该系统可集成到陆地车辆、无人机和弹药中。

图片来源：法国泰雷兹公司

泰雷兹航空电子与飞行业务副总裁Florent Chauvancy表示：“TopStar智能接收机采用尖端技术，为陆地平台、无人机和弹药提供可靠、高性能的定位、导航和授时（Position, Navigation and Timing，PNT）能力。它具有创新性、可靠性、竞争力和紧凑结构，可确保在最严苛的行动中任务的连续性，展现了泰雷兹在支持武装部队创新方面的专业实力和承诺。”

三合一超紧凑型解决方案

这款新系统是一款三合一超紧凑型解决方案，可为陆军提供可靠的定位、导航和授时能力，同时在日益激烈的电子战环境中保持无线电通信畅通。

该解决方案配备双星座GNSS接收机，可整合来自军用星座、伽利略PRS和民用GPS的信号，并具有抗欺骗能力，同时提高了精度和可用性。

它还具有抗干扰功能，其自适应可控辐射方向图天线（Controlled Radiation Pattern Antenna，CRPA）可降低干扰，并使其工作距离比传统GPS接收机近30倍。

可用于实际环境测试

该解决方案配备的高性能时钟可确保战术无线电在GNSS信号丢失后保持同步长达48小时，而传统设备仅能保持30分钟的同步时间。

TopStar智能接收机完全在欧洲自主工业基地生产，并在泰雷兹位于法国瓦朗斯的工厂进行总装组装。该公司还声称，该解决方案已可用于实际环境测试。

得益于其微型化的外观设计，该解决方案成为了目前市面上最为紧凑且最具成本效益的集成方案，可完美适配陆战车辆、无人机及各类弹药平台。

该安全解决方案集成了先进技术，旨在提供可靠、稳定且持续的导航数据。它整合了多种定位信息源，从而降低了对易受攻击的卫星信号的依赖。

电子战系统本质上旨在探测、分析和应对电磁频谱范围内的威胁。这些系统能够识别敌方信号，并保护友方资产免受干扰或攻击。泰雷兹利用其专业技术，即使在强烈的信号干扰下也能提升导航可靠性。

通过将弹性导航集成到这一生态系统中，泰雷兹确保了不同军事平台之间的无缝协调。这种集成提高了作战效能，并使部队能够在对抗环境中保持战略优势。

随着军队越来越多地采用以网络为中心和自主化的技术，弹性导航的重要性日益凸显。从无人机（UAV）到精确制导弹药，可靠的定位数据至关重要。

鉴于电子战成为未来冲突的一个标志性特征，弹性导航系统将不可或缺。泰雷兹公司的最新成果标志着在确保武装部队即使在最具挑战性和对抗性的环境中也能有效作战方面迈出了重要一步。

这款全新牵引级FFLK系列DC滤波薄膜电容器专为严苛的DC滤波应用而设计，可提供安全、可靠且长寿命的性能，适用于工业电机控制和电动汽车牵引系统等高功率、高温、高冲击和振动等危险环境。与KYOCERA AVX和其他同类DC滤波电容器相比，该全新牵引级FFLK系列DC滤波电容器在更小的封装尺寸下实现了更高的电流处理能力，比常见的商用级解决方案更坚固耐用，并且比其他替代方案更经济实惠。

图片来源：KYOCERA AVX

FFLK系列电容器采用圆柱形铝制外壳，配备干式或湿式金属化聚丙烯薄膜、UL94 V-0级自熄热塑性树脂、M6或M10母头连接器或者M8或M20公头连接器，以及机械安装螺栓。其独特的介电薄膜由KYOCERA AVX于1976年开发并获得专利，具有可控的自愈能力——通过汽化相邻电极来隔离和中和介电击穿。这可以防止短路，避免灾难性故障，并保持电容器的正常工作，仅会随着时间的推移而出现电容的逐渐下降。

全新的FFLK系列产品提供多种尺寸、额定电压和电容值选择。其圆柱形外壳高度为130–340mm，直径为85–116mm。采用干式分段金属化聚丙烯薄膜的型号额定电压为900–1900VDC，而采用湿式金属化聚丙烯薄膜（不含游离油）的型号额定电压为2000–3800VDC。该系列产品的电容值范围为25–3,020µF±10%。

该系列产品符合所有相关的IEC、UL、EN和RoHS标准及指令，涵盖电力电子、铁路应用、环境测试和阻燃性等方面，并在规定的参数范围内运行，包括额定电压范围、-40°C至+95°C的工作温度以及70°C的热点温度，额定寿命可达10万小时。

该系列产品种类齐全，并具有诸多优势，例如高容积效率、经济性以及在严苛的牵引应用中安全可靠、使用寿命长，使其在工业机械和车辆市场拥有广泛的应用前景。

KYOCERA AVX产品营销经理Perrin Hardee表示：“全新的牵引级FFLK系列DC滤波电容器比我们自身产品组合和竞争对手的同类产品更小巧、更经济高效、功能更强大、更坚固耐用，并且在一个零件编号编码下提供完整的电压范围——解决了常见的尺寸、成本、功率处理、耐用性、安全性和规格方面的挑战。我们介电薄膜的自愈能力远超所有介电薄膜固有的基本自愈能力，使得FFLK系列在严苛的牵引应用中优于大多数同类DC滤波薄膜电容器。此外，该系列电容器在这些应用中也显著优于铝电解电容器，能够可靠地承受更高的浪涌电压、更低的ESR和极高的RMS电流，从而延长使用寿命。”

图片来源：Innoviz Technologies

这款全新的激光雷达属于1类人眼安全产品，具备长达1公里的探测能力，并显著提升了点云分辨率。它旨在利用Innoviz车规级激光雷达技术的精准性与可靠性，为自动驾驶出租车、重型卡车、边境防卫、机场跑道及大型设施等场景提供广域感知支持。InnovizTwo ULR激光雷达采用与InnovizTwo激光雷达传感器完全相同的生产工具与工艺进行制造。目前，首批InnovizTwo超远距离（ULR）激光雷达样品已交付给部分特定客户。

“InnovizTwo超远举例激光雷达拓展了我们激光雷达在实际应用中的边界，”Innoviz首席执行官兼联合创始人Omer Keilaf表示。“物理人工智能系统需要对世界进行精确的实时三维感知，而不仅仅是概率推理。这款激光雷达具备公里级探测距离、极高分辨率三维传感以及车规级耐用性，为各行各业的操作人员提供了一种能够在恶劣环境下可靠运行的工具，无论白天黑夜。”

InnovizTwo ULR LiDAR填补了多项应用领域中的关键空白：

自动驾驶系统的超远距离危险探测——能够提前数百米探测并识别小型危险物，从而助力自动驾驶车辆实现更高速、更平顺的行驶，同时在高速行驶状态下依然保持充足的安全裕度。

重型卡车——鉴于重型卡车制动距离长且惯性巨大，其对感知能力有着极高的要求：必须具备公里级的探测范围与高分辨率，方能足够提前地识别障碍物，从而确保安全制动与车道规划的顺利实施。

边境与广域周界安防 —— 凭借长达1公里的探测范围及高分辨率，该LiDAR系统能够在大片区域内实现对人员、车辆及动物的早期探测与分类；相较于传统雷达，其设计旨在显著降低误报率。

无人机探测 —— 凭借远距离下的精细角度分辨率，该系统专为探测与追踪各类小型、高速且低反射率的空中目标而设计——此类目标往往难以被传统雷达或摄像机准确识别与分类。

城市级实时数字孪生 —— 单一传感器即可为广阔的城市区域构建高保真且持续更新的3D模型，从而为基于“物理AI”驱动的实时城市管理提供强力支撑。

远距离交通与事件预测——能够远距离、超前地洞察车道级的交通动态与突发事件，旨在为预测性交通管控及干预提供支撑，从而在拥堵或事故蔓延之前将其化解。

机场与港口安全——凭借长达1公里的高分辨率探测能力，该系统能够以极少的传感器数量，实现对整个跑道、滑行道或港区范围内异物碎片（FOD）、车辆及人员的早期识别。

大区域工业自动化——针对大型工业园区，该系统可提供端到端的精准三维态势感知能力，在无需密集部署传感器的情况下，有力支撑更安全的自主化作业及实时安全分区管理。

InnovizTwo超远距离LiDAR的主要特性包括：

高达1公里的超远距离探测能力，旨在实现对广阔地形及周界范围内行人、车辆及物体的精准识别。

高达667点/平方度的超高分辨率3D点云，旨在提供精准的物体探测与分类能力，有助于减少误报及漏报事件。

宽达120° x 24°的视场角（FoV），并辅以±5°的数字控制平移功能，旨在简化安装流程。

具备针对灰尘、碎屑、雨水及极端温度的抗堵塞能力，专为持续户外运行而打造。

针对SMART应用场景，InnovizTwo ULR将集成PoE连接功能，仅需一根以太网线即可同时传输数据与电力，从而实现在现有基础设施上的简化部署。

设计之初即兼顾隐私保护：InnovizTwo ULR激光雷达在采集空间数据的同时，不识别任何个人特征信息，从而有力支持对合规性要求极高的各类部署项目。

InnovizTwo ULR激光雷达进一步丰富了InnovizTwo产品线及SMART系列产品；该系列产品此前已成功将车规级激光雷达的卓越性能引入安防、智慧出行、航空测绘、机器人技术以及智慧交通管理等各类智能应用领域。基于InnovizTwo业已验证的坚实基础，这款“超远距离”增强版产品将沿用与InnovizTwo完全相同的生产工具与工艺流程进行制造，从而确保其产能爬坡过程顺畅高效。

该专利申请于2024年10月7日提交，于2026年4月9日公布，其专利号为0097766。

图片来源：USPTO

福特近期通过多项专利申请探索了多种利用地理围栏（geofencing）技术（或虚拟地理边界）的方法，提出了诸如地理围栏限制系统等设想。事实上，福特早在几年前就在欧洲启动了该技术的试点项目，该系统能够自动降低车辆在限速区域的速度。如今，这项新公布的专利展示了一种带有地图叠加区域的车辆操作系统。

图片来源：USPTO

具体而言，该系统将依赖车辆内存储的地图信息以及不同区域的行驶权限。这样一来，车辆便能够根据所在区域的不同而采取不同的行驶方式，以确保遵守相应的规则。这其中包括速度限制：车辆从一个区域驶向另一个区域时，可以自动调整速度以遵守相关规定。

图片来源：USPTO

此外，该系统能够接收实时更新，并根据需要调整自身行为，从而消除该过程中的所有猜测——如果用户必须遵守此类规定，该系统或许能让他们的生活更加轻松。

福特在一份声明中表示：“提交专利申请是企业正常运营的一部分，因为这一过程可以保护新想法，并帮助构建强大的知识产权组合。专利申请中描述的想法不应被视为我们业务或产品计划的指示。无论专利申请中概述的内容如何，在开发和推广新产品和服务时，我们始终将客户放在首位。”

图片来源：期刊《Science Advances》

新型人工肌肉的工作原理

由材料科学与工程系的Jeong-Yun Sun教授和机械工程系的Ho-Young Kim教授领导的联合研究团队开发出一种新型介电弹性体致动器（DEA），它采用相变铁磁流体（PTF）制成。这种铁磁流体在室温下表现为固体，但在受到热或磁场等外部刺激时会转变为流体状，并具有高度柔韧性。

DEA是一种柔性传感器，能够将电能转化为机械运动，由于其能够像人体肌肉一样快速、精确地运动，因此常被称为人工肌肉。

基于介电弹性体的人工肌肉柔软轻便，已被越来越多地应用于日常生活和工业领域，例如智能可穿戴设备中的触觉振动组件，以及能够安全抓取水果或易碎部件等精细物品的软体机器人抓手。

当前软体机器人系统的局限性

当前软体机器人系统的电极图案一旦设计并打印完成，其形状便永久固定，这意味着此类系统只能执行单一的、预先设定的运动。

因此，每当机器人需要抓取不同形状的物体或适应新的环境时，工业界和学术界都必须从头开始重新设计和制造全新的电极图案。这导致了制造成本的显著提高和效率低下，并且一直是多功能软体机器人商业化的主要障碍。

可重构、抗损伤的凝胶致动器

为了克服这些局限性，研究人员开发了新一代软凝胶致动器，该致动器能够实时动态重构电极图案，根据需要执行新功能，即使在机械损伤或电气故障后也能恢复。

这种新开发的PTF电极可以动态地分裂和合并成三维结构。即使在制造完成后，其形状和位置也可以自由调节，从而显著扩展软体机器人的功能，使其超越预设的固定运动模式。此外，该电极的自愈性和可回收性增强了机器人系统的可持续性。

这项研究的关键成果在于将先进的材料工程（通过纳米颗粒和聚合物的精确组合）与功能齐全的机械系统无缝集成。材料工程实现了稳定而柔性的相变电极的开发，而机械工程则展示了该材料在驱动、重构和恢复过程中的工作原理。

PTF电极的关键特性

因此，单个软体致动器现在可以根据不同情况承担完全不同的角色，从而将传统的软体机器人转变为能够根据环境和任务变化调整自身功能的自适应系统。PTF电极的关键特性包括：

• 实时功能重构：即使在人工肌肉运行过程中，电极也可以熔化成液态（溶胶），并利用磁场重新定位，或分裂成两个或多个部分。除了简单的二维平面运动外，它还可以在三维架构中进行空间分割以执行不同的功能，或通过三维平面外配置自主桥接断开的电路，从而实现更高水平的功能自由度。这使得单个机器人能够执行完全不同的运动，例如弯曲和伸展，仿佛实时学习一般。

• 自愈和恢复能力：即使电极被尖锐物体切断或因高电压发生击穿，系统仍能保持功能正正常。通过将受损区域附近的电极液化，可以重新连接断裂的电路，或者重新配置系统以仅绕过受损区域，从而完全恢复机器人的功能。

• 环保型可重复使用性：当设备完成其任务或达到使用寿命后，电极可以以液态形式提取、储存，并在之后注入新设备中重复使用。研究人员证明，即使经过多次重复使用循环，该系统仍能保持约91%的高回收率和稳定的性能。

对机器人和电子领域的影响

该技术具有广泛的应用潜力，从能够复制复杂多自由度人体运动的高级人工肌肉，到能够实时动态改变形状和信息的下一代显示器，再到能够在极端工业环境中（例如发生电气故障或物理损坏）进行自我修复的智能机器人。

此外，该研究提出了一种全新的、环境可持续的资源循环模式，即通过提取和重复使用电极，而不是在设备寿命结束时将其丢弃，从而可能对未来的软体机器人和下一代电子产业产生重大影响。

图片来源：期刊《Energy & Environmental Science》

‌该研究团队由首尔国立大学（Seoul National University，SNU）工程学院机械工程系Seung Hwan Ko教授领导，麻省理工学院（MIT）的Gang Chen教授以及现代汽车公司（Hyundai Motor Company）和起亚汽车公司（Kia）的研究团队组成，设计并制造了适用于车辆车窗的大面积可扩展透明辐射冷却（Scalable Transparent Radiative Cooling，STRC）薄膜。通过在各种气候和驾驶条件下进行的实际车辆评估，研究团队证明了该薄膜的节能和减碳效果。

相关研究成果于2月4日在线发表于期刊《Energy & Environmental Science》。

夏季，车辆暴露在太阳辐射下，车厢温度会迅速升高，导致制冷能耗大幅增加。传统的汽车低辐射（Low-E）镀膜和隔热膜虽然可以部分阻挡太阳辐射，但无法有效散发车内已积聚的热量，从而限制了其制冷性能。

辐射冷却技术作为一种替代方案备受关注，它能够同时阻挡太阳辐射并将车内热量散发到外部，实现无需电力的被动式冷却。然而，目前大多数辐射冷却材料都是不透明的，因此不适用于作为热量主要入口的车窗。

为了克服这一局限性，研究团队开发了一种大面积透明辐射冷却薄膜，该薄膜采用多层结构，可保持70%以上的可见光透过率，反射近红外太阳辐射，并在中红外波段散发车内热量。这种薄膜无需消耗电能即可抑制车内温度升高，并缩短达到热舒适所需的时间，从而最大限度地降低电动汽车的能耗。

研究人员在包括韩国、美国和巴基斯坦在内的不同气候区域——涵盖夏季与冬季、停车与行驶等多种工况条件——进行了实际车辆实验，结果表明，配备STRC薄膜的车辆在所有条件下均能保持较低的车厢温度。

值得注意的是，夏季实现的制冷节能效果显著超过了冬季供暖需求的增加。此外，基于真实车辆数据的仿真结果表明，开启空调后达到舒适车厢温度所需的时间缩短了17分钟。研究团队分析指出，如果将这项技术应用于美国所有乘用车，每年可减少约2540万吨二氧化碳排放，相当于减少约500万辆汽车上路。

该研究的第一作者Min Jae Lee表示：“这项研究意义非凡，因为它超越了实验室规模的性能测试，并在不同的国家、季节和运行条件下，利用真实车辆进行了验证。”

Ko教授补充说道：“这是首个通过实验证明透明辐射冷却技术能够有效应用于真实车辆环境的研究。”

图片来源：POSTECH

这项研究始于人们说话时颈部周围发生的细微变化。声音的产生并非仅仅依靠声带。当我们说话时，颈部周围的肌肉和皮肤都会协同运动，在皮肤上绘制出一张无形的“运动图”。研究团队着重研究了这些细微运动所蕴含的关于说话者意图的信息。

为了捕捉这些信息，研究团队开发了一种“多轴应变映射传感器（Multiaxial Strain Mapping Sensor）”。该传感器将微型摄像头与柔软硅胶材料上的小型参考标记相结合，可方便地佩戴在颈部，甚至能检测到最细微的皮肤运动。佩戴位置和松紧度可根据个人情况进行调节，并且内置算法能够自动校正设备重新佩戴时可能出现的误差，确保其在日常环境中稳定运行。

传感器采集到的应变模式由AI进行分析。AI会估算用户想要表达的词语或句子，并将其与基于个人声音特征训练的语音合成技术相结合，从而重现真实的声音。即使不出声，它也能“读取”言语并将其转换成声音。

现有的语音重建技术利用“肌电图（EMG）”或“脑电图（EEG）”等生物信号，但由于设备复杂且佩戴不舒适，在日常生活中存在局限性。研究团队利用可穿戴传感器解决了这一问题，并通过实验证实，即使在工厂等嘈杂环境中，也能高精度地重建语音。

这项技术的应用范围也很广泛。它有望用于各个领域，例如为因声带疾病或喉部手术而失声的患者提供沟通辅助，为没有麦克风或无线电设备的工业场所提供通信技术，甚至可以在图书馆或会议室进行“无声交流”。

领导这项研究的Park教授表示：“我们希望这项技术能够加速言语障碍患者重获说话能力的那一天。这项技术意义非凡，因为它具有广泛的潜在应用，包括帮助喉切除患者、在嘈杂的工业环境中进行交流，甚至支持无声对话。”

