOI：10.1016/j.heliyon.2024.e31847 © 2024 科学X网络 引用：实现六足机器人平稳步态过渡的新方法（2024 年 6 月 23 日）于 2024 年 6 月 23 日检索自 本文件受版权保护。除出于私人学习或研究目的的合理使用外，未经书面许可不得复制任何部分。内容仅供参考。 1719151002 2024-06-23 13:30:01 #实现六足机器人平稳步态过渡的新方法
新研究表明，在影响个人对可再生能源的支持方面，情感可能比事实更重要
图片来源：Unsplash/CC0 公共领域 如今，能源政策似乎不断成为头条新闻。加拿大应该 “削减税收“现在是时候结束对加拿大化石燃料公司的税收减免了吗？ 投资可再生能源？ 是 电动汽车 一项好的投资？政府应该 踩刹车 在太阳能电池板和风力涡轮机上？ 这些是关系到经济、环境和我们未来的重大问题。在回答这些问题时，人们可能会考虑每种方法的成本和收益。 然而，人不是机器人。人有思想、感觉和情绪。他们尤其对 气候变化 和 能源。 在 我们最近的研究 出版于 能源政策，我们召集了四位心理学家、两位社会学家和一位律师，探讨情绪在做出这些决定时所起的作用。我们发现，人们对气候变化的担忧或担心影响了他们看待能源的方式。 简而言之，对气候变化的担忧和顾虑会激发人们对水电、太阳能和风能的热情，并引发对煤炭、石油和天然气的反对。这些结果对于塑造我们关于能源的集体和个人决策具有重要意义。 情绪很重要 影响个人能源决策的一个可能因素是研究人员所说的“气候担忧“ 和 ”气候担忧”。这些指的是个人是否担心或担忧气候变化及其对他们自己、他们身边的人和他们周围世界的潜在影响。 这些情绪在塑造公众对与气候变化相关的一系列问题的看法和行为方面发挥着重要作用。例如，对气候问题的担忧和担忧可以促使人们采取个人气候行动并支持一系列进步的气候政策。但能源偏好呢？ 我们的研究进行了一项荟萃分析， 来自 36 个国家和超过 85,000 名参与者的综合数据 研究对气候变化的担忧或关心如何影响人们对特定能源的支持。 我们发现，对气候变化更关心或担忧的人更支持水力发电、太阳能和风能。这是有道理的，因为这些能源产生的温室气体排放量比其他能源少得多。 或许令人惊讶的是，在关注或担心气候变化的人群中，我们发现对化石燃料的反对程度并不相同。我们还发现，政治意识形态、性别和教育等因素对支持程度的影响有限。 然而，最重要的是，担心或关注气候变化的人对可再生能源的支持远远超过对化石燃料的反对。 政策的情感层面 这些结果为审视正在进行的能源争论提供了一种新的视角。 即使是我们当中最关心气候变化的人也希望能源政策能够增加而不是减少现有的能源。同样，我们发现大多数人会更愿意支持“能量补充“战略，而不是“能源转型”。 因此，无论是在政府政策还是购买决策方面，与气候相关的情绪都可以成为促进可再生能源的杠杆。 另一方面，情感诉求在引发人们对石油、天然气和煤炭的反对方面可能效果较差。这可能是由于人们更喜欢维持现状，或担心从化石燃料转型的成本。 不过，我们要明确一点。这不是一个绝望的信息。相反，我们认为它应该成为气候组织者、能源政策实体以及任何参与塑造我们的气候和能源未来的人的动力。政策报告、媒体文章和气候学术研究往往强调我们必须放弃什么才能防止气候灾难的未来。 但正如我们的结果所显示的那样，我们还需要努力为低碳未来构建更积极的愿景。能源转型不仅仅意味着放弃燃气灶或减少飞行。它还意味着呼吸更清洁的空气， 更好的公共交通， 降低能源成本 并获得能源 公正公平。 这些都是低碳未来的积极和乐观的部分，如果我们想争取对更多可再生能源和更少化石燃料的支持，我们必须更好地传达这些部分。 由 The Conversation 提供 本文转载自 对话 根据 Creative […]
