先须挽取银河水，后方栽种太华山
具有“触觉”的医疗机器人可以减少感染的传播
世界领先的机器人和人工智能中心国家机器人馆的新租户 Touchlab 推出了一款机器人，可以让临床医生远程“感受”患者。 该机器人是芬兰一家大型医院试点项目的一部分而开发的。
Valkky Telerobot 由戴着电子手套（电子皮肤）的操作员控制，配备了最新的电子皮肤技术，可将触觉传递给用户。 电子皮肤是由多个或单个超薄传感器组成的电子材料。 它实时传输压力、振动或运动等触觉。
由经过专门培训的护士组成的团队将在芬兰赫尔辛基为期 3 个月的 Laakso 医院试点项目中探索机器人系统。 该实验的目的是了解如何使用机器人提供护理、减少工作量以及防止疾病或感染传播。 Forum Virium Helsinki 是一家创新公司，负责协调 Laakso 医院的试点项目。 该研究是耗资 70 亿欧元的大型项目的一部分，旨在开发欧洲最先进的医院。 将于2028年完工。
来源和详细信息：
https://www.azorobotics.com/News.aspx?newsID=14059
亚马逊对 AMD AI 芯片表现出兴趣
AMD 非常适合亚马逊的云计算部门，该部门喜欢从头开始创建服务。
周二，AMD 在旧金山的一次主题演讲中发布了其人工智能 (AI) 芯片，华尔街对此做出了回应，将 AMD 的股价下跌了 3.5%。 造成这种情况的原因是缺乏买家。 据路透社报道，亚马逊目前正在考虑为其云部门使用该芯片。
英伟达是人工智能模型领域的领导者，人工智能模型是科技界的最新流行词。 英伟达曾因生产出色的游戏显卡而闻名，近年来因其为出色的人工智能模型提供支持的芯片而广受欢迎。
来源和详细信息：
https://interestingengineering.com/innovation/amazon-buying-amd-new-ai-chips
Meta 的人工智能“MusicGen”在 341 秒内创建带有文本提示的摇滚摇篮曲
MusicGen 经过了 20,000 小时的音乐训练。
Meta 发布了 MusicGen，这是一种音乐生成人工智能系统，可以使用旋律或文本提示进行编程。 它类似于 Google MusicLM，它建立在现有旋律的基础上，无论是唱歌、吹口哨还是用乐器演奏。
音乐很难创作，因为它具有由不同乐器创造的和声、旋律和复杂的结构。 Tech Xplore 报道称，Meta 的模型已经使用了 20,000 小时的音乐进行了训练。 Meta 在 Hugging Face 上发布了 MusicGen 演示，有趣的工程决定尝试一下。
来源和详细信息：
https://interestingengineering.com/innovation/metas-ai-musicgen-rock-lullaby-prompts
RMIT 开发了一种模仿人眼的微芯片。
研究人员声称，这种新型电子芯片模仿了人类的视觉和记忆。 这可以使自动驾驶汽车变得更加智能。
皇家墨尔本理工学院的研究人员开发了一种微型设备，他们声称可以模仿人类的记忆和视觉。 这可能是开发自动驾驶汽车快速决策先进方法的重要一步。
该设备由澳大利亚皇家墨尔本理工大学的工程师团队与迪肯大学、墨尔本大学和迪肯大学的研究人员合作开发。 它使用一种称为掺杂氧化物的传感器元件，它比人的头发细数千倍，并且…
瓦利亚等人 2023。
来源和详细信息：
https://interestingengineering.com/science/chip-that-mimics-human-eye
稀疏神经网络引导物理学家获得有用的数据
新型神经网络使数据分析这一艰巨的任务变得更加容易。
来源和详细信息：
https://www.quantamagazine.org/sparse-neural-networks-point-physicists-to-useful-data-20230608/
机器人群中形状组装的均值漂移探索