该方法使电池的总寿命增加了数百次充放电循环，同时显著提高了能量密度——这是全固态电池实现商业化应用的两大关键步骤。相关研究成果发表于期刊《Science》。

图片来源：美国阿贡国家实验室

固态电池有何不同

顾名思义，全固态电池由固态组件构成。与传统的锂离子电池不同，它们不含液体或凝胶材料。但与所有电池一样，它们也包含阴极（正极）和阳极（负极），两者之间由电解质（离子流动的介质）隔开。

全固态电池相比传统电池具有诸多优势，包括更高的安全性、更轻的重量、更长的使用寿命和更高的能量密度——能量密度是指电池相对于其质量所能储存和提供的能量。

然而，由于固态电解质和正极材料之间的接触不良，全固态电池的研发一直面临挑战。这种接触不良——被称为界面——会阻碍离子流动，从而降低电池性能。

芝加哥大学教授、阿贡国家实验室杰出研究员Khalil Amine表示：“解决固态电池的界面问题是实现这一前景广阔的系统的关键”。

通过混合引发卤化物偏析

Amine和阿贡国家实验室的化学家Guiliang Xu领导的团队致力于提升全固态锂硫电池及类似化学体系电池的性能。他们发现，通过快速混合固体电解质、正极和其他电池材料，可以引发一种被称为“卤化物偏析（halide segregation）”的过程。

在卤化物偏析过程中，与氯、溴或类似元素结合的锂原子会迁移到界面处。

研究人员发现，卤化物偏析处理的电池性能显著提升，循环寿命也更长。此外，与采用其他性能提升策略（例如添加催化剂、掺杂剂或表面涂层）处理的全固态电池相比，卤化物偏析处理的电池性能也更胜一筹。

Xu表示：“这项研究代表了此类电池系统的重大进步，尤其是在利用储量丰富的硫显著提高能量密度、循环寿命和降低成本方面。”

性能突破和商业潜力

在某些情况下，卤化物偏析电池的能量密度甚至超过了此类电池的理论极限。此外，即使经过100次充放电循环，电池仍能保持其全部性能。450次循环后，性能仍保持在80%以上。

Xu表示：“这是全固态锂硫电池性能的显著提升。”

研究人员在室温下观察到了这种性能的提升，无需额外加热，这使得该方法更容易应用于商业领域。

研究团队表示，他们在电池实验中实现了卤化物偏析，是因为他们采用了高速混合方法——每分钟2000转，持续5小时——在电池组件内部产生了热量和剪切力。这引发了“机械化学反应”，从而触发卤化物偏析，并改善电池使用过程中锂离子的运动。

Xu表示：“这是一个非常简单的过程，但其中蕴含着重要的科学原理。”

该方法可推广至其他化学体系

科学家们发现，该方法还能提升其他类型全固态电池的性能。研究团队最初专注于全固态锂硫电池，因为其正极材料含有储量相对丰富的硫。但他们也测试了使用硒和碲制成正极的电池，硒和碲是较为稀有的元素，其反应性质与硫类似。结果发现，高速混合后，这些电池也出现了类似的卤化物偏析现象，并且性能得到了提升。

这表明，高速混合有望解决其他全固态电池的界面问题，从而推动多种电池化学体系走向商业化应用。

图片来源：AECC

随着汽车行业向软件定义汽车（SDV）转型——在SDV中，关键功能由软件而非硬件控制和更新——车载系统产生的数据量正在急剧增长。现代汽车如今作为智能边缘设备运行，持续生成传感器数据和运行日志，用于提升性能、启用新功能以及训练人工智能（AI）模型。

数据的快速增长带来了新的挑战。每天每辆车生成的数据量可达数十GB，而传统的物联网（IoT）架构并未针对汽车数据的规模、成本和带宽需求进行优化。

为应对这些挑战，AECC白皮书提出数据优先架构——一个将数据置于汽车生态系统核心的通信和计算平台。

该架构并非完全依赖集中式系统，而是采用分布式分层模型，跨多个层级处理和传输数据：

• 点对点网络层：支持附近车辆之间的直接通信，使它们能够在本地交换和聚合数据，而无需依赖集中式基础设施。

• 边缘网络层：利用本地计算资源——例如边缘数据中心（位于数据生成地点附近的小型数据处理设施）和Wi-Fi接入点——高效地处理和卸载数据流量。

• 移动和云网络层：通过蜂窝网络和云平台提供集中式协调，支持大规模数据管理和长期存储。

这种多层架构能够根据实际需要对数据进行处理，从而提高能源效率、减轻网络压力，并同时支持实时和非实时应用场景。

AECC董事会主席Ryokichi Onishi博士表示：“通过结合包括蜂窝网络、Wi-Fi和车辆间数据传输在内的多种通信方式，以及跨车辆、边缘基础设施和云平台的分布式计算，这种以数据为先的架构为大规模管理汽车数据提供了一条切实可行的途径。这种方法不仅解决了当前基础设施的局限性，还支持向数据驱动型开发更广泛的转变。随着AI的应用范围从驾驶系统扩展到信息娱乐、语音助手和个性化出行建议等领域，获取高质量、大规模的数据将至关重要。”

AECC认为，这种架构将在实现更智能、更高效、更自适应的汽车服务方面发挥核心作用，同时支持互联汽车在更广泛的数字生态系统中持续发展。

图片来源：KAIST

该研究团队由材料科学与工程系的Dong-Hwa Seo教授领导，并与东国大学（Dongguk University）、延世大学（Yonsei University）和忠北国立大学（Chungbuk National University）的研究团队进行了合作。他们研发的这项技术即使在暴露于空气中也能保持结构稳定性，同时显著提高离子电导率。相关论文发表于期刊《Advanced Energy Materials》。

与使用液态电解质的传统锂离子电池不同，全固态电池因其低起火风险而被视为下一代电池的代表。其中，卤化物基固态电解质——含有氯（Cl）和溴（Br）等卤素元素——因其高离子电导率而具有优异的性能。然而，这类材料难以制造和处理，因为它们对空气中的水分非常敏感，水分会迅速降低其性能。

为了解决这个问题，研究团队引入了一种名为“氧锚定（oxygen anchoring）”的新型结构。该方法通过将氧稳定地结合在电解质内部，增强其结构完整性，其中钨（Tungsten）元素起着关键作用。由此产生的电解质即使在暴露于空气的环境中也能保持稳定的结构，不会发生坍塌。

此外，研究团队在提高稳定性的同时，也提升了电池的性能。电解质内部结构的改变拓宽了锂离子的传输路径，使其移动更加顺畅，从而提高了离子迁移速度。经证实，这种含氧材料的离子电导率比传统的锆（Zr）基卤化物固体电解质高约2.7倍。

这项技术的另一特点是它不局限于特定材料。研究团队将相同的策略应用于多种卤化物固体电解质，包括锆（Zr）、铟（In）、钇（Y）和铒（Er）基电解质，并证实了类似的效果。这表明它是一种适用于多种电池材料的“通用设计原则”。

研究团队期望这项技术能够促进兼具空气稳定性和高性能的固体电解质的开发。

Dong-Hwa Seo教授表示：“这项研究提出了一种新的材料设计原则，通过结构设计策略同时提高空气稳定性和离子电导率，从而优化多种性能。它将成为未来全固态电池研究和工艺开发的关键指标。”

图片来源：UltraSense Systems

随着机器人技术走向实际应用，触觉传感正成为一个至关重要的缺失环节。物理AI系统需要的不只是视觉。它们必须能够检测接触、定位接触点、解读力，并在抓取、操作和释放过程中做出可靠的响应。这暴露了许多传统触觉方法的一个主要缺陷：传感元件通常位于接触面或接触面附近，而反复的压力、摩擦、磨损和环境暴露会随着时间的推移降低其性能。

UltraSense采用了一种不同的架构方法。该公司没有依赖暴露或接近表面的传感结构，而是利用超声波穿透材料堆叠层进行传感，从而保护位于交互表面下方的核心传感层。通过分析声学回波特征，该平台旨在检测接触事件、定位交互位置并推断力相关行为，同时减少对主动传感元件的直接磨损。

UltraSense Systems首席执行官Mo Maghsoudnia表示：“物理AI需要一种新型的触觉传感技术，它不仅要灵敏，还要足够耐用，能够适应实际应用。其中的挑战不仅仅在于实验室中首次触觉的检测，更在于如何在频繁接触的环境中长期保持稳定、有效的触觉数据。我们的超声波平台旨在保护传感核心，保持信号完整性，并提供一条超越传统表面暴露式方法的差异化途径。”

UltraSense的目标应用领域包括人形机器人手、机械臂、工业自动化末端执行器以及其他需要兼具鲁棒性和可操作触觉数据的接触密集型机器界面。该平台基于UltraSense的车规级技术打造，累计出货量超过400万台，并拥有为要求严苛的客户提供符合AEC-Q100标准解决方案的丰富经验。

图片来源：期刊《Advanced Science》

这项进展有望为电动汽车和大规模储能提供更安全、更高能量密度的解决方案。相关论文题目为《用于固态锂金属电池的单晶硼酸盐共价有机框架（Single-Crystalline Borate Covalent Organic Frameworks for Solid-State Lithium Metal Batteries）》，发表于期刊《Advanced Science》。

传统的LMB面临着锂枝晶形成和电解质界面不稳定导致的快速衰减等安全隐患。虽然共价有机框架（Covalent Organic Framework，COF）因其多孔结构和稳定性而成为极具潜力的电解质材料，但目前大多数COF是多晶的，这会导致显著的颗粒间电阻，从而限制其性能。

为了解决这一问题，研究团队以COF-303为模板，构建一种具有高度有序离子通道的单晶3D B-COF。这种单晶结构显著降低了晶间电阻，促进了锂的均匀沉积，从而有效抑制枝晶的生长。

这项研究工作在离子导电性和选择性方面取得了卓越的成果：室温下，其离子电导率高达8.1mS cm⁻¹，在准固态下Li⁺迁移数为0.98，确保了离子的快速选择性迁移。此外，该方法还具有卓越的界面稳定性和安全性。在对称电池中，该材料能够稳定地进行锂的沉积和剥离超过2000小时，有效抑制有害枝晶的形成。

该电池还具有高效率和长期耐久性。采用LiFePO4阴极的全电池在0.5C倍率下循环600次后，容量保持率达到91.8%，库仑（Coulombic）效率达到99.98%，初始容量为147 mAh g⁻¹，展现出优异的循环性能。

该研究的共同通讯作者Yoonseob Kim教授表示：“我们的研究凸显了单晶3D B-COF作为准固态电解质的巨大潜力。通过消除多晶材料中存在的结构缺陷，我们朝着实现高性能、安全的储能解决方案迈出了重要一步，这对于构建更绿色的未来至关重要。”

该研究团队由机械工程系和人工智能研究生院（Department of Mechanical Engineering and the Graduate School of Artificial Intelligence）的Jeong Im-doo教授领导。相关研究成果发表于国际学术期刊《Advanced Functional Materials》。

图片来源：UNIST

该研究团队开发了一种名为“弯月面辅助像素打印（Meniscus-Assisted Pixel Printing，MPP）”的技术，可以直接将传感器印刷在隐形眼镜的曲面上。该方法是将喷嘴尖端形成的传感器材料墨滴“印”到隐形眼镜表面。弯月面是指液体的凸面或凹面。由于弯月面的曲面特性，喷墨力与防止墨滴扩散的力之间达到平衡，从而实现所需墨量的精确沉积。

墨滴干燥后，仅留下光敏钙钛矿材料，作为传感器。隐形眼镜上集成100个光电探测器传感器，呈10×10阵列排列。这些传感器读取眼球移动时光线分布的变化，从而追踪视线方向。它可以区分上下左右和对角线方向，并将这些视线信息与机械臂的运动关联起来，甚至可以通过眨眼动作拾取物体。

由于隐形眼镜尺寸小导致信号分辨率低，该问题通过AI技术得以解决。深度学习技术用于放大信号，将信号分辨率提升至相当于6400个传感器的水平。延迟也仅为0.03秒，这意味着信息可以近乎实时地传输到机械臂。

使用眼动模型进行的测试证实，机械臂仅通过瞳孔运动即可完成拾取和移动物体等任务。方向识别准确率高达99.3%。

研究团队解释说：“这项技术结合了硬件工艺创新和基于AI的信号恢复软件技术，克服了隐形眼睛的空间限制。”

Jeong教授表示：“我们已经证明了实现先进的人机交互（Human-Robot Interaction，HRI）系统的可行性，该系统无需单独的控制器即可将人类视觉信息直接转换为机器人控制信号。这项技术具有巨大的应用潜力，例如基于扩展现实（XR）的工业机器人远程控制、灾害环境下的探测机器人操作、国防领域无人系统和无人机的控制，以及医疗和康复支持系统等，只需通过眼动即可精确控制各种电子设备。”

该研究项目是自动驾驶汽车技术领域的突破性进展，预示着自动驾驶汽车安全性和效率的新时代即将到来。

图片来源：期刊《Communications in Transportation Research》

KEPT创新的核心在于一种新型视频编码技术，旨在捕捉驾驶环境的空间和时间细微差别。该模块被称为时频空间融合（TFSF）编码器，它集成了基于快速傅里叶（Fourier）变换的频率注意力机制、多尺度Swin Transformer以及轻量级时域变换器，用于分析采样频率为2Hz的序列。这种复杂的架构使系统能够识别细微的运动变化以及对近期运动规划至关重要的复杂空间布局。该编码器采用自监督方式，无需人工标注即可训练，它使用对比损失框架动态地增强相似片段的嵌入，同时拉开不相似片段的距离。这种创新的训练范式能够生成稳健且语义丰富的表示，从而实现精准检索。

检索机制对KEPT的性能至关重要。通过将大量的历史驾驶视频片段嵌入到矢量数据库中，该系统能够实时嵌入当前的驾驶序列，并高效地查询上下文最相似的先前场景。KEPT采用两层匹配策略——首先通过k均值聚类进行初始聚类路由，然后通过分层可导航小世界（HNSW）索引进行细粒度的邻域识别——检索多个相关的示例及其真实轨迹。这些历史轨迹并非被动的数据点；相反，它们被整合到精心设计的思维链提示中，从而积极地影响模型的推理过程。这些提示引导视觉语言模型对当前场景和过往案例进行细致的比较，批判性地评估相似性和差异性，最终生成一条可行、安全且流畅的3秒自我轨迹。

KEPT旨在解决自动驾驶领域的一项重大挑战——短时轨迹预测问题。该问题因其需要在动态复杂场景中快速做出决策而备受诟病。许多现有的自动驾驶系统由于无法根据有限的当前输入推断未来状态，因此在类似场景下表现不佳。KEPT利用庞大且多样化的历史事件记忆库，使其能够有效地“记住”并应用类似情境中的经验教训，从而减少错误并降低这些关键时刻的碰撞风险。

研究人员通过创新的三阶段微调方案增强了视觉语言骨干架构，旨在提高模型的环境理解能力和预测精度。首先，模型在视觉问答数据集上进行微调，该数据集侧重于与物体类别、尺寸和距离相关的空间推理。在接下来的阶段，模型学习从多视角图像中结合基本运动学参数直接回归未来轨迹，同时对诸如过度弯曲或突然加速等不安全操作进行惩罚。最后，模型进一步专精，学习仅基于前视连续帧预测轨迹，使其语言推理能力与短期时间动态相匹配。重要的是，这种自适应采用了轻量级的低秩自适应（Low-Rank Adaptation，LoRA）模块，在不影响性能的前提下保持了计算效率。

KEPT在nuScenes数据集上的评估表明，其性能不仅优于传统的轨迹预测基线方法，也优于近期基于视觉语言的规划器。KEPT持续降低位置预测误差，并将碰撞概率保持在与竞争对手方法相当甚至更低的水平，为安全感知型自主导航树立了新的标杆。全面的消融研究进一步证实了每个架构元素的重要性——从自监督的TFSF编码和精心构建的检索流程，到三方微调和包含多个检索样本——这些都对提升系统的整体有效性和鲁棒性至关重要。

视觉语言模型虽然功能强大，但容易出现幻觉，且难以充分考虑物理约束。因此，研究团队创新性地将AI的推理建立在具体的、真实世界的轨迹之上。通过将物理可行性和碰撞风险的考量明确地融入训练目标，KEPT将一个功能强大但往往晦涩难懂的推理引擎转化为一个实用、可工程化的模块，使其能够应用于实际场景。

这项研究的意义远不止于直接的性能指标和开环仿真结果。它为自动驾驶汽车AI系统的设计引入了一种范式转变：将大规模预训练模型与检索增强认知以及结构化的、基于物理信息的提示相结合。这种设计提高了透明度，减少了对过度数据标注的依赖，并将主动安全理念融入决策模型的核心。虽然目前的研究主要集中于使用单目前置摄像头拍摄的视频进行短期预测，但它为未来的扩展奠定了必要的基础，包括闭环测试、集成更丰富的传感器套件以及更广泛的地理和环境泛化。

KEPT的潜在应用远不止于完全自动驾驶汽车，它预示着高级驾驶辅助系统（ADAS）将取得变革性进展，不仅能辅助驾驶，还能用自然语言解释其建议，从而增强驾驶员的信任和理解。KEPT通过协调检索能力、视觉感知和语言推理，朝着自动驾驶系统迈出了坚实的一步，这些系统不仅能胜任驾驶任务，还能成为沟通顺畅、易于理解的出行伙伴。

随着自动驾驶汽车技术加速普及，KEPT系统完美融合了AI创新、严谨的工程技术和切实可行的安全考量。这项研究展示了如何通过周密的系统设计，充分利用现代机器学习的优势——大型Transformer模型、自监督学习和高效检索架构——同时融入特定领域的约束，从而保障人类生命安全，并增强人们对智能交通系统的信任。

图片来源：浩思动力

这款极致紧凑的X-Range C15 Direct Drive集成了一套完整的混合动力总成系统——涵盖四缸发动机、变速箱、电力电子单元及电动机——并将其整合于一个共用壳体内的单一紧凑单元之中；其设计旨在直接安装于车辆后副车架上，从而实现双重隔振安装，确保达到最佳的NVH（噪声、振动与声振粗糙度）表现。

X-Range C15 Direct Drive被设计为一款“一体化”动力总成，旨在替代现有纯电动汽车（BEV）平台上的后桥电驱动单元。它使汽车制造商能够利用单一的共享平台，同时涵盖其纯电动（BEV）、混合动力（HEV）、插电式混合动力（PHEV）及增程式电动（REEV）全系车型，且无需对车辆设计或生产环境进行任何重大调整。