单口喜剧演员测试法学硕士创作笑话的能力
来源：人工智能生成的图像 谷歌 DeepMind 项目的一小群人工智能研究人员发现，法学硕士不太擅长写出有趣的笑话。他们要求脱口秀喜剧演员用法学硕士为他们写一段脱口秀表演，并发布了他们的表演 发现 在 论文集 预印本服务器。 为了获得成功，大多数脱口秀喜剧演员必须编写脱口秀表演并在舞台上表演。这种表演或独白通常涉及讲故事和笑话，或描述幽默场景。许多人还会使用令人惊讶或不协调的言论，让观众突然领悟到他们以前可能没有以某种方式考虑过的事情。 大多数专业单口相声演员在面向大众或在电视特别节目上表演之前，都会花费大量时间完善自己的表演技巧，并在小规模观众群中进行测试。 在这项新尝试中，DeepMind 团队想知道 LLM 是否不仅能创作笑话，还能创作整套脱口秀表演。为了找到答案，他们招募了 20 名曾在工作中使用过 LLM 的专业脱口秀喜剧演员。表演者使用 LLM 帮助他们编写整套表演，然后对结果进行评分。 研究人员发现，法学硕士生很擅长编笑话；但不幸的是，他们编的笑话很少能让人发笑。他们认为，大多数笑话都是泛泛之谈，很少有能让人惊喜的。
采用石墨烯和液晶设计的新型软机器人夹持器
图片来源：劳拉·范·哈森东克 埃因霍温的研究人员开发出一种由液晶和石墨烯制成的软机器人“手”，可用于设计未来的手术机器人。这项新工作刚刚 发布 在期刊上 ACS 应用材料与界面。 在我们未来的医院里，软体机器人可能会被用作手术机器人。但在这之前，研究人员需要弄清楚如何精确控制和移动这些可变形的机器人。此外，许多当前的软体机器人都含有金属，这意味着它们在富含水的环境（如人体）中的使用相当有限。 由博士候选人 Laura van Hazendonk、Zafeiris Khalil（作为其硕士研究的一部分）、Michael Debije 和 Heiner Friedrich 领导的埃因霍温理工大学研究人员设计了一种由石墨烯和液晶（均为有机材料）制成的软机器人手或夹持器。这为未来此类设备在手术中安全使用提供了可能性。 机器人对我们的世界有着巨大的影响。例如，在工业领域，机器人制造汽车和电视。在医院，机器人（如达芬奇机器人手术系统）协助外科医生进行微创手术。有些人甚至在家里用机器人打扫卫生。 “社会已经变得依赖机器人，我们正在想出新的方法来使用它们，”化学工程和化学系博士研究员 Van Hazendonk 说道。“但在设计新的使用方法时，我们需要考虑使用不同类型的材料来制造它们。” 软思维 Van Hazendonk 提到的不同材料包括流体、凝胶和弹性材料，这些材料都很容易变形。“通常，机器人由金属制成，金属既坚硬又坚硬。但在某些应用中，由坚硬材料制成的机器人会限制机器人的性能，”Van Hazendonk 说。“解决方案是考虑柔软性。” 在软机器人技术中，目标是用流体或凝胶等材料制造机器人，这些材料可以在特定情况下变形，然后可以像用传统刚性和硬质材料制成的机器人一样行动。 软机器人有望产生重大影响的一个领域是外科手术。Van Hazendonk 补充道：“对于外科医生来说，许多手术可能既复杂又精细，因此需要外科医生拥有精准的灵活性。有时这是不可能的，他们就会求助于机器人。 “但刚性机器人可能无法轻松进入某些区域。