由于生物系统令人着迷的集体行为6,7,8,9，机器人群的形状组装已被广泛研究。 在文献中，一类策略基于集中或分散方式的目标分配10,11和12。在为群体分配所需形状的独特目标后，只需为机器人规划无碰撞路线，以便它们 可以到达目标位置10，或使用本地感测数据进行分布式编队控制6,13,14。 随着机器人数量和规模的增加，集中式目标分配的计算复杂性也会增加15,16。 此外，当机器人无法按预期运行时，需要额外的算法进行容错检测和目标重新分配来处理这些情况17。 另一方面，分布式目标分配可以通过将集中式分配分解为本地目标来支持大规模群体11,12。 这也使得它对机器人故障更加鲁棒。 由于分布式目标分配是基于本地信息的，因此本地分配之间的冲突是不可避免的。 它们必须使用复杂的算法来解决，例如本地任务切换11,12。
另一类形状组装策略也引起了广泛的研究关注，它们没有目标分配18,19,20,21。 参考文献中描述的方法。 18 可以使用数千个同质机械臂组装复杂的形状。 这种方法有一个有趣的特点：它不依赖于外部全球定位系统。 相反，它建立了一个基于少量预定位机器人的本地定位系统。 由于本地定位系统，所提出的边缘跟踪控制方法要求仅允许群边缘的机器人移动，而群内的机器人必须保持静止。 参考文献中描述的方法。 19号可以通过反应扩散网络产生群体形状，类似于自然界的胚胎发生。 此方法无法生成用户精确指定的形状。 参考文献中描述的方法。 21 可以根据显着性聚合机器人。 数字光投影仪指定用户定义的形式。 这种方法有一个有趣的特点，即它不需要集中边缘检测器。 相反，边缘检测是通过将机器人与其邻居的信念相结合来实现的。 由于机器人无法相对于所需的形状进行自我定位，因此它们使用随机游走来寻找边缘。 这将导致随机轨迹。 人工势场是另一类不需要目标分配的方法22,23.24.25。 这类方法的局限性在于机器人很容易陷入局部极小值。 组装复杂的非凸形状很困难。
我们提出了一种基于均值漂移探索的形状组装机器人群策略。 当机器人发现自己被其他机器人包围，并且处于无人占据的位置时，它会主动离开当前位置，寻找附近最无人的地方。 这个想法不依赖于目标分配。 这是通过采用均值平移算法来实现的26,27.28。 这是一种广泛应用于机器学习中的优化技术，用于寻找密度函数的最大值。 分布式协商机制允许机器人以分布式方式与邻居协商最终期望的形式。 协商机制允许群体依靠一些消息灵通的机器人来维持所需的形状。 该策略允许机器人群组装具有高适应性的复杂非凸形状，这已经通过数值模拟和 50 个地面机器人的实际测试得到验证。 可以修改该策略以产生有趣的行为，例如形状再生、协作货物运输或复杂环境探索。
来源和详细信息：
https://www.nature.com/articles/s41467-023-39251-5
人工智能创作了“披头士乐队最后一首歌曲：这对音乐的未来意味着什么？”
了解人工智能如何彻底改变音乐，从创作原创歌曲到改变我们聆听和发现音乐的方式。 我们甚至会询问有关版权的问题。
来源和详细信息：
https://www.forbes.com/sites/bernardmarr/2023/06/14/ai-creates-final-beatles-song-what-does-it-mean-for-the-future-of-music/?sh=2002f904546a&utm_source=ForbesMainFacebook&utm_medium=social&utm_campaign=socialflowForbesMainFB
自动驾驶卡车公司 Einride 在挪威的扩张
哥本哈根（路透社），2018 年 6 月 14 日——瑞典电动自动驾驶卡车公司 Einride 与斯堪的纳维亚半岛最大的邮政服务 PostNord 合作，在未来三年内将挪威的二氧化碳排放量减少 2,100 吨。
挪威是人均电动汽车拥有量最多的国家，其目标是到 2040 年所有重型车辆实现零排放。这可以使该国的二氧化碳排放量减少近 9%，即 440 万吨。
Einride 首席执行官罗伯特·法尔克 (Robert Falck) 表示：“鉴于挪威在乘用车电气化方面的开创性工作，他们在重型卡车电气化方面发挥主导作用也是合乎逻辑的。”
来源和详细信息：
https://www.reuters.com/business/autos-transportation/self-driving-truck-company-einride-expands-into-norway-2023-06-14/