这款全新的动力总成是浩思动力旗下X-Range系列的最新成员。该系列是一套专为纯电动平台量身打造的“工具包”，旨在赋予这些平台混合动力能力，从而为汽车制造商提供一种灵活选项——即替换其车辆原有的后桥电驱动单元。作为该系列的新生力量，它进一步丰富了现有的产品阵容，与HORSE F15（一款旨在替代纯电动平台前桥电驱动单元的“一体化”动力总成）以及HORSE C15（一款超紧凑型发动机与发电机组合，可作为增程器集成至现有动力总成系统）共同构成了完整的解决方案体系。

X-Range C15 Direct Drive动力系统搭载一台4缸1.5升发动机，该发动机可采用两种配置：一是自然吸气配置，适用于B级和C级车等低功率应用场景；二是涡轮增压配置，适用于更大型的D级车及轻型商用车（LCV）。其中，自然吸气发动机的最大输出功率可达70kW，而涡轮增压发动机的最大输出功率则为120kW。

该动力总成将发动机、专用混合动力变速箱以及一组电机集成于同一扁平化壳体之内。其两台电机采用P1 + P3布局：其中一台集成在发动机曲轴末端，另一台则位于变速箱输出轴上。

P1电机在串联和并联两种工作模式下，主要充当发电机角色。作为发电机运行时，针对X-Range C15 Direct Drive系统的自然吸气版本，其发电功率可达70kW；针对涡轮增压版本，发电功率则可达110kW。

P3电机旨在提供电力牵引动力——既可在串联模式下独立于发动机运行，也可在并联模式下与发动机协同工作。得益于并联模式下发动机与车轮之间的直接连接，该系统的整体效率相较于其他增程式或纯串联式混合动力系统得到了显著提升。

根据汽车制造商的具体需求，X-Range C15 Direct Drive既可单独为车辆的后轮提供全部动力，也可通过与安装在车辆前轴的另一套电驱动单元配合使用，从而为全轮驱动车辆提供动力支持。

这种组件布局方式还使得排气系统与后处理系统得以紧凑地集成于车辆后部，从而最大限度地腾出底板空间，用于容纳电池组或乘员舱。

X-Range C15 Direct Drive集成了现代混合动力总成所需的全套电力电子组件，并专为与直流-直流（DC/DC）转换器、车载充电器以及800V充电升压器等辅助系统进行集成而设计。

Horse Powertrain首席执行官Matias Giannini表示：“X-Range系列动力总成充分契合了当下的市场现实，使汽车制造商能够基于同一平台，迅速实现从纯电动汽车（BEV）向混合动力及增程式车型的战略转型。X-Range C15 Direct Drive是一款‘一体化’解决方案，它允许在纯电动平台上直接衍生出混合动力（HEV）、插电式混合动力（PHEV）及增程式电动汽车（REEV），且几乎无需进行额外的重新设计或模具调整。这不仅能大幅缩短产品上市周期，有效摊销纯电动平台的前期投资，更能满足当今全球市场中日益多元化的出行需求。”

图片来源：Syensqo

此前，由于对紫外线照射和热量高度敏感——这会导致材料出现黄变、雾化及透光率下降等问题——半透明PP在要求严苛的汽车应用领域一直受到限制。据Syensqo介绍，此次推出的新型稳定剂经过特别配方设计，旨在确保材料在长期经受光照和热量曝晒时，仍能有效抑制变色、保持表面光泽并防止“吐霜”现象的发生。

Syensqo推出的全新CYASORB® CYXTRA® V9800和V9100解决方案可助力材料在长期使用中依然保持其通透度、色彩及卓越性能。

CYASORB® CYXTRA®系列针对以下特定需求提供定向防护：

CYASORB® CYXTRA® V9800：专为对紫外线稳定性要求较高的外部应用（如保险杠）进行了优化。

CYASORB® CYXTRA® V9100：专为对热稳定性要求至关重要的内部应用而设计。

主要优势包括：

变色与黄变控制：在光照及受热环境下，黄变程度极低，且对黄度指数的增幅微乎其微。

透光率保持：确保在整个使用寿命周期内，透光率及低雾度特性均能得到长期维持。

外观美学一致性：提供卓越的光泽保持能力，并有效防止在光照及受热条件下出现“吐霜”现象。

延长使用寿命：有效保护材料的力学性能与外观美感，从而确保产品在整个生命周期内始终保持高品质与极具吸引力的外观。

V9800牌号经过优化，专为保险杠等汽车外部部件设计，首要侧重于紫外线稳定性。V9100牌号则专为汽车内部组件研发，此类部件对热稳定性有着首要要求。这两款产品均旨在确保部件在整个使用寿命周期内，既能保持优异的力学性能，又能维持外观的一致性。

Syensqo聚合物添加剂业务副总裁Chen Ning表示：“随着汽车设计的不断演进，材料性能也必须紧跟步伐。凭借我们最新的Cyasorb Cyxtra解决方案，我们正助力客户充满信心地拓展半透明聚丙烯在严苛汽车应用领域的应用范围。此次新品发布充分彰显了我们的坚定承诺——即致力于提供高价值的创新方案，协助汽车整车制造商（OEMs）在实现卓越耐用性的同时，打造独具特色的设计。”

图片来源：USPTO

近年来，福特通过专利申请探索了多种潜在的未来轮胎压力监测系统，例如轮胎压力损失检测和警报系统、轮胎压力通知系统以及用于传递轮胎压力语音信息的系统等等。如今，福特推出的这项新专利，概述了一种轮胎压力监测备用系统。

专利图中显示，该系统包括处理器和存储器，存储器存储处理器可执行的指令，以响应车辆行驶速度超过车速阈值，确定车辆不同车轮之间的车轮速度差；并且，响应该差值超过差值阈值，输出指示其中一个车轮轮胎气压低的消息。

图片来源：USPTO

在这种情况下，福特提出的系统将持续监测轮胎压力，这样即使常规胎压监测系统（TPMS）出现故障，用户也不会因胎压过低（甚至爆胎）而措手不及。该系统通过监测车辆速度以及每个车轮的转速来实现这一目标。如果系统检测到某个车轮的转速与其他车轮不同，则可能表明胎压过低——在这种情况下，系统会通知驾驶员。虽然胎压监测系统故障似乎并不常见，但如果该系统最终得以实现，至少可以帮助预防事故的发生。

福特在一份声明中表示：“提交专利申请是企业正常运营的一部分，因为这一过程可以保护新创意，并帮助我们构建强大的知识产权组合。专利申请中描述的想法不应被视为我们业务或产品计划的指示。无论专利申请中概述的内容如何，在开发和推广新产品和服务时，我们始终会将客户放在首位。”

图片来源：现代摩比斯

满足如此庞大的数据验证需求，通常需要测试车辆在实际路况下进行数年的路试。然而，现代摩比斯（Hyundai Mobis）成功建立了一套数据集成管理解决方案，显著缩短了这一流程，从而帮助公司在全球市场中保持竞争优势。

据外媒报道，现代摩比斯宣布已建立一套评估验证系统，该系统能够将实际道路测试数据与数据管理解决方案和模拟器相结合，模拟各种驾驶场景，从而对智能驾驶车辆（SDV）和自动驾驶的电子控制单元（ECU）进行反复测试。

该系统通过一个并行连接多个模拟器的平台，能够模拟各种验证场景，从而大幅缩短评估验证时间。现代摩比斯计划未来将该平台扩展至连接多达60个模拟器。这将使该公司能够在短短一周内完成相当于10,000小时的评估验证工作。

该系统尤其基于在真实驾驶和停车环境中，通过安装在测试车辆上的传感器收集的各种条件下的数据。其关键优势在于能够通过将真实场景（例如夜间驾驶、雨天路况和突发事件）与虚拟环境中的模拟相结合，来模拟现实中难以重现的场景。通过以最佳比例结合真实世界数据和虚拟数据，该公司期望能够全面评估自动驾驶和高级驾驶辅助系统（ADAS）的识别性能和稳定性。

图片来源：现代摩比斯

现代摩比斯计划积极利用该系统，全面验证自动驾驶传感器（例如雷达、摄像头、激光雷达和超声波传感器）以及各种电子控制单元（ECU）的算法性能和可靠性。通过主动建立这一能够一站式管理大规模传感器数据的评估和验证系统，该公司期望增强其在自动驾驶车辆（SDV）技术发展方面的竞争力，从而为更积极的全球订单获取活动奠定基础。

“在智能出行和自动驾驶时代，评估和验证与技术研发同等重要。我们期望建立这套评估验证体系，能够同时提升验证的速度和范围，从而显著增强我们在核心智能出行零部件订单方面的竞争力。”现代摩比斯汽车电子研发主管Ko Bongchul解释道。

图片来源：《Green Energy and Intelligent Transportation》

自主模块化公交车作为一种新型公共交通模式备受关注，因为它们可以在行驶过程中进行停靠和脱离，通过更灵活的运营方式，有望缓解交通拥堵并降低能源消耗。但为了确保这些系统可靠运行，车辆必须能够在水平和垂直方向上进行高精度定位，同时还要应对动态障碍物和近距离遮挡。

现有的基于激光雷达的同步定位与建图方法在静态环境下表现良好，但对接场景会带来额外的挑战。研究人员特别指出，当对接过程中附近车辆遮挡部分传感器视野时，传统方法会出现垂直漂移和鲁棒性下降的问题。

为了解决这些问题，该团队提出了一种增强型激光雷达-惯性测量单元（IMU）SLAM框架，专门针对自主模块化巴士对接场景。该方法结合了两阶段扫描到地图匹配策略和地面约束以减少z轴漂移；一种因子图优化方法，该方法将IMU的横滚和俯仰约束与周期性重置相结合以限制长期漂移；以及一种基于深度学习的前方车辆检测和点云滤波机制，以减少遮挡的影响。

在使用真实世界单车和双车数据集进行的实验评估中，该框架与现有方法相比，显著降低了绝对位姿误差和相对位姿误差。结果表明，该方法能够提高对接过程中的垂直定位精度，同时在动态、障碍物较多的环境中保持更高的鲁棒性。

该研究为提升模块化公交系统的自主对接性能提供了一条切实可行的途径，因为即使是相对较小的定位误差也会影响安全性、效率和乘坐舒适性。如果该框架能在更广泛的部署场景中得到进一步验证，则有望为智能公共交通网络中更可靠的车辆协调提供支持。

由于报告的研究结果基于实验数据集和特定的对接环境，因此仍需开展更多工作，以评估其在更广泛的天气、交通和基础设施条件下的性能。即便如此，研究结果表明，更优的传感器融合和遮挡处理技术可能在推动自主模块化公交车概念更接近实际应用方面发挥重要作用。

图片来源：东芝

随着水泵、油泵和风扇等汽车系统电气化进程的持续推进，汽车制造商对电机提出了更高要求，期望其具备更紧凑的体积、更高的效率以及更低的噪音。与此同时，鉴于车辆内部安装的电子控制单元（ECU）数量日益增加，减少元器件数量并最大限度地节省电路板空间已变得愈发重要；这一趋势正推动市场对那些集成了MCU与电机控制栅极驱动器的高度集成器件产生日益增长的需求。

三相无刷直流电机的无传感器控制面临着低速状态下转子位置难以准确检测的挑战，这催生了对高性能无传感器磁场定向控制（FOC）技术的强烈需求——此类技术需具备从零转速起实现稳定控制的能力。

TB9M030FG内部集成了基于Arm® Cortex®-M0内核的微控制器（MCU）、闪存、用于控制并驱动三相无刷直流电机N沟道功率MOSFET的栅极驱动器、本地互连网络（LIN）收发器，以及可在车载电池电压水平下正常工作的电源系统；所有这些组件均集成于小巧的9×9mm（典型值）QFP48封装之中。这种高度集成的设计有助于实现ECU的小型化，并有效减少元器件数量。

这款新型MCD还集成了东芝专有的矢量引擎硬件，可在FOC电机控制应用中有效减轻CPU负载并缩小软件程序规模。东芝专为低速运行场景开发的无传感器控制技术，若配合凸极电机使用，便能实现从零速直至低速范围内的无位置传感器FOC控制。这一方案不仅消除了标准高频信号注入法（因注入谐波而产生）所带来的噪声，还能使电机运行更为静音。

TB9M030FG符合汽车电子认证标准AEC-Q100（0级）。

TB9M030FG的特性有助于实现汽车系统的小型化并减少元器件数量，同时能够支持更先进、更复杂的电机控制功能，使其适用于广泛的汽车电机应用领域。

东芝将继续通过集成汽车系统所需的各项功能，不断扩充其SmartMCD™系列的产品阵容，从而助力汽车系统的小型化及元器件数量的精简。

图片来源：USPTO

大约一年前，福特曾公开一项关于“众包式天气探测技术”的专利。这项技术未来有望用于收集来自不同地区车辆的天气信息，从而提供更为精准且值得驾驶员信赖的天气预报。该系统将通过传感器来实现这一功能，持续采集天气数据并将其与其他车辆进行共享。如今，福特紧随其后又提交了一项关于全新构想的专利——这一次，是一套同样有望应用于未来福特车型中的天气探测系统。

专利图中显示，该用于车辆的天气检测系统包括：一个天气传感器，配置用于在可操作状态下感知车辆外部区域的环境状况；一个执行器，用于控制针对该环境状况的响应；一个网络接口，配置用于从车辆车队获取天气数据；以及与该天气传感器及执行器进行通信的控制电路。该控制电路配置用于通过网络接口获取天气数据，将该天气数据与所述环境状况进行比对，基于该比对结果检测天气传感器的不可操作状态，并基于对该不可操作状态的检测结果来控制所述执行器。

图片来源：USPTO

该系统依靠传感器来收集天气数据，并将这些数据在整个车辆网络中进行共享。随后，它便可利用这些众包数据，在上述车辆之间提供极其精准且实时更新的天气信息——甚至还能通过多种方式，对那些选择参与并提供数据的车主给予奖励。事实上，该专利指出，气温和降水量等气象要素在极小的区域范围内也可能存在显著差异，而传统天气预报往往会将这些细节一概而论；正因如此，这项技术在未来的实际应用中显得尤为可行。

福特在一份声明中表示：“提交专利申请是企业的一项常规工作，这一流程旨在保护新颖构思，并助力我们构建稳健的知识产权组合。专利申请中所描述的构思，不应被视为我们具体业务或产品规划的预示。无论专利申请的内容涵盖了什么，在针对新产品和服务的研发与营销做出决策时，我们始终会将客户利益放在首位。”

与传统的有限元方法（finite element method，FEM）仿真不同，SHIFT-Crash是一个可重用的AI模型，它能够保留并改进不同车辆项目中的碰撞物理知识，而传统的FEM仿真必须针对每个新的设计方案从头开始运行。

图片来源：Luminary

碰撞仿真瓶颈

碰撞仿真是车辆开发过程中计算成本最高的环节之一。在高性能计算（HPC）集群上，一次NHTSA NCAP 56公里/小时的整车正面碰撞仿真通常需要10到12个小时。一个典型的车辆项目需要针对各种载荷工况和设计方案进行数千次此类仿真。关键在于，传统的FEM仿真没有记忆功能。每个车辆项目都必须从零开始，重新创建网格并运行新的求解器，因为之前平台的设计知识无法迁移。因此，详细的碰撞安全性分析通常只在开发后期进行，此时设计变更极少，而且实施成本也更高。

从数天到数秒：扩展碰撞设计探索

汽车行业正日益将虚拟验证纳入碰撞安全性开发流程。2026年2月，宝马集团（BMW Group）成为首家在德国获得官方认可，其虚拟碰撞仿真结果与物理测试结果等效的汽车制造商。SHIFT-Crash在此工作流程引入了一项新功能。该模型可在数秒内预测整车碰撞响应，使工程师能够在单个开发周期内评估更多设计方案。一家大型汽车原始设备制造商（OEM）证实，这种速度将使工程师能够探索以往在项目周期内无法触及的设计空间，从而在车辆开发的早期阶段加速碰撞安全性优化。

其商业影响显而易见。如果OEM能够在几秒钟内（而非几天）根据NHTSA NCAP、Euro NCAP 2026和IIHS协议筛选设计方案，他们就能更早地锁定设计，更快地将车辆投入生产，并抢在仍在等待HPC仿真结果的竞争对手之前将产品推向市场。对于大批量生产的项目而言，即使市场准入时间仅提前一到两个月，也能转化为可观的收入增长，这还不包括Physics AI已经带来的成本节约。

不断完善的智能模型

SHIFT-Crash利用迁移学习将碰撞物理知识从一个车辆项目迁移到下一个项目，并跨越不同的车辆类别。随着模型应用于更多项目，它会不断积累关于结构碰撞行为的知识。

对于初始SUV项目，OEM可能使用大约5,000次碰撞仿真或现有的历史仿真数据来训练SHIFT-Crash。随着模型从后续项目中积累知识，评估未来设计所需的新仿真次数可以大幅减少。到第三个SUV项目时，可能只需要不到300次额外的仿真，因为大部分底层碰撞物理特性已被掌握。

这种不断积累的知识使工程师能够在单个开发周期内评估更多设计方案，从而加快碰撞安全性优化，并缩短新车项目验证所需的时间。

当OEM厂商转向新的车型类别时，部分知识迁移仍然适用。从SUV项目中学习到的结构碰撞物理特性意味着，首款轿车项目可能只需要大约600次仿真，而无需从头开始进行5000次仿真。

AI在碰撞测试中的主要优势

• 成本节约的叠加效应：迁移学习功能使知识能够在不同的车辆项目中通用，从而显著减少未来设计所需的高成本仿真次数。

• 快速设计优化：工程师可以在开发周期的早期阶段快速探索车辆几何形状（例如碰撞吸能区结构或座舱尺寸）和材料参数（例如钢轨厚度）的设计变更。

• 可靠的后续分析：工作流程就绪的预测结果均方根误差（Root Mean Square Error，RMSE）低于3%，工程师可以自信地进行后续安全分析并得出关键的碰撞指标。

Luminary首席产品官Suds Menon表示：“如今，碰撞分析是一项非常昂贵且耗时的计算力学难题。借助SHIFT-Crash，我们为碰撞工程师提供了前所未有的更丰富的探索设计空间的能力，缩短了解决方案的开发时间，并大幅降低了成本。借助物Physics AI碰撞模型，每个新的车辆设计项目都能减少所需的仿真次数，使模型更加智能，并在更短的时间内提供更高精度的结果，从而缩短设计周期。”

ETP058是一种软木基复合材料，它将软木颗粒与阻燃配方相结合，从而增强隔热性、阻燃性和机械适应性。

图片来源：Amorim Cork Solutions

该材料适用于电池模块，其中的组件必须能够控制热传递、承受机械应力，并在诸如热失控等极端条件下保持性能。

据报道，该材料的导热系数为0.054W/mK，厚度大于2mm的样品符合UL94 V-0标准。在接近1000°C的高温环境下，该材料的性能已得到评估，结果表明其背面温度随时间逐渐升高。