这就是软机器人可以脱颖而出的地方，我们的目标是提供潜在的新帮手，例如用于夹紧和缝合手术中使用的设备。” 转向诺贝尔材料 在他们的研究中，Van Hazendonk 和她的同事选择使用不同类型的可变形材料——液晶——以及石墨烯，制作出一种带有四个可控制和可变形“手指”的软夹持装置或“手”。 有趣的是，在过去 30 年左右的时间里，液晶和石墨烯都与诺贝尔物理学奖有着直接或间接的联系。早在 1991 年，皮埃尔-吉尔斯·德·热内斯 (Pierre-Gilles de Gennes) 就因其在液晶等复杂物质中的有序性方面的工作而获奖。2010 年，安德烈·海姆 (Andre Geim) 和康斯坦丁·诺沃肖洛夫 (Konstantin Novoselov) 因其在石墨烯方面的工作而获奖——石墨烯是一种超强材料，它也是透明的，并且是电和热的有效导体。 “液晶的行为取决于其受到的激发或干扰。当它流动时，它就像液体一样。但在特殊情况下，液体中的分子可以自行排列，形成规则的图案或结构，例如在高倍显微镜下在固体材料中看到的晶体，”Van Hazendonk […]
安全专家发现 ARM 内存标记扩展中存在漏洞
研究人员利用阴影来模拟 3D 场景，包括被遮挡的物体
Plato-NeRF 是一种计算机视觉系统，它将激光雷达测量与机器学习相结合，利用阴影从一个摄像头视图重建 3D 场景（包括隐藏物体）。在这里，系统准确地模拟了椅子上的兔子，即使那只兔子被挡住了视线。图片来源：麻省理工学院 想象一下，当你驾驶一辆自动驾驶汽车穿过隧道时，你却不知道前方发生了一起车祸，导致交通中断。通常情况下，你需要依靠前面的汽车来判断是否应该开始刹车。但如果你的汽车能够看到前方车辆的情况，并更早地踩下刹车，情况会怎样？ 麻省理工学院和 Meta 的研究人员开发出一种计算机视觉技术，有朝一日可以使自动驾驶汽车实现这一点。 他们推出了 方法 该方法使用来自单个摄像机位置的图像来创建整个场景（包括视线受阻的区域）的物理精确的 3D 模型。他们的技术使用阴影来确定场景中受阻部分的内容。 他们将自己的方法称为 PlatoNeRF，基于柏拉图的洞穴寓言，这是古希腊哲学家《理想国》中的一段话，其中被锁在洞穴中的囚犯根据投射在洞穴墙壁上的阴影来辨别外部世界的现实。 通过将激光雷达（光检测和测距）技术与机器学习相结合，PlatoNeRF 可以生成比现有 AI 技术更精确的 3D 几何重建。此外，PlatoNeRF 更擅长平滑地重建阴影难以看到的场景，例如环境光强或背景较暗的场景。 除了提高自动驾驶汽车的安全性之外，PlatoNeRF 还可以让用户无需走动测量即可对房间的几何形状进行建模，从而提高 AR/VR 头戴设备的效率。它还可以帮助仓库机器人更快地在杂乱的环境中找到物品。 “我们的主要想法是将这两个之前在不同学科中完成的事情结合起来——多反射激光雷达和机器学习。事实证明，当你将这两者结合在一起时，你会发现很多新的机会去探索并充分利用两全其美，”麻省理工学院媒体艺术与科学研究生、麻省理工学院媒体实验室成员、PlatoNeRF论文的主要作者Tzofi Klinghoffer说。 Klinghoffer 与他的导师 Ramesh Raskar（麻省理工学院媒体艺术与科学副教授、相机文化小组负责人）、资深作者 Rakesh Ranjan（Meta Reality Labs 人工智能研究主任）、麻省理工学院的 Siddharth Somasundaram 以及 Meta 的 Xiaoyu Xiang、Yuchen Fan 和 Christian Richardt 共同撰写了这篇论文。这项研究将在 计算机视觉与模式识别会议，于 6 月 17 日至 21 […]