这些特性使其能够减缓电池间的热传递，并在压缩条件下保持结构稳定性。

Amorim提供更广泛的解决方案，包括用于电池密封、外壳保护和电池间距的材料。这些解决方案旨在帮助限制热失控事件期间的温度传播，并保障电池的整体安全。

针对密封应用，该公司开发了一种符合UL-94 V0阻燃标准的软木和硅基材料。该材料在50%挠度下的压缩永久变形低于40%，并且耐磨损、耐紫外线辐射和耐臭氧。

针对电池内部组件，该公司开发了将软木与云母、玄武岩或碳纤维等材料相结合的多层系统。这些系统旨在用作电池或模块之间的隔热层，以及电池外壳内的保护层。

这些多层材料的厚度范围为0.8至30mm，并可制成各种规格。据报道，该材料的性能包括：在2.5MPa下压缩率高达约80%，隔热性能为每分钟20°C至30°C，密度约为200kg/m³。

该研究团队由电气工程学院（School of Electrical Engineering）的Hyun Myung教授领导，与初创公司EuRoboTics Co., Ltd.合作，开发出名为“DreamWaQ++”的四足机器人控制技术。该技术能够基于视觉信息识别地形，并实时调整运动策略。

相关研究成果发表于期刊《IEEE Transactions on Robotics》。

图片来源：KAIST

从盲行到视觉控制

该研究团队此前开发的DreamWaQ是一种盲眼运动技术，它仅利用本体感觉（例如关节编码器和惯性传感器）来估计地形，即使在没有视觉信息的情况下也能实现稳健的运动。在视觉信息难以获取的环境中（例如灾害现场），它也能实现稳定的行走，但其局限性在于机器人只能在腿部直接接触障碍物后才能调整运动。

新开发的DreamWaQ++通过将本体感觉与基于摄像头和激光雷达的外部感觉相结合，克服了这一局限性。其关键在于实现了基于感知的运动，机器人能够提前识别障碍物并主动调整行走策略，超越了简单的被动控制，能够理解环境并做出相应的决策。

为了实现这一目标，该研究团队设计了一种多模态强化学习架构，并将其应用于基于轻量级计算的实时控制。此外，当传感器出现故障时，该架构能够自动切换到基于其他感觉模态的运动方式，从而确保稳定性，同时还具有可扩展性，使其能够应用于各种机器人平台。

在复杂地形上进行实际测试

实验也验证了其性能。搭载DreamWaQ++的机器人在各种挑战性环境中均展现出超越现有技术的性能。

在爬楼梯实验中，该机器人仅用35秒就爬完了50级台阶（水平距离30.03米，垂直距离7.38米），性能优于盲眼运动控制器和商用感知控制器。

在陡坡环境中，该机器人能够稳定地攀爬35°的斜坡，其坡度是训练条件（10°）的3.5倍，并且能够主动调整姿态，使后腿电机扭矩比现有方法降低约1.5倍。

此外，在各种障碍物场景下，该机器人展现了基于学习的感知能力，无需单独进行路径规划即可自主选择更高效的路径；在不确定的跌落地形中，它表现出探索行为，会在移动前主动停下来检查地面。

同时，它还展现了极高的敏捷性，即使携带2.5公斤的有效载荷，也能轻松越过高达41厘米（超过自身高度）的障碍物。仿真结果表明，该机器人能够与苏黎世联邦理工学院（ETH Zurich）开发的代表性四足机器人ANYmal-C配合，越过高达1.0米的障碍物；与KAIST的Hae-Won Park教授团队开发的四足机器人KAIST HOUND配合时，能够越过高达1.5米的障碍物。

值得一提的是，尽管该机器人仅接受过相对较低的障碍物（27厘米）的训练，但它在42厘米高的台阶上仍能达到约80%的成功率。这意味着该机器人并非简单地重复已学习过的场景，而是能够自主适应新的环境。

该研究团队预计，这项技术可应用于传统轮式机器人难以进入的环境，例如灾害响应、工业设施巡检、林业和农业等领域。

Hyun Myung教授表示：“这项研究表明，机器人已经超越了简单的移动，发展到能够理解环境并自主做出决策的阶段。我们将进一步拓展这项技术，开发出适用于各种实际环境的智能移动技术。”

据外媒报道，世宗大学（Sejong University）的研究人员开发了一种旨在解决这一问题的自支撑硅负极。相关研究成果发表于期刊《Advanced Fiber Materials》，标题为《用于高倍率、长寿命锂离子电池的具有共形颗粒状Si/SiOx界面的CNF支持的自支撑硅负极（CNF-Supported Si Freestanding Anode with a Conformal Granular Si/SiOx Interphase for High-Rate, Long-Life Li-Ion Batteries）》。

图片来源：期刊《Advanced Fiber Materials》

传统的硅电极通常是将浆料混合物涂覆在集流器上制成的，这种设计会增加电极的重量，并引入在反复循环过程中变得不稳定的界面。相比之下，世宗大学的研究团队设计了一种独立式结构，其中碳纳米纤维（CNF）既作为负极的结构支架，又作为导电框架。

研究人员随后在每根纤维的表面设计了一种水解-缩合反应，使硅沿着CNF网络均匀形成共形Si/SiOx界面。示意图概述了这一逐步过程如何最终制备出这种自支撑负极结构。

这种结构至关重要，因为它有助于电极在硅于反复循环过程中体积发生变化时，仍能保持其多孔网络和电连接。

显微镜和光谱分析表明，含硅层在CNF芯周围形成一个薄而连续的壳层，且未出现过度聚集或包覆现象。这有助于保持纤维间的连接，并维持离子传输的通道畅通。

在电化学测试中，该负极在0.1A g⁻¹的电流密度下可提供727.1mAh g⁻¹的比容量。在1A g⁻¹的高倍率条件下，循环2000次后容量保持率为79.8%。在与NCM622正极的全电池测试中，该负极可提供176.5mAh g⁻¹的比容量，循环300次后容量保持率为91.6%。

该研究团队还发现，循环过程中电荷转移电阻降低，表明该结构能够支持更快速的电化学传输，从而延长电池的使用寿命。

研究人员表示，这种结构稳定性和倍率性能的结合，使得该设计适用于既需要快速充电又需要长循环寿命的应用，包括电动汽车和储能系统。

Hyeon-Woo Yang教授表示：“这项工作的关键区别在于，CNF不仅被用作支撑物，更被用作自支撑硅负极的结构和导电骨架。通过使硅沿每根纤维均匀生长，我们成功地提高了结构稳定性和电化学性能。”

Sun-Jae Kim教授补充说道：“硅负极长期以来一直受限于反复循环过程中的结构退化。这项研究为克服这一难题、拓展高容量硅负极在下一代锂离子电池中的应用提供了一条新途径。”

这款名为VueBuds的原型系统拍摄低分辨率的黑白图像，并通过蓝牙传输到手机或其他附近的设备。设备上的小型AI模型会在大约一秒钟内回答有关图像的问题。为了保护隐私，所有处理都在设备本地进行；系统录制时会亮起一个小指示灯；用户可以立即删除图像。

图片来源：华盛顿大学

该团队于4月14日在巴塞罗那举行的CHI 2026会议上展示了他们的研究成果。该研究发表于论文集《Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems》。

该研究的资深作者Shyam Gollakota说：“大多数人还没有接受智能眼镜或VR头显，部分原因是很多人不喜欢戴眼镜，而且它们通常会带来隐私问题，例如录制高分辨率视频并在云端进行处理。但几乎每个人都佩戴耳机，所以我们想看看能否将视觉智能集成到微型、低功耗的耳机中，并在这一过程中解决隐私问题。”

摄像头比耳机中现有的麦克风耗电量大得多，因此使用与智能眼镜相同的高分辨率摄像头行不通。此外，蓝牙无法持续传输大量信息，所以该系统无法播放连续视频。

研究团队发现，使用低功耗摄像头（大小与米粒相仿）拍摄低分辨率黑白静态图像，既能降低电池消耗，又能保证蓝牙传输，同时还能维持性能。

此外，摄像头的放置位置也是一个需要考虑的问题。

该研究的第一作者Maruchi Kim表示：“我们面临的一个重要问题是：用户的脸会不会遮挡太多视线？耳机摄像头能否可靠地捕捉到用户的视野？”

研究团队发现，将每个摄像头向外倾斜5-10度，即可获得98-108度的视野。虽然当物体距离用户小于20厘米时，这会造成一个小的盲区，但人们很少会把东西拿得这么近去仔细观察——因此对于日常互动来说，这几乎不会造成任何问题。

研究人员还发现，虽然视觉语言模型基本能够理解每个耳机拍摄的图像，但同时处理两个耳机拍摄的图像会降低其速度。因此，研究人员让系统将两张图像“拼接”成一张，识别重叠部分并将其合并。这样一来，系统就能在一秒内做出响应——速度之快足以让用户感觉如同实时响应——而不是像处理单独图像那样需要两秒。

研究团队让74名参与者在一系列测试中比较了VueBuds和Ray-Ban Meta Glasses的输出结果。尽管VueBuds使用的是低分辨率图像，并具有更高的隐私控制，而Ray-Ban则使用在云端处理的高分辨率图像，但两个系统的表现却不相上下。参与者更喜欢VueBuds的翻译结果，而Ray-Ban在物体计数方面表现更佳。

另有16名参与者佩戴了VueBuds耳机，并测试了该系统翻译和回答有关物体的基本问题的能力。VueBuds在翻译或识别物体时准确率达到83%–84%，在识别书籍的作者和书名时准确率达到93%。

这项研究旨在评估将摄像头集成到无线耳机中的可行性。由于该系统只能拍摄灰度图像，因此无法回答涉及场景颜色的问题。

研究团队希望为系统添加彩色功能（彩色摄像头需要更多电量），并训练专门用于特定应用场景（例如翻译）的AI模型。

Kim表示：“这项研究让我们得以一窥仅使用通用语言模型和我们带有摄像头的无线耳机所能实现的功能。但我们希望对该系统进行更严谨的研究，以应用于诸如阅读书籍（例如，为视力障碍者或盲人阅读）或为旅行者翻译文本等场景。”

图片来源：Hall Lidar

该无人机探测系统独立于射频信号、GPS可用性或视觉条件运行。该系统不发射任何信号，因此敌方无法探测到它。同时，声学特征无法像电子信号那样被欺骗或掩盖，从而提供了一种独特的、具有极强鲁棒性的探测方式。集成的连接功能，例如Wi-Fi、蓝牙和5G，使该系统能够无缝集成到更广泛的指挥控制架构中。作为独立单元，单个单元可以探测到最远200米距离的无人机。多个单元协同工作可以将覆盖范围扩展到约500米。

尽管近年来全球各地涌现出了各类声学无人机探测系统（包括来自国际供应商的产品），但Hall Lidar推出的UDL-64系统完全是在美国境内完成设计、工程研发及制造的。作为公司的首席执行官兼首席科学家，David Hall在设计该系统时，旨在打造一款值得信赖且性能稳健的产品；与此同时，该系统还具备低成本的优势，能够灵活适应各类项目需求及预算限制。

随着无人机威胁在规模和复杂程度上持续演变，操作人员迫切需要能够在传统技术往往力不从心的环境中依然可靠运行的系统。雷达系统容易受到地形和空中杂波的干扰，导致性能下降；基于射频（RF）的解决方案在应对自主飞行或不发射信号的无人机时已显得日益乏力；而光学系统则严重依赖于视距条件。

声学传感技术引入了一种截然不同的探测路径。由于该技术依赖于无人机旋翼产生的物理声学特征，其运行完全独立于射频信号、GPS可用性或视觉条件。该系统自身不发射任何信号，因此对敌方而言是完全不可探测的。与此同时，声学特征无法像电子信号那样被伪造或掩盖，从而提供了一种独具韧性的探测模式。

AI驱动的实时声学智能感知

该系统的核心在于一套高密度麦克风阵列，并辅以先进的边缘侧AI处理技术。该平台能够持续采集空间声场数据，并运用实时波束成形技术，在预设的扇区范围内对空中威胁进行隔离与追踪。借助经过训练的声学模型，系统能够依据无人机独特的旋翼声纹特征对其进行分类识别，同时有效滤除风声、车辆噪音或城市活动声等环境干扰。

当以网络化形式部署时，多台设备可协同工作以实现三角定位，从而在更广阔的覆盖范围内对目标进行全三维追踪。此外，系统还可选配集成式光学模块，使操作人员能够在探测到威胁后进行目视确认与验证，从而构建起一种多层次的感知体系，且无需暴露系统自身的部署位置。

该系统的物理设计经过精心打造，旨在最大程度地提升其在实际应用环境下的声学性能。其传感器阵列置于一种特殊结构之中，能够有效增强声音的捕捉能力与指向性；与此同时，坚固耐候的外壳在为系统提供周全防护的同时，丝毫不损其声学灵敏度。由于不含任何活动部件，该平台天生具备极高的耐用性，尤为适合在恶劣环境中进行长期部署。

专为操作灵活性而设计

该系统结构紧凑、重量轻巧，外形直径约为24英寸，使其能够轻松部署于各类应用场景之中。系统既可架设于三脚架或立杆之上，数分钟内即可完成布设，从而助力机动部队实现快速响应；亦可作为固定站点的防御设施，支持长期驻守部署。

灵活多样的供电方式进一步提升了系统的通用性，用户可根据需求选择电池、太阳能或外部电源进行供电。此外，系统集成了Wi-Fi、蓝牙及5G等多种连接功能，能够无缝融入更宏大的指挥控制体系之中。

在独立运行模式下，单台设备即可探测最远达200米范围内的无人机。若采用组网模式，多台设备协同工作可将探测覆盖范围扩展至约500米，从而在特定区域内提供持续、立体的态势感知能力。

专为实战任务而设计

该平台在研发之初便充分考量了实际作战环境的需求，能够支持从快速部署型机动分队到全面集成式固定防御系统等多种应用场景。机动单元仅需短短一分钟即可完成部署，并能即刻提供针对来袭威胁的方向感知能力。在更为常态化的部署配置中，多个传感器可实现联网协同，从而提供高度精密且精准的追踪数据，涵盖目标的位置、速度、高度及类别识别等信息。

凭借上述能力，该系统尤为适用于民用机场、能源设施、交通枢纽、体育场馆等各类重要场所的防护工作。此外，其紧凑小巧的设计使其在那些对隐蔽性要求极高的监控场景中，更显其独特的应用价值。

据外媒报道，汉高（Henkel）推出全新的防指纹（AF）涂层系列产品，其中包括Loctite AF 8810和Loctite AF 8812；这两款产品均采用创新配方，完全不含PFAS或任何氟成分。这些解决方案专为车载显示屏及触摸屏等汽车应用场景而设计，能够助力制造商同步满足市场对显示性能、耐用性、易清洁性及可持续性日益增长的多元化需求。

图片来源：汉高

这两款新型AF涂层基于汉高先进的硅基低表面能技术研发而成，不仅适用于多种基材并能提供卓越的综合性能，且均不含PFAS或氟成分。其中，Loctite AF 8810经过特别优化，专用于塑料显示屏盖板；而Loctite AF 8812则专为玻璃基材提供防护，使其硬度可达到9H标准。

满足未来车载显示器的高标准需求

在下一代汽车中，显示器的数量、尺寸、使用频率及功能重要性均呈显著增长趋势——这使得屏幕性能成为影响用户体验的关键要素。因此，这一全新系列产品不仅在法规合规与可持续性方面表现卓越，更能显著提升用户交互体验，并确保其在面临光照、温度循环及机械磨损等严苛车内环境下仍具备长期的可靠性。

图片来源：汉高

得益于极低的摩擦系数，该系列产品能够实现流畅的触控交互体验；同时，凭借极高的光学清晰度与极低的雾度，它们能呈现出栩栩如生的图像效果。此外，这些产品还具备卓越的耐用性：在测试中（针对AF 8812型号，采用橡皮擦磨损测试法），历经5000次磨损循环后其水接触角依然保持稳定；即使经过长时间的紫外线照射，其疏水性能也丝毫不减。对于应用施工方而言，该系列涂层具有极高的工艺灵活性，不仅兼容喷涂、PVD等多种量产工艺流程，更可在加热条件下仅需短短30分钟即可完成固化。

以创新应对监管挑战

“全球范围内淘汰PFAS的进程正在加速，我们的客户亟需高性能的替代方案，既要满足严苛的技术规范，又不能增加工艺的复杂性，”汉高光学与保形涂层业务副总裁Deckard Sorensen表示。“凭借Loctite AF 8810和AF 8812，我们提供了卓越的耐用性、光学性能及用户舒适度，且配方中不含PFAS成分——这助力汽车行业客户在满足市场不断演变的需求的同时，也能从容应对日益变化的监管环境。”

该研究团队首次将复杂的状态空间模型（一种替代ChatGPT等Transformer模型的尖端技术）直接映射到内存计算架构上。

图片来源：期刊《Nature Communications》

密歇根大学（U-M）James R. Mellor工程学教授、该研究的通讯作者Wei Lu表示：“内存计算系统具有极高的能效和吞吐量，但它们较为僵化，并非卷积神经网络和Transformer网络的最佳选择。在该研究中，我们证明了内存计算系统非常适合状态空间模型。状态空间模型中的所有操作都可以通过内存计算系统中的设备物理特性高效实现，这有望实现这些前景广阔的网络的高效硬件部署。”

AI处理效率问题

在边缘设备（例如智能手机、可穿戴健康监测器或自动驾驶汽车等电池供电设备）上运行AI推理，可以将数据本地化，从而提高速度、隐私性和效率。然而，目前的硬件和软件效率不足以在边缘设备上运行高级AI。

在硬件方面，数据在不同的内存和处理单元之间不断传输，造成了高能耗的瓶颈。内存计算硬件可以通过将数据存储在同一位置并进行处理来避免这个问题，但它与大多数AI模型使用的复杂数学运算不兼容。

在软件方面，像ChatGPT这样的Transformer模型会随着输入或对话长度的增加而占用更多内存，导致一些长序列耗尽内存的情况。像脉冲神经网络这样的模型由于仅在新数据到达时才激活，因此提高了内存效率，但它们的准确性较差。该研究团队通过设计一个软硬件互补的系统，解决了这两个效率问题。

软硬件协同设计方案

以往，高性能状态空间模型使用复数。这导致芯片需要额外工作，因为电路必须分别追踪每次计算的实部和虚部。研究人员通过调整状态空间模型，使其仅使用实数，从而使每个存储单元能够直接表示一条数据，从而提高了效率。

为了确保实时处理且避免内存瓶颈，研究团队没有为每个神经元单独设置衰减率，而是为模型的整个模块设定了一个固定的衰减率。这个衰减率决定了短期记忆，本质上就是系统“遗忘”旧数据、为新信息腾出空间所需的时间。

该状态空间模型在一个采用标准65纳米CMOS工艺制造的电阻式随机存取存储器（Resistive RAM，RRAM）交叉阵列上实现，从而提供了可扩展性。该交叉阵列本质上是一个晶格结构，其连接点处装有忆阻器，可执行向量矩阵乘法，从而实现快速、低功耗的计算。

为了使硬件与状态空间模型的固定衰减率相匹配，研究人员制造了不同厚度的氧化钨（WOx）忆阻器。这些层状结构是通过400°C的氧气气氛中氧化钨电极形成的，氧化时间分别为20秒（形成较薄的氧化层）和80秒（形成较厚的氧化层）。较薄的氧化层使短期记忆衰减更快，而较厚的氧化层则使短期记忆衰减更慢。

U-M电子与计算机工程博士生、该研究的共同第一作者Xiaoyu Zhan表示：“尽管状态空间模型在处理长序列方面展现出巨大的理论潜力，但它们在传统硬件上的部署效率却非常低下。我们的内存计算实现从物理层面重构了状态空间模型的计算方式，使该领域向高效、硬件原生的AI迈出了重要一步，这种AI可以在任何地方运行。”

低延迟、高能效处理

经物理实验和仿真基准测试，该软硬件协同设计能够高效处理连续事件序列。RRAM交叉阵列执行向量矩阵乘法运算，其结果与理想数学输出仅相差4.6位。在衰减测试中，氧化钨忆阻器的行为与预测模型相符，成功满足了状态空间模型的需求。

总体而言，该新设计实现了实时处理能力，在延迟和功耗方面均显著优于传统数字硬件。

U-M电子与计算机工程博士生、该研究的共同第一作者Mingtao Hu表示：“通常情况下，将复杂的算法从理想的软件环境移植到实际的内存计算硬件中会引入噪声并导致性能下降。然而，我们的架构不仅保持了高精度，而且还大幅降低了能耗。这证明状态空间模型和神经形态硬件是天然的完美匹配。”

图片来源：博世

两家公司还强调了双方长期合作的一个重要里程碑：博世已基于高通技术公司的骁龙驾驶舱平台（Snapdragon Cockpit Platforms），为全球汽车市场开发并交付了超过1000万台车载计算机。

“通过将领先的计算技术与我们在硬件、软件和安全方面的系统集成专长相结合，我们助力汽车制造商满足消费者对个性化、安全和舒适驾驶体验日益增长的需求，”博世移动出行事业部董事会成员、系统、软件和服务首席技术官兼跨域计算解决方案事业部总裁Christoph Hartung表示。“我们与高通技术公司合作的不断成功凸显了博世为行业带来的一项核心价值：我们提供强大、高性能的计算平台，这些平台构成了当今软件定义汽车的基石。”

“我们与博世的合作涵盖了车辆计算的各个方面——从高性能驾驶舱系统到可扩展的自动驾驶解决方案，以及新兴的集中式车辆架构——所有这些都由骁龙®数字底盘™汽车平台提供支持，”高通技术公司执行副总裁兼汽车、工业、嵌入式物联网和机器人业务集团总经理Nakul Duggal表示。“ADAS（高级驾驶辅助系统）是性能和安全性必须在实际应用中实现规模化的关键所在。通过将我们与博世的合作扩展到可量产的ADAS平台，我们正在帮助汽车制造商更高效地将高级驾驶辅助系统应用于所有车型，并为其通往集中式计算的清晰路径铺平道路。”

基于这一发展势头，两家公司正通过新的ADAS（高级驾驶辅助系统）生产项目深化合作。这些项目利用博世基于高通Snapdragon Ride™平台打造的成本优化型车载计算机架构，支持实用且可扩展的ADAS部署。此次合作还包括专为支持混合关键性应用而设计的集成式驾驶舱和ADAS平台，该平台集成于骁龙Ride™ Flex SoC的单个系统芯片上，与汽车制造商的软件定义车辆战略计划相契合。这些项目的核心是博世ADAS集成平台——一款专为ADAS功能设计的可扩展模块化车载计算机。凭借高带宽、强大的计算能力和卓越的内存管理，该平台满足严格的安全标准，融合多种传感器技术以构建精确的360°环境模型，并运行复杂的算法，即使在高速行驶下也能提供安全、动态的车辆操控性能。

下一个前沿领域：携手打造ADAS的未来

博世与高通技术公司携手合作，提供可扩展、成本优化的车载计算机及ADAS解决方案，并在东亚市场赢得了多家全球客户的订单。这些合作成果为汽车制造商提供了至关重要的灵活性，并为其向集中式计算架构的迁移指明了清晰的道路。该架构采用少量高性能车载计算机，取代了众多独立的控制单元。博世的车载计算机基于高通技术公司可扩展的Snapdragon Ride Platform，支持从入门级ADAS（例如速度和距离控制或车道保持）到高级自动驾驶系统的各种配置。首批基于这些新业务的车辆预计将于2028年上路。

此外，ADAS和驾驶舱解决方案还可以整合到单一平台上，从而为汽车制造商提供更大的灵活性并降低架构复杂性。为此，博世和高通技术公司正在利用现有产品开发解决方案：Snapdragon Ride™ Flex在此基础上，将驾驶舱和ADAS功能整合到单个符合安全认证标准的SoC上，从而降低系统复杂性、功耗和成本，同时为汽车制造商提供通往集中式计算架构的途径。博世的驾驶舱和ADAS集成平台将辅助驾驶、自动驾驶和信息娱乐（例如个性化导航和语音助手功能）的系统功能集成到一台高性能计算机中。

ADAS 和跨域计算解决方案均旨在满足严格的安全要求（最高可达 ASIL-D 等级），同时降低复杂性和成本。对于驾驶员而言，这意味着可以更方便地使用高级 L2 级驾驶功能，例如车道保持、免手驾驶和智能自动泊车。

成功合作的故事：定义现代数字座舱

博世与高通技术公司的合作正在重新定义现代数字座舱，服务于北美、亚洲和欧洲的区域及全球汽车市场。自2021年开始交付以来，这一合作模式推动了指数级增长，在不到三年的时间内，其交付量从2023年的100万台增长到1000万台，这得益于与全球汽车制造商成功签订的项目合同。交付里程碑凸显了两家公司在软件定义汽车时代，在全球范围内大规模工业化先进汽车技术的能力，涵盖从入门级到高端车型。这一成功源于博世灵活且可扩展的解决方案，并充分利用了骁龙座舱平台。博世座舱集成平台能够驱动越来越多的车载显示器和摄像头输入。高通技术公司的骁龙座舱平台将高性能计算与节能设计相结合，从而实现丰富的车辆体验。这包括从成本优化系统中清晰、基本的显示屏，到具有超低延迟 HMI 响应速度、多显示器配置、沉浸式多媒体、AI 驱动的对话式语音助手和更高水平的个性化的高级系统——同时保持各个车辆领域的效率。

图片来源： 剑桥大学

该反应器利用太阳能驱动，有望成为目前化学回收方法的更经济、更可持续的替代方案。研究团队表示，他们的方法可以创建一个循环系统，使一种废物流能够解决另一种废物流的问题。相关研究成果发表在期刊《Joule》上。

全球塑料年产量超过4亿吨，但只有18%被回收利用。其余的则被焚烧、填埋或渗入生态系统。研究人员表示，他们研发的太阳能酸性光重整技术有望帮助解决全球塑料垃圾堆积如山的问题。

研究人员设计了一种光催化剂，它足够坚固，能够承受酸的强腐蚀性，同时还能有效利用废旧汽车电池中的酸液——这些酸液通常会被中和并丢弃。

“这项发现几乎是偶然的，”领导这项研究的剑桥大学Yusuf Hamied化学系教授Erwin Reisner表示。“我们过去一直认为，在这些太阳能系统中，酸是绝对不能用的，因为它会溶解一切物质。但我们开发的催化剂却不会——突然间，一个全新的反应世界展现在我们面前。”

“酸长期以来一直被用于分解塑料，但我们从未拥有过一种廉价且可规模化生产的、能够耐受酸腐蚀的光催化剂，”论文第一作者、Reisner研究小组的博士生Kay Kwarteng表示，她正是这种光催化剂的研发者。“一旦我们解决了这个问题，这类系统的优势就显而易见了。”

Kwarteng、Reisner及其同事开发的这种方法首先利用汽车电池废酸处理废塑料，将长链聚合物分解成乙二醇等化学单元，然后光催化剂在阳光照射下将其转化为氢气和乙酸（醋的主要成分）。

实验室测试表明，该反应器能够高效产氢，并以高选择性生成乙酸。此外，该反应器连续运行超过260小时，性能未出现任何下降。

这种方法适用于多种类型的塑料废弃物，甚至包括目前难以回收的尼龙和聚氨酯等塑料。这为现有的升级回收技术带来了真正的进步，因为现有的技术只能处理PET等塑料。

这种方法不仅适用于全新的实验室级酸，也适用于从汽车电池中回收的酸。这些电池的酸含量在20%到40%之间（按体积计），每年在全球范围内被大量更换。这些电池中的铅通常会被提取出来出售，但酸在安全中和后会产生额外的废弃物。

“这是一种尚未开发的资源，”Kwarteng说道。“如果我们能在酸被中和之前收集起来，就可以反复利用它来分解塑料：这真是一个双赢的局面，既避免了中和酸带来的环境成本，又能利用它来生产清洁氢气。”

研究人员表示，与其他光重整方法相比，他们的方法有望降低一个数量级的成本，这主要是因为这种酸能够提高氢气的产率，并且可以重复利用，而不是被消耗或浪费掉。

Kwarteng表示，尽管仍存在一些挑战——例如如何确保反应器能够承受腐蚀性环境——但其基本化学原理是可靠的。“这些酸在工业领域已经可以安全使用，”他说道，“现在的问题是工程技术：我们如何建造能够连续运行并处理实际废弃物的反应器？”

研究人员表示，他们的方法不会取代传统的回收利用方式，但可以作为补充，用于处理目前尚无可行再利用途径的受污染或混合塑料。

“我们并不承诺解决全球塑料问题，”Reisner表示，“但这表明废弃物可以转化为资源。利用阳光和废弃电池酸液，我们可以从塑料垃圾中创造价值，这使得这项工艺前景广阔。”

图片来源：ArXiv

该团队的方法结合了目标初始状态（该初始状态基于问题固有的局部约束）和一种新型混合器，该混合器旨在既保留现有的部分解结构，又能促进对新潜在路径的探索。通过仿真进行的评估（包括考虑当前量子硬件实际限制的仿真）始终表明，与传统的QAOA实现相比，该方法在解的成本和可行性方面均表现出更优的性能，这表明随着量子技术的成熟，为更高效的车辆路径量子解决方案提供了一条可行的途径。

约束感知QAOA显著扩展车辆路径问题的可行解空间

与标准QAOA相比，新框架取得了显著改进，可行解的占比提升至99.7%。标准QAOA在应用于车辆路径问题时，通常只能在搜索空间的极小一部分范围内找到可行解。可行路径对于物流应用至关重要，而以往，即使找到一个可行解也往往计算量巨大，尤其是在规模较大的实例中。袁正雷及其同事开发了约束感知QAOA，该算法采用轻量级初始化策略和混合XY-X混合器，性能始终优于传统方法。车辆路径问题本身涉及确定车队服务一组客户的最佳路径集合，同时考虑车辆容量、配送时间窗口和行驶距离等约束条件。这是一个非确定性多项式难（NP难）问题，这意味着找到最优解所需的计算量会随着顾客和车辆数量的增加呈指数级增长。

在所有测试条件下，平均能量水平始终较低，表明算法能够更高效地搜索最优解。在QAOA算法中，能量水平对应于解的成本；能量越低，意味着路径越好、成本越低。通过关注关键的局部约束，例如确保每个客户只被访问一次以及遵守车辆容量限制，轻量级初始化策略缩小了初始计算空间，有效地引导算法找到可行的路径。这与标准QAOA算法采用的随机起始点形成鲜明对比，后者通常需要对不可行区域进行大量探索才能找到有效解。在优化过程中，通过混合XY-X混合器可以保持重要的约束结构。XY-X混合器是一种特殊的量子电路，用于在QAOA优化过程中演化量子态。“X”组件负责对解空间进行必要的探索，而“XY”组件则通过最大限度地减少对已满足约束的干扰来帮助保持部分解的结构。这种探索与利用之间的微妙平衡对于提高算法性能至关重要。该框架为解决复杂的物流问题迈出了重要一步，有可能大幅节省成本并提高运输网络的效率。

然而，目前的研究成果仅限于模拟和相对较小的实例，这意味着将其扩展到包含数百辆车辆和配送点的真实物流挑战仍然是一个巨大的障碍。模拟中使用的实例最多只有20个地点，远低于许多真实配送网络的复杂程度。这凸显了算法结构与量子硬件实际情况之间的微妙矛盾，尽管约束感知QAOA框架带来了改进。虽然该算法在接近理想条件下展现出更优的性能，但随着实际量子噪声的引入，其优势会逐渐减弱。量子噪声源于量子比特控制和测量的缺陷，它会在计算中引入误差，阻碍算法收敛到最优解。即使噪声限制了短期收益，这仍然代表着在将量子算法应用于真实物流挑战方面取得的重要进展，并且随着技术的进步，有望带来显著的性能提升。未来的工作需要着重开发误差缓解技术，并探索更稳健的量子硬件，以充分发挥该方法的潜力。

结构化QAOA混合器展现出良好的应用前景，但仍受限于当前的量子噪声水平

物流公司正越来越多地探索利用量子计算来优化复杂的车辆路径规划，这对于降低成本和缩短配送时间至关重要。考虑到现代物流运营的规模，即使路径效率的微小提升也能带来巨大的潜在收益。模拟真实量子硬件（包括量子比特门操作和读出保真度的限制）的仿真结果表明，与标准QAOA相比，结构化QAOA的性能有所提升，尽管在噪声环境下性能差距有所缩小。量子比特门保真度指的是量子操作的精度，而读出保真度则反映了测量最终量子态的可靠性。较低的保真度会引入误差，从而降低算法的性能。

正如这些结果所示，随着量子硬件的成熟和错误率的降低，像本研究中使用的混合XY-X混合器这样结构化的算法方法可能会变得越来越有价值。该方法在各种仿真条件下都能始终如一地识别出比标准方法成本更低、更可行的路径，证明了其在解决车辆路径问题（物流优化中的一个关键挑战）方面的有效性。使用混合混合器，巧妙地平衡探索和利用，似乎是一种很有前景的策略，可以减轻噪声的影响，并提高QAOA在实际应用中的鲁棒性。还需要进一步研究该方法的可扩展性，并探索其与其他量子算法和经典优化技术集成的潜力。

图片来源：NIRA Dynamics

通过数据集成提升安全性

通过此次合作，HAAS Alert的Safety Cloud Alert、Assist和Drive产品将整合NIRA的路面警报（RSA）和路面数据层，为驾驶员和驾驶系统提供完整的道路安全信息。Safety Cloud可实时通知紧急车辆、施工区域、故障车辆和其他道路危险情况，而NIRA的RSA则提供关键的环境信息，包括：

• 实时路面摩擦力和湿滑程度警告

• 恶劣天气相关的路况警报

• 来自数百万辆联网车辆的路面危险检测

• 本地化的抓地力和牵引力信息

“此次合作标志着互联车辆安全领域的重大进步，”NIRA Dynamics首席执行官Lisa Abom表示。“通过将我们能够将车辆转化为移动道路传感器的路面智能技术与HAAS Alert成熟的数字化警报基础设施相结合，我们打造了一套与Euro NCAP本地危险事件相符的综合安全解决方案，可应对环境和情境危险。现在，汽车制造商可以通过一个集成平台，为客户提供全面的道路状况和周边危险信息。”

为汽车制造商和驾驶员创造价值

该集成解决方案利用NIRA基于软件的数据采集方法，利用现有车辆传感器检测路面状况的细微变化，并处理来自数百万辆联网车辆的数据。NIRA的数据与HAAS Alert的实时事故和紧急车辆位置信息相结合，生成警报，并直接发送到车辆信息娱乐系统、导航显示屏和移动应用程序。

“HAAS Alert已成功启用全球最大的V2X网络，我们一直在寻求提升为OEM厂商和驾驶员提供的价值，”HAAS Alert首席产品官Jeremy Agulnek表示。“NIRA的道路状况数据完美地补充了我们的汽车安全云产品组合。通过此次合作，我们将为驾驶员，以及日益普及的自动驾驶系统，提供他们所需的实时路况信息，从而帮助他们在道路上做出更安全的决策。”

该组合解决方案现已面向OEM厂商开放集成，并将于2026年即将举行的汽车技术展会上进行展示。

这项研究由电气与计算机工程系（Department of Electrical and Computer Engineering）的Petru Andrei教授和博士生Peng Wang领导，相关研究成果发表于期刊《ACS Omega》。

图片来源：FAMU-FSU College of Engineering

满足对更先进电池技术的需求

从消费电子产品到电动汽车再到医疗设备，各行各业对可靠、安全且环保的电池的需求持续增长。锂离子电池仍然是行业标准，但其安全隐患——尤其是过热和易燃性——以及其环境影响，促使研究人员探索替代方案。

水系锌离子电池（AZIB）提供了一种经济高效且环保的选择。然而，其广泛应用受到一些技术难题的制约：枝晶生长导致的短路、复杂的制造工艺以及有限的长期稳定性。

枝晶是电池充电过程中在电池内部形成的微小金属结构。当枝晶不受控制地生长时，它们会刺穿内部屏障，导致短路甚至电池彻底失效。

解决枝晶问题

为了应对这些挑战，FAMU-FSU的研究团队开发了一种新的电池组装方法。他们将一种特殊的水凝胶电解质与二氧化锰的电沉积相结合，这意味着关键的电池组件在组装过程中直接在电池内部生长，而不是单独制造后再插入。

Andrei表示：“我们希望改进AZIB的制造方式。所有工序都在水中进行，并使用一种不易燃的水凝胶来稳定和抑制枝晶的生长。枝晶是微小的金属结构，会导致电池失效，而改进后的方法大大简化了组装过程，也显著提高了安全性。”

这种水凝胶由聚乙烯醇和源自凯夫拉纤维（Kevlar）的芳纶纳米纤维（防弹衣所用材料）组成。它们共同形成一个柔韧耐用的网络，能够保持电池电解质，并从物理上阻止锌枝晶的形成。

该电池在数百次循环中都能快速充放电，容量损失极小，且无需传统制造工艺所需的有害溶剂或耗能的干燥步骤。

简化的制造工艺

传统的电池制造依赖于浆料混合：将粉末状电极材料与溶剂混合形成浓稠的糊状物，涂覆在金属箔上，然后干燥。这种方法耗时费力，并且需要在每个阶段使用精密设备并进行严格的质量控制。

FAMU-FSU的方法完全省去了这一步骤。

Andrei表示：“这项技术未来有望应用于生产。由于我们的工艺完全基于水，无需浆料混合和干燥步骤，因此可以自然地融入生产线。”