工程师设计出破纪录的机器人，可跳两倍于大本钟的高度
图片来源：曼彻斯特大学 曼彻斯特大学的工程师们揭开了设计一种机器人的秘密，这种机器人可以跳跃 120 米，比迄今为止设计的任何其他跳跃机器人都要高。 通过结合数学、计算机模拟和实验室实验，研究人员发现了如何设计一个具有最佳尺寸、形状和零件排列的机器人，使其能够跳得足够高，以越过比自身尺寸大很多倍的障碍物。 目前跳跃高度最高的机器人可达 33 米，相当于其自身尺寸的 110 倍。现在，研究人员设计出了一种机器人，它可以在空中跳跃超过 120 米，在月球上可以跳跃 200 米，相当于大本钟塔高度的两倍多。 进步， 发布 在期刊上 機械論，将彻底改变从行星探索到灾难救援到危险或无法进入的空间监视等应用。 论文合著者、曼彻斯特大学空间机器人研究助理约翰·罗博士表示：“机器人传统上设计为通过轮子滚动或用腿行走，但跳跃提供了一种有效的方式，可以在地形非常不平坦的地方或有很多障碍物的地方行进，例如洞穴内、森林中、巨石上，甚至是太空中其他星球的表面。 “虽然跳跃机器人已经存在，但在设计这些跳跃机器时仍面临几个重大挑战，其中最主要的是要跳得足够高，以克服大型和复杂的障碍物。我们的设计将大大提高弹簧驱动跳跃机器人的能源效率和性能。” 起飞（实验室实验与计算机模拟）。图片来源：曼彻斯特大学 研究人员发现，传统的跳跃机器人经常在完全释放储存的弹簧能量之前就起飞，导致跳跃效率低下，并限制了它们的最大高度。他们还发现，这些机器人通过左右移动或旋转而不是直线向上移动来浪费能量。 新设计必须注重消除这些不良的运动，同时保持必要的结构强度和刚度。 论文合著者、航空航天工程高级讲师本·帕斯利博士表示：“关于机器人的形状，有很多问题需要回答，也有很多决定需要做出，比如，它应该像袋鼠一样有腿可以推离地面，还是应该更像一个带有巨大弹簧的工程活塞？它应该是像钻石一样的简单对称形状，还是应该是更具曲线感和有机感的形状？ “然后，决定了这一点之后，我们需要考虑机器人的尺寸——小型机器人轻便灵活，而大型机器人可以携带更大的马达，实现更强大的跳跃，那么最好的选择是不是介于两者之间呢？ “我们的结构重新设计将机器人的组件质量重新分配到顶部，并将结构向下逐渐变细。更轻的腿，棱柱的形状，以及使用只拉伸的弹簧，这些都是我们展示的可以提高性能的特性，最重要的是，可以提高跳跃机器人的能源效率。” 尽管研究人员已经找到了一种可行的设计方案来显著提高性能，但他们的下一个目标是控制跳跃的方向，并找出如何利用着陆时的动能来提高机器人在一次充电中可以进行的跳跃次数。他们还将探索更紧凑的太空任务设计，使机器人更容易在月球上运输和部署。 更多信息： John Lo 等人，表征弹簧驱动跳跃机器人的起飞动力学和能量效率， 機械論 (2024)。 DOI: 10.1016/j.mechmachtheory.2024.105688 由曼彻斯特大学提供 引用：工程师解锁破纪录机器人的设计，可跳两倍于大本钟的高度（2024 年 6 月 18 日）于 2024 年 6 月 18 日检索自 本文件受版权保护。除出于私人学习或研究目的的合理使用外，未经书面许可不得复制任何部分。内容仅供参考。 1718745405 #工程师设计出破纪录的机器人可跳两倍于大本钟的高度 2024-06-18 17:24:35