省去这一步骤可减少设备需求并简化质量控制，对于任何希望扩大下一代储能产品生产规模的制造商而言，这都是一项显著的优势。

电网级储能

经过900多次快速充放电循环后，电池仍能保持容量，并在严苛条件下可靠运行。

这些结果具有现实意义。电网级储能——用于缓冲太阳能和风能发电的基础设施——需要稳定、长寿命且易于大规模生产的电池。家用备用电源系统也面临着类似的要求。

Andrei说道：“这项技术的未来在于实现安全、低成本的储能。我认为它将应用于那些安全性、成本和长循环寿命比高能量密度更重要的领域，例如电网储能、家用能源系统和大型备用电源。在这些应用场景中，即使电池并非功率最强，也需要其具有较长的使用寿命和极高的可靠性。我们的技术旨在实现稳定性和安全性，使其非常适合这些关键应用。”

这项技术进步也可能惠及柔性电子产品和可穿戴医疗设备，在这些领域，电池的易燃性是一个特别值得关注的问题。

图片来源：宝马

宝马集团负责研发的董事会成员Joachim Post博士表示：“全新的储氢方案使我们能够将氢驱动系统精准地集成到全新X5车型上，同时还能节省空间。这就好比俄罗斯方块：每位客户都能获得最适合自身需求的驱动系统，以及一辆真正意义上的、毫不妥协的宝马X5。这正是技术开放性与工程艺术的完美结合，也是我们工程师的热爱所在。”

智能存储，更远续航

全新的扁平式储氢罐系统由七个碳纤维增强复合材料制成的高压储氢罐组成，这些储氢罐并联连接，并集成在一个坚固的金属框架内。该设计的独特之处在于，它并非采用独立的压力容器，而是将多个腔室连接成一个封闭的整体，并由中央主阀控制。这种优化的储氢方案使宝马iX5 Hydrogen得以实现更长的续航里程。宝马集团仅针对这一项研发成果就申请了多项专利。该系统总共可储存至少7公斤氢气，并可在5分钟内完成加氢。与所有宝马氢燃料车型一样，加氢过程安全、清洁、快捷。

兼具驾驶乐趣及更快补能效率、更远续航里程

宝马Hydrogen Flat Storage技术是动力总成的一部分。它与燃料电池系统和创新型高压电池相结合，造就了宝马闻名遐迩的驾驶乐趣。全新宝马iX5 Hydrogen还受益于全新的“驾控超级大脑（Heart of Joy）”动力总成和底盘控制软件，以及宝马动态性能控制（Dynamic Performance Control）。此外，它还配备了最新的第三代燃料电池技术，其效率和动力均超越以往任何一代。

灵活生产，满足客户需求

得益于全新宝马X5智能且高度灵活的架构，该车型可搭载五种不同的驱动系统，以满足客户的不同需求：从纯电动系统和插电式混合动力系统，到高效的传统驱动系统，再到氢燃料电池技术。

生产协同效应得到优化。储能系统和驱动部件采用统一的几何规格，降低了技术复杂性，从而降低了生产成本。同时，灵活的平台提高了制造的稳健性，便于新技术的集成，并最大限度地提高了可扩展性。此举为宝马集团于2028年将iX5 Hydrogen投入规模生产铺平了道路。

美国专利商标局（United States Patent and Trademark Office，USPTO）于2026年4月9日公布了该专利申请。

图片来源：USPTO

专利内容

该专利解决了SAE L3级自动驾驶的一项关键技术要求：在主制动系统失效时，无需驾驶员干预即可执行可受控停车。

Rivian的方案利用现有的电子驻车制动器作为备用制动系统，而不是增加一个独立的冗余制动执行器。

自动驾驶控制器实时监控再生制动和液压摩擦制动器，一旦检测到组件故障、通信中断或电压下降，便会自动切换到驻车制动器。

该系统包含两个独立的电压源，为驻车制动器供电。这两个电压源均连接至双控制器局域网总线，以确保即使其中一条总线发生故障，通信也能持续进行。该系统还包含两个车辆运动控制器，如果其中一个报告故障，另一个则可以接管主控权。

自动驾驶控制器定期与摩擦制动控制器、驱动电机控制器和电源交换状态信息。任何停止响应、报告故障或断电的组件都会触发自动故障切换程序。

当再生制动和摩擦制动功能正常时，驻车制动器会在受控停车过程中起到辅助作用。

如果整个行驶制动系统失效，驻车制动器将单独执行完全受控停车，自动驾驶控制器则尝试将车辆转向路边。

集成

该专利文件包含全轮驱动（AWD）、后轮驱动（RWD）和前轮驱动（FWD）配置的示意图，以及详细说明三种驱动方式故障检测和受控停车程序的流程图。

包含多种动力系统配置表明该技术将更广泛地应用于Rivian的产品阵容。目前的R1T和R1S车型均采用双电机或三电机AWD系统。即将推出的R2 SUV将于2026年投产，届时将提供单电机RWD以及双电机和三电机AWD版本。预计于2027年推出的小型跨界车R3也将采用相同的动力系统策略。

该专利中的FWD实现图表明，其应用范围不仅限于Rivian的乘用车，还包括该公司与亚马逊联合开发的电动送货车。

由UNSW化学学院（School of Chemistry）的Quentin Meyer博士和Chuan Zhao教授领导的跨学科团队，成功大幅提高了氢燃料电池的效率，为其商业化铺平了道路。

图片来源：UNSW

相关研究发表于期刊《Applied Catalysis B: Environment and Energy》。Zhao教授团队的高级研究员、该研究的第一作者Quentin Meyer博士表示：“氢燃料电池产生清洁电力，唯一的副产物是水。”

理论上，氢燃料电池可以提供便宜、丰富的清洁能源，从而改变货运和航空等目前电池难以供电的行业。

然而，将这一愿景转化为实际的减排效果却困难重重。

电池内部产生的部分水会被困住，阻碍氧气流动，从而降低电池性能。通常，解决这个问题需要复杂且高能耗的系统，这会增加成本和重量。

UNSW团队的新设计采用了不同的方法：它允许多余的水和气体在积聚之前排出，而且不会增加成本。

Meyer博士说道：“我们的设计只需进行少量结构改动，就能显著提高氢燃料电池的效率。”

全新的设计

UNSW团队的解决方案着重于燃料电池自身的结构。

该团队利用高精度微尺度工程技术，在燃料电池的内部结构中引入了微通道——宽度为100微米，由100微米的微肋隔开。

Meyer博士表示：“通常情况下，没有办法排出水。但这些‘侧向旁路’起到了排水通道的作用，这意味着水不再积聚，从而避免了燃料电池停止工作。”

这是一个简单却意义重大的解决方案。

Meyer博士表示：“重新设计的燃料电池的功率比传统设计提高了75%。”

UNSW土木与环境工程学院（School of Civil and Environmental Engineering）的Peyman Mostaghimi教授和UNSW矿物与能源资源工程学院（School of Minerals and Energy Resources Engineering）的Ying Da Wang博士补充说道：“我们正在结合先进的成像技术、流体流动仿真和精密微工程技术，重新思考澳大利亚的氢燃料电池。”

最终将打造一个效率更高的系统，使燃料电池对大众市场更具吸引力。

Zhao教授表示：“这令人振奋。这项突破可应用于各种不同的场景，并将便宜、清洁且丰富的氢能带给我们。”

图片来源：BrainChip

解决目标识别难题

虽然标准雷达能够有效确定目标的位置和速度，但往往无法准确识别目标究竟是什么——这一缺陷可能导致误报疲劳或关键任务失败。BrainChip的全新平台在传统雷达的基础上增加了一个先进的深度学习层，利用微多普勒（Micro-Doppler）特征来区分雷达回波相似的目标，例如鸟类和无人机。

该雷达参考平台与BrainChip的整体解决方案战略相契合

BrainChip首席执行官Sean Hehir解释说：“从国防领域的无人机对抗到医疗技术（MedTech）领域的非侵入式健康监测，该雷达参考平台的多功能性具有变革性意义。我们已超越了单纯的硬件提供，提供了一套完整的、‘即用型’技术堆栈，弥合了原始数据与可执行洞察之间的鸿沟。虽然传统雷达长期以来一直是传感技术的核心，但它一直难以克服‘识别鸿沟’——即无法在复杂环境中区分相似目标。通过将Akida™的神经形态智能应用于雷达数据，我们正在开启边缘分类的新时代。该平台不仅能够感知运动，还能准确理解所感知的内容，从而提供现代国防和自主系统所需的关键任务情报。”

面向受限环境的神经形态智能

该平台专为对尺寸、重量、功耗和成本（SWaP-C）要求极高的环境而设计。它基于Akida™神经形态处理器原生运行，可提供以下功能：

• 设备端分类：无需依赖云端即可提供实时推理，确保在通信受限的环境中也能正常运行

• 超低功耗：针对便携式预警系统和受限的自主平台进行了优化

• 环境适应性：即使在烟雾、暴风雨和夜间等传统摄像头经常失效的条件下，也能提供稳定的性能

目标应用

该雷达参考平台是一款多功能解决方案，已在以下五个关键领域得到验证：

• 国防与战术：轻量级、可部署的AI，用于实时威胁分类和“敌我识别（Identify Friend or Foe，IFF）”功能

• 无人机对抗：精准检测螺旋桨特征，触发精确响应

• 健康与生物信号：非接触式跌倒检测、活动监测和手势识别，无需侵入式视频录制

• 海洋与自主平台：为无人水面舰艇和无人飞行器提供高效的障碍物检测和导航

• 机器人与自动驾驶汽车：为机器人和配送车辆在恶劣环境下提供环境导航

即用型技术堆栈

为了加快产品上市速度，BrainChip提供了一套完整的集成技术堆栈：

• 硬件：BrainChip AKD1500协处理器与旭化成（Asahi Kasei）FMCW雷达模块（Radar Module）配合使用

• 软件：预集成的Micro-Doppler分类模型以及用于可视化距离-多普勒（Range-Doppler）和Micro-Doppler曲线的实时仪表盘

图片来源：Autonomous A2Z

双方同意以A2Z的L4级自动驾驶班车ROii的数据为基础开展合作。ROii目前正在清溪川地区进行示范运营。此次合作将结合A2Z的L4级自动驾驶平台、运营技术和城市示范数据，以及HL Klemove的雷达、摄像头、高性能控制器（HPC）、传感器融合、感知和控制技术。

A2Z将凭借其丰富的城市驾驶经验和数据积累主导系统集成，而HL Klemove将负责实现自动驾驶和集成能力所需的核心技术。HL Klemov技术涵盖自动驾驶系统的各个方面，从雷达、摄像头等传感器到高性能计算（HPC）和软件。

双方将构建以高性能计算为核心的人工智能架构，覆盖传感器感知、驾驶决策和车辆控制。他们的目标是确保系统在实际驾驶环境中所需的可靠性和稳定性，并逐步提升技术成熟度，最终实现量产。

HL Klemove将利用此次合作，将其自动驾驶系统能力拓展至L4级自动驾驶领域。该公司目前为全球主要汽车制造商提供自动驾驶和ADAS系统解决方案，并依托其全球生产和研发基地，推进相关技术的研发。

A2Z首席执行官Han Ji-hyung表示：“与HL Klemove的合作确保了开发自动驾驶汽车和研发更精准技术所需的稳定供应链。基于A2Z在全国主要城市积累的真实驾驶数据，我们将实施高度完善的L4级自动驾驶技术，并在此基础上扩大我们在全球市场的影响力。”

图片来源：USPTO

早在2024年末，福特就公布了一项车辆交互控制系统的专利，该系统能够提高车内乘员之间的沟通效率。它利用麦克风、摄像头以及一台专用计算机来实现这一目标，甚至在必要时还能翻译不同语言。如今，福特又在探索如何让敞篷车在敞篷状态下风噪较大时也能轻松沟通。

在这种情况下，该系统旨在当环境噪音达到特定阈值时进行补偿。如果系统检测到噪音达到阈值，并且车内人员正在尝试交谈，则会激活“增强型”通信模式，该模式能够读取唇语、识别手势和面部表情。总之，目标很简单——确保敞篷车或拆除车门的车辆中的人员即使在外部噪音干扰下也能有效沟通。

图片来源：USPTO

专利图中显示了一种能够降低高环境噪声影响的车辆。该车辆可利用图像数据和/或其他传感器数据判断自身处于敞篷状态。此外，该车辆还能判断车内环境噪声水平是否高于阈值。随后，该车辆切换运行模式，以便清晰地接收和解读音频输入。该车辆可启用唇语识别模式和/或手势及面部表情识别模式，以识别用户所说的话。该车辆还可存储手势与相应语音指令之间的关联信息。在高环境噪声环境下，该车辆可建议用户使用手势/面部表情代替语音指令。

福特在一份声明中表示：“提交专利申请是企业正常运营的一部分，因为这一过程可以保护新想法，并帮助构建强大的知识产权组合。专利申请中描述的想法不应被视为我们业务或产品计划的指示。无论专利申请中概述的内容如何，在开发和推广新产品和服务时，我们始终会将客户放在首位。”

图片来源：ArXiv

量子编码简化了大规模车辆路径问题的计算

现在可以解决最多包含两个车辆、八个位置的带容量限制的车辆路由问题的基准实例。这超过了现有量子方法之前最多只能处理五个位置的限制。一种新的彩色排列编码使用排列矩阵来表示配送路线，将每个客户分配到一个唯一的访问位置。这种方法通过将车辆容量直接集成到排列结构中，简化了计算。

容量约束车辆路径问题（CVRP）是物流和运筹学领域的一项基础性挑战，它涉及在车辆容量约束下，为一组已知需求的客户设计最优路线。传统上，求解CVRP，特别是大规模实例，需要大量的计算资源。现有的CVRP量子算法通常需要大量的量子比特，限制了其可扩展性。本文提出的新方法通过一种新颖的编码方案解决了这一限制。彩色排列编码将路线表示为一个n×n的排列矩阵，其中n是客户的数量。每辆车都被分配一个“颜色”，矩阵的构造方式使得每个客户恰好被一辆车访问。K辆车各自选择一个不相交的部分排列，这K个颜色层的总和构成一个完整的排列矩阵。这种表示方法使用n²K个二进制决策变量，这些变量排列成K个颜色层，覆盖在一个公共的排列结构上。至关重要的是，车辆容量是通过对置换矩阵的元素进行加权求和来强制执行的，从而无需使用辅助量子比特来跟踪车辆负载。

与许多以往的量子编码方法不同，该方法无需额外的逻辑量子比特来表示车辆载荷，从而显著降低了计算资源消耗。利用量子计算技术解决复杂配送问题取得了重大进展。除了能够解决最多包含八个地点和两辆车的实例外，该方法还成功应对了现有量子方法此前难以处理的基准测试。“彩色排列”编码将车辆容量直接集成到计算结构中，无需额外的量子比特来跟踪车辆载荷。此外，新方法使用“可行性预言机”（一套用于验证解决方案的可重用工具），并在约束增强型量子优化算法（QAOA）框架内运行，从而简化了计算。随附文档中详述的分析机制证实了支撑该方法成功的正向过滤过程，并且团队的流程已在标准基准测试套件上独立验证了最优解。可行性预言机尤为重要，因为它能够高效地验证候选解，这是量子优化算法的关键步骤。这种可重用性扩展了这项工作的应用范围，使其不仅限于量子计算，还有可能使经典的启发式算法受益。

约束增强型量子自动光学阵列 (QAOA) 及其在配送路线优化中对符号保持混合器的必要性

在容量限制的车辆路径问题中，如何在满足车辆限制的前提下优化配送路线长期以来都需要强大的计算能力。这种新型的量子比特高效编码为应对日益复杂的物流挑战提供了一条充满希望的途径，但其目前的成功取决于一个特定的框架：约束增强型量子自动光学阵列 (QAOA)。作者指出，要充分发挥量子优势，不仅需要算法的改进，还需要开发“符号保持混合器”。这些混合器对于在 QAOA 框架内保持有益的主动动力学至关重要，也是未来研究的一个重要方向。

量子近似优化算法（QAOA）是一种混合量子-经典算法，旨在解决组合优化问题。约束增强型QAOA在此框架的基础上，将特定问题的约束直接融入量子电路，从而提升算法性能和解的质量。然而，QAOA（尤其是其约束变体）的有效性很大程度上取决于“混合器”的选择。混合器是算法运行过程中演化量子态的酉算符，其设计显著影响算法有效探索解空间的能力。“符号保持混合器”是一种特殊的混合器，旨在保持整个优化过程中解的可行性，防止算法陷入搜索空间的无效区域。开发此类混合器并非易事，目前仍是活跃的研究领域。当前的实现依赖于精心设计的、针对彩色排列编码定制的混合器，但将这些混合器推广到其他问题实例仍然是一个巨大的挑战。

将路线表示为置换矩阵，并将每次配送分配到唯一位置，这种针对有容量约束的车辆路径问题 (CVRP) 的新型编码方法简化了计算。车辆容量直接通过加权和集成到置换结构中，无需像以往的量子方法那样使用额外的量子比特来跟踪车辆负载。这种量子比特效率使得研究团队能够在标准基准测试中独立验证最优解，突破了之前五个位置的限制。由此产生的可行性预言机为量子和传统路径应用提供了一个可重用的组件。这项工作的意义远不止于增加可解实例的数量。通过降低量子比特开销，这种编码方法使 CVRP 的量子解更接近于在近期量子设备上的实际应用。此外，可重用的可行性预言机以及从分析机制中获得的见解，可以为开发更高效的经典启发式算法来求解 CVRP 提供参考，从而弥合量子和经典优化技术之间的差距。

研究人员开发了一种新的车辆路径问题编码方法，将路径表示为最多包含五个位置的置换矩阵。这种方法有效地将车辆容量直接集成到编码中，与许多先前的量子方法相比，减少了所需的量子比特数量。由此产生的框架在标准基准测试中成功恢复了经过独立验证的最优解，展现了强大的算法性能。此外，该团队还创建了一个可重用的可行性预言机，该预言机可同时应用于量子和经典路径规划流程。

图片来源：ORNL

“世界各地的研究人员都在致力于挖掘聚合物电解质的潜力，因为它们比传统的液态电解质具有诸多优势，”ORNL化学科学部的研发科学家Catalin Gainaru表示。“实现快速离子传输一直是聚合物电解质面临的一大挑战，但我们最近的研究表明，这种情况可能已经改变。”

电池由两个电极——阴极和阳极——组成，中间由电解质材料隔开。电池充电或放电时，离子需要在电解质中具有高迁移率，才能在电极之间来回移动。传统电池使用液态或凝胶电解质，但对更安全、更高效的储能设备的需求促使人们对固态电池产生了浓厚的兴趣。固态电池的电解质是固态的，因此充电速度更快、更安全、更紧凑、更耐用。

固态电池中离子传输的挑战

许多固态电池方案都采用陶瓷电解质，这种电解质能够高效传输离子，因此被称为超离子陶瓷。然而，这些陶瓷由于脆性而容易破碎。它们也难以制成薄膜，并且与电池电极的粘附性较差。ORNL的研究人员展示了一种聚合物材料如何实现类似的超离子状态，在这种状态下，离子的移动速度可以比周围环境快100亿倍，同时又避免了液体和陶瓷的缺点。

聚合物是由长分子链构成的材料，这些分子链由重复的小单元组成。众所周知的例子包括各种塑料，它们通常由含有碳和其他原子的重复单元构成。ORNL的聚合物电解质含有极性链段，有利于锂盐的嵌入，并显著提高离子的迁移率。

这项发表在《Materials Today》上的研究是美国能源部能源前沿研究中心（EFRC）旗下快速协同聚合物基材料离子传输（FaCT）中心的一项成果。

“FaCT EFRC的目标是全面了解如何设计新型聚合物，从而改变离子传输的范式，”ORNL化学科学部的杰出研究员Tomonori Saito表示，“我们开发了一种非常特殊的聚合物，其链段能够自组装，为离子提供高迁移率的传输路径。”

分子设计策略实现超离子行为

关键进展在于通过添加精确数量的被称为两性离子的分子基团，对聚合物结构进行精细调控。这些特殊的功能基团同时带有正电荷和负电荷，这会增加局部极性，但使整个大分子整体带零电荷。通过精细的化学方法，研究人员能够控制连接到聚合物主链上的两性离子基团的数量，从而使离子能够聚集形成“口袋”。

在这些“口袋”中，离子之间的相互作用就像晚宴上的谈话者。起初，会在材料中形成分散的、彼此孤立的小“口袋”，进行着漫无目的的交流。然而，随着“口袋”数量的增加，这些“讨论”最终会失去个体性，演变成一种和谐而和谐的嗡嗡声。这时，离子开始像良好的对话一样流动。但是，如果添加过多的两性离子，这种和谐的嗡嗡声就会变成嘈杂的噪音，离子传输速度也会再次减慢。

研究人员发现，通过用两性离子基团对聚合物电解质约80%的单元进行功能化，可以达到最佳状态。此时，这些空腔连接成通道状结构，使离子能够以最小的阻力有序地来回跳跃。

研究团队计划在这项前景广阔的早期研究基础上，进一步探究赋予聚合物超离子特性的基本机制。利用ORNL的超级计算资源进行建模和模拟，以及结合人工智能的机器人自主化学实验，将有助于理解这种卓越性能的驱动因素。此外，他们还计划在橡树岭国家实验室的散裂中子源（美国能源部科学办公室用户设施）开展中子散射研究，以观察分子层面的相互作用。

虽然固态电池是这种新型电解质的一个明确应用领域，但许多能源技术也依赖于高效的离子传输。液流电池、燃料电池、电网级储能以及许多其他应用都将受益于这些新开发的聚合物。

“很难预测所有能够利用这项发现的技术，”Saito说道，“任何需要不透水阻隔层但又允许离子穿过的装置，都具有潜在的应用价值。”

图片来源：TomTom

ISA通过帮助车辆保持在正确的限速范围内，在道路安全和驾驶舒适度方面发挥着至关重要的作用。然而，真正赢得驾驶员的信任不仅仅取决于满足最低ISA合规性要求，更需要底层限速信息的卓越准确性和可靠性，从而使系统不仅能够频繁地正确运行以符合规定，而且能够始终如一地保持正确运行，最终赢得用户的信赖。

Unified Speed Restrictions无缝融合了TomTom的全套静态和实时速度数据源，包括无标志限速、路边标志识别、探测数据和实时可变限速，并将其整合为一个持续更新且高度精确的速度输出。该服务确保车辆系统始终能够获取最新的速度信息。这种更高的准确性和时效性有助于确保车辆系统始终识别正确的限速。

这项新服务还能更好地支持更高级的自动驾驶功能。准确的速度信息使车辆能够做出更准确的预测，规划更平稳的行驶路线，并在各种驾驶情况下提供更舒适的体验。

TomTom产品工程高级副总裁Manuela Locarno Ajayi表示：“准确可靠的速度信息是道路安全、法规遵从和大规模自动驾驶的基础。通过统一速度限制，我们为汽车制造商提供了一个全球一致、面向未来的基础架构，降低了复杂性，从而实现了更高水平的自动化。”

Unified Speed Restrictions既以API的形式提供，也预集成到TomTom ADAS SDK中，使汽车制造商能够轻松实现ISA合规性并立即部署预测性驾驶辅助功能。TomTom ADAS SDK灵活且模块化，使汽车制造商和一级供应商能够将高质量的ADAS数据集成到各种软件堆栈中，而无需担心被特定供应商锁定。这种预集成解决方案降低了开发复杂性和成本，同时加快了产品上市速度。

图片来源： Roadzen

这项专利系统融合了两路数据流：GNSS用于精确测量速度和位置，IMU加速度计用于检测车辆在三个轴向上的运动。Z轴加速度的峰值会立即标记出潜在的道路异常，随后通过经过精细调整的深度学习模型处理的视频进行验证——从而提供准确且带有地理标记的信息，并将误报率降至最低。

与静态道路调查不同，drivebuddyAI会随着新数据的流入不断更新动态道路质量地图，有效地将每辆配备该系统的车辆都转化为实时感知网络中的一个节点。

该公司将道路质量定位为影响深远的数据层，涵盖驾驶员安全、货物保护和车队效率。传统的导航系统主要优化距离和交通状况；而drivebuddyAI则在此基础上增加了经过验证的道路状况数据，从而实现更智能的路线规划，这种规划在实践中通常更安全、更快捷。

“道路安全必须具备实时性和预测性。这项专利体现了我们致力于构建智能系统，在风险发生之前就对其进行预测和预防——将车队转变为一个鲜活的、动态的基础设施监控系统，”Roadzen Inc.首席执行官兼创始人Rohan Malhotra评论道。“我们的drivebuddyAI产品线强大且正在快速扩展，目前已覆盖印度几乎所有主要车队运营商，同时我们在欧盟也持续获得认可。我们不仅在提升安全性，更在重新定义世界对道路风险的理解和应对方式。”

图片来源：XPANCEO

这项技术使隐形眼镜能够作为光学标记，被笔记本电脑、汽车仪表盘、移动设备和头盔式系统中的现有摄像头读取。该系统使用两个超薄光学光栅，产生会随眼球旋转而移动的干涉图案。

当眼球旋转且视角发生变化时，两个光栅（由微小间隙隔开）会彼此相对移动，类似于立体书中的各层在倾斜时位置的变化。这导致所谓的摩尔纹发生可测量的变化。追踪模块尺寸为2.5×2.5毫米，封装在生物相容性硅橡胶中，与传统的隐形眼镜制造工艺兼容。

目前的眼动追踪技术大多依赖于外部系统，其工作原理是向眼睛照射红外光，并使用摄像头捕捉角膜（有时也包括晶状体）的反射图像。

计算机视觉算法随后分析这些图像，计算相应的注视方向，并处理多个反射点的相对位置以及瞳孔的形状和位置。这种照明、成像和分析的连续循环每秒发生数十次。

这些系统耗电相对较快，并且在光线条件不佳的情况下性能会下降，即使在光线充足的环境中，红外信号也会与环境光相互干扰。

被动式图案系统的工作原理

这种基于图案的新技术具有两大优势。首先，其简化的设置无需红外照明，即使在光线充足的环境下也能可靠运行，从而降低了硬件复杂性和功耗。

其次，它支持通用部署。由于摄像头已嵌入日常设备和环境中，因此这种被动跟踪系统无需专用基础设施即可在多种场景下运行。

相关研究成果发表于期刊《Advanced Functional Materials》。

XPANCEO创始人兼首席技术官Valentyn Volkov博士表示：“这种摩尔纹（moiré pattern）方法利用光学几何原理，无需增加镜片的复杂性或能耗，即可实现精确的眼球方向测量。这项技术拓展了隐形眼镜平台的应用潜力，尤其是在用户已经与配备摄像头的设备交互的环境中。”

医疗和高风险环境应用

该系统无需使用限制性强的临床硬件，即可实现0.3度的精度，使其成为检测临床应用中细微眼球运动的理想解决方案，包括研究与神经系统疾病相关的模式。这种高保真度的眼动追踪技术日益被认为是神经退行性疾病（包括帕金森病和阿尔茨海默病）早期诊断的重要生物标志物，近期研究也已建立了具体的诊断方案。

此外，该系统的稳健性使其能够高度适应极端和高风险环境。在汽车、航空航天或工业领域，用户通常佩戴带有嵌入式摄像头的头盔，对眼跳速度和微注视点的持续分析远超标准的疲劳监测。该系统能够实时检测严重的中枢神经系统疲劳、认知障碍或中毒情况，确保操作人员能够胜任工作。

这项技术在不增加系统复杂性的前提下，拓展了智能隐形眼镜的应用范围。

图片来源：MIKROE

XSENS MTi-8 Click基于MTI-8-5A，这是一款由Xsens开发的RTK增强型GNSS/INS模块，它将GNSS定位与先进的惯性传感和实时传感器融合技术相结合。该模块采用Xsens的传感器融合算法，输出数据速率高达100Hz，可实现高速航位推算，在实时动态定位（Real-Time Kinematic，RTK）模式下，横滚角和俯仰角精度可达0.5°RMS，偏航角精度可达1°RMS（GNSS辅助），位置精度可达1cm+1ppm CEP。它集成了高精度陀螺仪、加速度计和磁力计，支持通过UART接口连接外部RTK GNSS接收器，并提供灵活的接口选择，包括UART、SPI或I2C，以及USB Type-C配置。

MIKROE首席执行官Nebojsa Matic表示：“这款全新的Click板非常适合机器人、自动驾驶汽车、精准农业、测绘系统以及其他需要高精度和高可靠性的户外导航和运动追踪应用。它是我们126余款运动传感器Click板系列中的一员，在MIKROE的嵌入式项目平台EmbeddedWiki上，用户可以找到超过870个使用XSENS MTi-8 Click的项目（附带可运行的代码）。”

XSENS MTi-8 Click是MIKROE旗下mikroBUS™ Click板系列的最新产品，该系列目前已拥有1900多种产品。XSENS MTi-8 Click还具备ClickID功能，可实现主机系统的自动识别，从而简化使用。所有设备均可在任何支持mikroBUS™标准的主机系统上使用，并附带mikroSDK开源库，为评估和定制提供了极佳的灵活性。

图片来源：PolyIC

透明的压力与触控架构

PolyIC生产印有透明导电电极的透明柔性电容传感器薄膜。Nanomade开发了一种专有的透明纳米颗粒油墨，可实现超灵敏的压力测量。通过结合这两种组件，双方开发出一种传感器。凭借其超薄透明的压力与触控架构，该传感器的功能超越了传统的电容式触控传感器。此外，该传感器的透光性和光学清晰度也进一步拓展了设计可能性。

无缝集成带来全新设计自由

极简主义设计，结合集成照明效果和无缝集成显示屏，在产品设计中正变得越来越普遍。传统传感器技术在设计和功能方面往往受限。PolyIC和Nanomade联合推出的新型传感器满足了透明度、灵活性和功能性方面的这些要求。它可以集成到完全透明或“隐藏式发光”用户界面中，也可以集成到曲面和三维形状的控制元件中。制造商无需进行昂贵的新开发或复杂的额外组件集成即可使用该传感器。

其他简化日常用户界面使用并提升用户体验的功能包括：支持戴手套操作，以及在潮湿或浸水环境下可靠运行。该传感器能够区分接触和目标压力，从而实现对触摸的差异化评估，减少误触发。它还适用于需要独立评估两个物理量的安全关键型应用。

应用范围广泛

这款透明的压力与触控传感器薄膜能广泛应用于各行各业，例如汽车行业。此外，该解决方案也适用于将力感应与触控功能相结合的医疗设备。凭借这款新型透明的压力与触控传感器薄膜，PolyIC和Nanomade正在拓展HMI应用的技术和设计选择，尤其适用于那些需要兼具透明性、轻量化和智能力测量特性的应用。

图片来源：成均馆大学

氢燃料电池通过氢气和氧气的电化学反应产生电能，被认为是一种极具发展前景的清洁能源技术。然而，阴极氧还原反应（ORR）缓慢以及催化剂在长期运行过程中发生降解，阻碍了其更广泛的商业化应用。

传统的铂基金属间化合物催化剂以其结构稳定性著称，但其原子组成和排列难以精确调控。这限制了对其电子结构的优化，也使得在氢动力汽车等严苛的运行条件下，难以同时实现高催化活性和长期耐久性。

为了应对这些挑战，该研究团队开发了一种新的催化剂设计策略，能够在保持铂基金属间化合物催化剂结构稳定性的同时，更精确地控制原子组成和电子结构。

利用这种方法，研究团队设计了一种由铂（Pt）、钴（Co）和锰（Mn）组成的三元金属间化合物纳米催化剂。通过利用催化剂与氧化物载体界面处形成的氧空位，该团队能够引导催化剂内部的原子有序排列，并成功开发出一种此前难以实现的铂基三元金属间化合物结构。

该研究的一个关键方面是采用新的理论方法来揭示前驱体阶段的界面合成机制，这在实验中很难直接观察到。

研究团队发现，界面早期形成的氧空位在驱动锰原子有序排列方面起着决定性作用，为三元金属间化合物结构的形成提供了理论解释。这项研究超越了传统的催化剂性能分析，为理解和设计合成过程本身提供了一个原子级的框架。

这种新开发的催化剂凭借其优化的电子结构，展现出高氧还原反应（ORR）活性和优异的耐久性。电化学测试表明，其质量活性比商用Pt/C催化剂高出十倍以上，并且在经过15万次加速耐久性循环测试后，仍能保持初始性能的96%以上。

在膜电极组件（MEA）测试中，该催化剂的性能超过了美国能源部（Department of Energy，DOE）设定的2025年性能目标。此外，在高负荷运行条件下，其功率输出也高于传统催化剂，凸显了其在氢燃料电池汽车和固定式燃料电池系统中的应用潜力。

图片来源：USPTO

通用汽车专利中描述的系统旨在分析驾驶员的行走方式，以确定其是否存在行为障碍，例如受到药物/酒精中毒等因素的影响，或者是否存在健康问题。该系统的工作原理是利用摄像头和传感器来评估接近车辆的人员。当有人走向车辆时，系统会收集与其步态相关的数据，包括行走速度、步幅、是否左右摇晃以及是否沿直线行走等。

这些数据通过机器学习系统进行处理，其中包括长短期记忆（Long Short-Term Memory，LSTM）循环神经网络。系统分析数据和图像，以确定“步态评分”，该评分用于表示驾驶员存在行为障碍的可能性。该模型还可以结合其他技术和分析方法来评估驾驶员的步态。

计算完成后，步态评分将与预设阈值进行比较。如果评分未超过阈值，系统允许车辆正常行驶。如果评分表明可能存在行为障碍，系统可以采取多种应对措施，包括发出视觉或听觉警报、启动辅助检测系统（例如酒精测试仪），甚至完全限制车辆行驶。

该系统还能通过检测驾驶员侧车门是否打开或是否有人试图启动车辆等行为，来确认接近者是否为驾驶员本人。此外，该系统还具备区分不同人员的方法，并能学习与行为障碍和正常行为相关的特定模式。

此次更新的软件版本号为2026.2.9.6，还新增了地图停车位标记功能，优化了车辆在应急车辆和校车周围的行驶行为。

图片来源：特斯拉

以下是特斯拉官方发布的FSD（Supervised）v14.3版本说明，该版本适用于搭载HW4硬件的Model S、Model 3、Model X、Model Y和Cybertruck，版本号为2026.2.9.6：

• 升级了FSD神经网络训练的强化学习（Reinforcement Learning，RL）阶段，从而在多种驾驶场景下均有所改进。

• 升级了神经网络视觉编码器，提高了在罕见和低能见度场景下的理解能力，增强了对3D几何图形的理解能力，并扩展了对交通标志的理解能力。

• 使用MLIR从底层开始重写了AI编译器和运行时，从而将响应速度提升了20%，并提高了模型迭代速度。

• 减少了不必要的车道偏转和轻微的尾随行为。

• 提高了停车位选择和操控的果断性。

• 改进了停车位置标记的预测功能，现在会在地图上用“P”图标显示。

• 加强对应急车辆、校车、违反路权者和其他罕见车辆的响应能力。

• 通过将RL训练集中于更难的案例，并增加奖励以提升主动安全意识，从而改进了对小型动物的处理。

• 改进了在复杂路口（包括复合信号灯、弯道和黄灯停车）的交通信号灯处理——这得益于从特斯拉车队获取的RL高难度案例的训练。

• 通过从车队中获取罕见事件，改进了对延伸、悬挂或倾斜到车辆路径上的罕见和不寻常物体的处理。

• 通过保持控制并在无需驾驶员干预的情况下自动恢复，改进了对临时系统故障的处理，从而减少了不必要的脱离。

特斯拉还在“即将推出的改进（Upcoming Improvements）”中列出了三项尚未包含在此版本中的功能：

• 将推理能力扩展到目的地处理以外的所有行为。

• 增加避开坑洼的功能。

• 通过改进眼动追踪、眼镜佩戴处理以及在各种光照条件下更高的精度，提高驾驶员监控系统的灵敏度。

此次发布基于FSD v14和v14.2版本——首批大规模部署在HW4上的端到端神经网络版本——并且不包含任何HW3支持。AI4（HW4）仍然是FSD更新的唯一硬件路径。

版本说明中最引人注目的一句话是关于编译器的：“我们使用MLIR从底层开始重写了AI编译器和运行时，从而将响应速度提升了20%，并提高了模型迭代速度。”

对于驾驶栈而言，20%的延迟降低意义重大。反应时间是指摄像头捕捉到物体到车辆做出反应之间的时间间隔，缩短反应时间意味着同样的神经网络可以更早地刹车、更早地转向，并处理之前到达规划器时晚了几帧的极端情况。

除了编译器之外，v14.3版本中用户可见的改动主要针对两个方面：停车和奇怪的极端情况。

地图上新增的停车位标记，以及“更果断的停车位选择和操控”，是特斯拉为了解决车辆驶入停车场后会在车位间犹豫不决的问题而做出的尝试。“P”图标现在会在车辆到达目的地之前，提示车辆预估的停车位置。

针对“应急车辆、校车、违反路权者和其他罕见车辆”的增强响应以及对小型动物的改进处理，这类长期存在的修复措施只能通过挖掘车队数据中的罕见事件来实现——而这正是特斯拉在此次更新中所做的。关于“系统暂时性故障”无需驾驶员干预即可恢复的说明也值得关注，因为这类短暂的摄像头或计算故障往往会导致不必要的自动驾驶脱离。

此外，特斯拉还在此次更新中将大部分用户界面中的“Autopilot”更名为“Self-Driving”——“Controls”下的“Autopilot”选项卡现在更名为“Self-Driving”，“Autopilot Features”更名为“Self-Driving Features”，其下方列出了TACC、Autosteer和FSD。

图片来源：凯柏胶宝

该材料由凯柏胶与汽车供应商SaarGummi合作开发，基于其成熟的THERMOLAST K系列产品，旨在无需改变加工或性能参数即可集成到现有的密封应用中。

该项目于2023年启动，其目标是在保持汽车生产所需的机械承载能力、环境耐受性和加工性能的同时，提高回收原材料的含量。项目早期阶段进行的测试证实，该回收配方符合相关要求，可以可靠地应用于工业生产流程。

凯柏胶公司表示，与之前的材料相比，新配方还能降低产品的碳足迹，但并未透露具体数据。

凯柏胶公司高级业务拓展经理Alexander Mayer在一份声明中表示：“我们的目标是设计一种既能节约更多资源，又能满足汽车行业高质量标准的材料解决方案。”

SaarGummi公司TPE材料和工艺专家Sebastien Roux补充道：“新材料满足了我们应用的需求，并且可以与现有组件可靠地结合使用。同时，更高的可回收利用率也为提升可持续性做出了重要贡献。”

图片来源：采埃孚

该系统旨在降低蓄电池的更换频率；据采埃孚测算，每运行一年，运营商便可节省相当于一块蓄电池的成本。通过减轻交流发电机的负载，SolarBoost降低了对驱动引擎的动力需求，从而在整个车队范围内实现了燃油消耗与维护成本的双重降低。

该系统的安装无需钻孔或重新布线，操作人员仅需使用标准工具在自家维修车间即可完成安装，采埃孚还为此提供了视频教程。该系统通过蓝牙连接至配套的监控应用程序，从而实现对车辆性能的实时追踪。采埃孚表示，该产品在设计上具备出色的抗振动及耐候性能；此外，该产品提供五年质保服务，并备有维修套件供用户选用。

SolarBoost系统可兼容现有的巴士车队，且无需对车辆结构进行任何改装；这使得运营商能够轻松实现跨多辆车辆的规模化部署，且对日常运营的影响微乎其微。

通过在车辆运行过程中产生可再生能源，公交运营商积极为气候保护做出贡献。这是因为车载系统不再完全依赖交流发电机供电。同时，额外的能源还能减轻驱动发动机的负荷——根据运行模式和天气状况，最多可降低3.5%的油耗。

另一个关键优势是即插即用的安装方式，通常无需钻孔或重新布线。这使得安装简便，并可快速扩展至整个车队，最大限度地减少运营中断。运营商可以使用标准工具在自己的车间完成安装。采埃孚提供视频教程。此外，该系统通过蓝牙与运营商连接，并允许通过应用程序进行实时监控。

坚固耐用的设计使其能够承受振动和各种天气条件，使用寿命比许多同类产品更长。五年质保和维修套件的供应，让用户更加安心。

凭借易于改装、耐用柔性面板和可衡量的运营效益，ZF SolarBoost为运营商提供了一种降低成本、提高车辆正常运行时间和支持气候友好型出行的解决方案。

据外媒报道，哈佛大学（Harvard）的计算机科学家与一个由信息论、无线通信、优化理论、机器学习和机器人领域的专家组成的跨多所大学的团队合作，提出了将信任概念融入新兴网络物理系统的愿景。哈佛大学约翰·A·保尔森工程与应用科学学院（Harvard John A. Paulson School of Engineering and Applied Sciences，SEAS）工程与应用科学副教授、肯普纳研究所（Kempner Institute）副研究员Stephanie Gil在其主导的一篇最新论文提出了一个基础框架，旨在帮助多智能体互联系统在采取行动之前确定哪些信息值得信赖。

图片来源：哈佛大学

Gil表示：“网络物理系统将会变得非常普遍。问题在于，我们如何确保这些系统的安全？我们如何确保它们在实际应用中具有弹性？这是我们在确保互联网系统安全方面必须学习的经验。”

该论文引入了“网络信任（cy-trust）”的概念：它是一种量化指标，用于衡量自主智能体（例如车辆或机器人）在做决策时应该对其他智能体或数据流的信任程度。研究人员认为，建立这种信任框架对于未来开发安全可靠的互联系统至关重要。

传统的网络安全基础设施旨在保护软件和数据免遭滥用或窃取，通常侧重于谁可以访问系统。但对于必须实时协调的机器人、车辆或智能设备集群而言，Gil及其同事认为，这些传统的安全措施远远不够。

该论文探讨了多智能体网络物理系统特有的威胁，包括单个智能体的恶意或“贪婪”行为会扰乱协同——例如，自动驾驶汽车加速插队，造成危险的并线。这也可能意味着众包交通地图中存在虚假或篡改的数据，黑客可以利用这些数据重新规划交通路线以达到不正当目的。或者，在执行搜救任务的智能体集群中，被黑客入侵的智能体可以伪造其位置，谎称自己身处其他地方，从而造成监控漏洞。

所有这些例子都可能在现实世界中造成实际危害，例如引发事故、危及行人安全或影响应急响应。然而，该论文也指出，这种“具身化”系统具有一项关键优势，即其内置了独立的传感器和计算机系统。

Gil及其合作者提出，车载传感器（例如摄像头、激光雷达、雷达和GPS）可用于交叉验证从其他智能体或云端接收的信息，以此作为内置的信任度量。对接收到的无线通信应用信号处理技术，可以让每辆车或机器人验证数据的来源。

他们设想：每个智能体可根据感知、上下文、网络行为和过往经验等线索，为来自其他智能体的数据分配一个介于0和1之间的数值信任值。这些值将决定每条信息对智能体决策的影响程度；例如，如果共享出行车队中的某辆车的信任值较低，其他车辆可能会选择忽略它，以避免整个系统崩溃。

Gil表示：“这种网络信任的概念与我们熟悉的心理信任有着明显的相似之处。心理信任是指在风险不可避免的环境中接受风险的一种方式，在这种环境中，你无法完全获取信息，但你仍然需要做出决策。”

Gil已经在实验室里测试了这些想法。

在一组实验中，一组蓝队机器人代表试图达成共识的合作智能体——例如，确定行进方向以便作为一个小队行动——而一组红队机器人则模拟攻击者，通过创建虚假身份发起“女巫攻击（Sybil Attack）”，破坏网络。

通常情况下，联网机器人会简单地接受每条消息并运行标准的分布式共识或优化算法，这使得它们很容易受到攻击。红队机器人可以通过伪装成许多不同的智能体或伪造位置来诱使机器人群体做出不安全或低效的行为。

在Gil的实验中，每个蓝队机器人监听接收到的无线消息；对物理无线信号进行信号处理；并判断看似来自多个不同智能体的消息是否实际上来自同一物理源。由此，系统会为每个疑似智能体生成一个信任评分。

随着时间的推移，系统会学习哪些智能体可能具有恶意，并选择忽略它们的输入，从而使蓝队机器人能够继续执行集体任务。

研究人员还指出，网络信任必须纳入政策和法规才能获得公众认可，尤其是在自主协同系统已经蓬勃发展的当下。共享出行车队正在凤凰城和旧金山等城市部署。卡车列队行驶和自动车队技术正在积极研发，旨在简化供应链。而像亚马逊（Amazon）物流中心那样的自动化仓库，虽然是在受控环境中运行，但已经依赖于机器人集群。Gil表示，将此类系统推广到开放世界是令人兴奋且合乎逻辑的下一步。

该论文合著者、石溪大学（Stony Brook University）校长Andrea Goldsmith表示，这篇关于在网络物理系统中建立信任的跨学科综述论文“可谓恰逢其时”。他说道：“随着我们迈入一个物理系统日益依赖云端人工智能控制的多个智能体的世界，我们需要一个严谨的框架来设计这些系统，使其安全可靠，能够抵御恶意攻击。我们的论文全面概述了最先进的技术和新的研究方向，旨在设计安全、稳健的协作式多智能体系统。”

据外媒报道，康考迪亚大学（Concordia University）的研究人员找到了一种减缓枝晶形成的方法。他们利用萨斯喀彻温大学（University of Saskatchewan）加拿大光源（Canadian Light Source，CLS）的超高亮度X射线，发现与普通锌电池相比，在电池内表面“撒上”少量金纳米颗粒可以将枝晶生长速度降低多达50倍。经过金处理的电池在实验室环境下可以连续工作超过6000小时。

图片来源：加拿大光源

相关论文发表于期刊《Journal of Materials Chemistry A》。康考迪亚大学博士生、该论文的主要作者Seungil Lee表示：“众所周知，在电极上涂覆涂层可以提高电池性能，但我们这项技术所需的金颗粒数量极少，而且它们在电池表面的排列方式也十分新颖，令人振奋。”

尽管黄金价格昂贵，但研究人员开发的这项技术——将金颗粒稀疏地分布在电池表面不到10%的面积上——对于大规模电池应用来说，实施成本可能相对较低。

物理学副教授、Seungil Lee的导师Ayse Turak表示：“由于我们采用的制备方法无需任何特殊的实验室条件，而且只需要少量黄金，因此在表面镀金的成本非常低廉，仅为普通镀金价格的百分之一。这对我们来说是一个重大发现。表面物质含量极低，几乎无法通过其他任何方法进行表征。但CLS的X射线能提供非常强的信号，因此我们可以看到它，并确认它的存在以及它在表面的位置。”

目前，该团队正在研究这种颗粒涂层技术如何应用于铜电极，以开发下一代无阳极电池。他们还在探索稀疏纳米颗粒除了用于电池之外，是否还能应用于传感器、光伏和照明等其他技术领域。

图片来源：谱瑞科技

PS8651V符合VESA DisplayPort v2.1a与eDP 1.5规范，通道链路速率最高可达HBR3（8.1Gbps），最多支持4通道传输。该产品已通过AEC-Q100 Grade 2（环境温度范围-40°C至+105°C）认证，适用于汽车应用。DP接收端支持多串流传输（Multi-Stream Transport，MST）与单串流传输（Single Stream Transport，SST）双模式。两个传送端则分别支持DP 2.1a/eDP 1.5规格，同样具备MST与SST模式，在SST输入模式下可对超帧进行单视频分割，并支持通道数/链路速率转换。此外，PS8651V支持VESA DSC 1.2a（显示流压缩，Display Stream Compression）解码和压缩视频的直通传输。

PS8651V为DP与eDP连接提供弹性化的端口扩充方案，其低功耗的设计架构大幅降低汽车应用中的散热设计难度，无需额外配置散热片。PS865x MST集线器系列与谱瑞科技的TC1316V eDP触控与时序控制器整合驱动器（Touch and Tcon Embedded Driver，TTED）以及PS8461V DisplayPort重定时器（带2:1输入多路复用器）产品相辅相成，为扩充车载信息娱乐显示系统打造完整解决方案。

谱瑞科技营销执行副总裁屈经武（Jimmy Chiu）表示：“PS8651V DP 2.1a/HBR3 1:2 MST集线器控制器不仅能为车载娱乐显示器实现DP/eDP端口的扩展，还可支持柱到柱超宽屏显示，同时也可应用于扩展坞、周边配件和各类显示设备。谱瑞科技拥有全备的DP 2.1a产品组合，现已包含PS865x MST集线器，能够以极佳的设计易用性轻松满足客户的应用需求和部署。”

PS8651V已具备量产条件，采用9.5mm×13.5mm的102引脚QFN封装形式。 

图片来源：e-con Systems

这款新型RGB-IR摄像头基于车规级图像传感器。STURDeCAM57可将RGB和红外帧作为独立通道传输，从而仅需一台摄像头即可为AI视觉系统提供全彩图像和高对比度红外数据。它无需多个传感器即可在日光、弱光和无光条件下进行连续监控。此外，它还针对与包括NVIDIA® Jetson™在内的主流平台的无缝集成进行了优化。

STURDeCAM57的一个关键优势在于其板载图像信号处理器（Image Signal Processor，ISP），该处理器由e-con Systems精心调校。与传统方法在主机端处理RGB-IR不同，这款ISP直接在摄像头内部执行RGB-IR分离、去马赛克和色彩重建。这显著降低了对NVIDIA Jetson等主机平台的依赖，使系统能够将更多资源分配给AI推理和应用程序处理。

STURDeCAM57集成了940纳米红外照明，并结合了高量子效率，确保在弱光和无光条件下也能可靠成像。该摄像头专为实际应用而设计，采用IP67防护等级外壳，可在-40°C至85°C的极端温度范围内稳定运行。其流健康监控和恢复功能通过持续监控传感器、ISP和GMSL链路的健康状况，确保摄像头视频流的不间断传输。

除了DMS和OMS之外，STURDeCAM57也非常适用于各种5MP全局快门视觉应用，包括工业自动化和拾取放置机器人。

e-con Systems移动业务部门负责人Suresh Madhu表示：“构建能够全天候可靠运行的视觉系统通常需要多个传感器或机械式IR截止滤光片切换，这会增加系统的复杂性和集成难度。而STURDeCAM57则通过单个摄像头即可同时提供基于颜色的上下文信息和红外可见光，无需机械切换，从而解决了这一难题。这不仅简化了系统设计，还能在各种光照条件下实现可靠、连续的视觉效果。”

STURDeCAM57的其他亮点：

• RGB和IR帧流同步传输，实现连续运行

• 全局快门，可无失真捕捉快速移动的场景

• 增强的动态范围，适用于高对比度环境

• 板载车规级ISP，用于RGB-IR处理

• 兼容NVIDIA® Jetson AGX Orin、Orin NX和Orin Nano平台

• 支持与e-con Systems的新型AI计算盒（Compute Box）Darsi PRO配合使用进行评估

• GMSL2接口，支持最远15米的电源和数据传输

• 可选配FPD-Link IV接口

图片来源：期刊《Journal of Power Sources》

过去几十年，由于钠在地壳中储量丰富、成本低廉且分布广泛，钠离子电池引起了人们的极大兴趣。钠离子电池是锂离子电池（尽管锂离子电池应用广泛，但其对环境的影响显著）的一种更经济的替代方案，并且对矿产资源的依赖性更低。然而，钠离子电池也面临着一些重大挑战，例如能量密度低和充放电循环次数不足。

Nekane Nieto博士解释说：“几乎所有电动汽车和小型设备中使用的电池都是锂离子电池。这些电池中使用的锂，以及制造电池所需的其他材料，例如钴、镍和锰，都属于欧盟（European Union）的关键材料清单上的元素，因此必须努力减少它们的使用。”EHU材料与固态研究组致力于利用生物质材料开发钠离子电池。

电池由阴极（正极）、阳极（负极）和电解质组成，电解质允许电荷从一个电极移动到另一个电极，从而产生电流。

EHU团队正在开展研究，旨在开发以巴斯克自治区（Autonomous Community of the Basque Country，ACBC）收集的废弃生物质碳为基础的阳极材料，换句话说，就是将废弃物转化为可用于电池的材料。Nieto表示：“我们的理念是生产尽可能可持续的电池。”

在这项研究中，研究团队测试了多种生物质，例如咖啡渣、植物茎秆、包含入侵物种的灌木、葡萄籽和葡萄皮、玉米芯，甚至还有生物废料制成的堆肥。Nieto指出：“在所有这些材料中，用葵花籽壳制成的碳材料效果最佳。”

在优化了这种用葵花籽壳制成的阳极之后，Nieto表示：“我们将其与几种不同的阴极材料搭配使用，用于可充电纽扣电池。这些阴极材料含有钒、铁和/或钛，这些元素并非关键元素，且用量较少。” 

考虑到所有这些因素，研究团队进行了生命周期分析，以确定哪种阳极/阴极组合能够提供最佳的电池性能和最低的环境影响。

研究人员表示：“与目前报道的成果相比，我们取得了一些极具竞争力的结果。这些可充电电池由葵花籽壳制成，能够储存足够的能量，并可承受高达1000次的充放电循环，而且针对每种应用都选择了最环保的阴极材料。”

Nieto强调，这些电池的制造“使用了生物质材料和不在关键材料清单上的组件”，这一点非常重要。

Nieto说道：“虽然我们的电池目前与锂离子电池相比还不具备竞争力，但可以作为补充系统或用于小型设备。”该团队目前正在研发更大容量的电池。“我们不应该总是只关注市面上已有的电池。我们可以探索多种方法，利用目前未被利用的废弃物来提高可持续性。重要的是，我们需要寻找锂离子电池的替代品。展望未来，根据电池的预期用途，业界或许能够利用不同类型的废弃物来制造电池。”

然而，锂空气电池商业化面临的主要挑战在于，充放电过程中能够促进氧反应的活性催化位点有限，导致反应速率慢、寿命短。

据外媒报道，由韩国科学技术研究院（Korea Institute of Science and Technology，KIST）极端材料研究中心（Center for Extreme Materials Research）的Jeong Sohee博士和先进工程研究院（Institute for Advanced Engineering，IAE）先进材料加工中心（Advanced Materials Processing Center）的Lee Kwang-hee博士领导的联合研究团队，成功开发了一种催化剂技术，能够最大限度地提高二维纳米材料二硒化钨（WSe₂）的表面活性。

图片来源：韩国科学技术研究院

相关研究发表于期刊《Materials Science and Engineering: R: Reports》。

这项创新同时提升了锂空气电池的性能和耐久性。该技术的核心在于将二维材料的整个基面（此前该基面几乎不参与化学反应）转化为活性催化位点。

该研究团队采用了一种策略，即在二维纳米材料（WSe₂）的层状结构中引入铂（Pt）原子，从而有意地在表面硒（Se）原子缺失的位置制造原子级空位。

该空位作为关键反应位点，能够强力吸附并活化氧分子，显著提高氧还原反应（ORR）和析氧反应（OER）的反应速率。该技术意义重大，因为它在不降低导电性的前提下，将整个基面转化为活性位点，从而最大限度地发挥了二维材料的效用。

采用该催化剂的锂空气电池即使在快速充放电（1C倍率）条件下，也展现出超过550次循环的稳定寿命。此外，在0.1C至3C的宽广充放电倍率范围内，该催化剂与Pt/C和氧化钌（RuO₂）等现有的高成本商业催化剂相比，表现出更优异的稳定性和耐久性。

这一结果表明，即使在高速充电条件下，该催化剂也有望用于制造性能衰减极小的下一代电池。

这项成果意义重大，因为它提出了一种新的设计方法，利用整个材料作为催化活性位点，克服了二维材料的结构限制。预计该成果将有助于降低成本并提高需要高性能催化剂的能源应用（包括锂空气电池、水电解和燃料电池）的性能。

该研究团队计划通过未来的技术转让和商业化研究，增强韩国国内锂空气电池技术的竞争力。

KIST的Sohee Jeong博士表示：“这项研究意义重大，因为它提出了一种原子级控制策略，利用了此前未曾开发的基面，同时保持了二维材料的结构优势。”

IAE的Gwang-Hee Lee博士补充说道：“这项研究显著提高了锂空气电池快速充放电的性能，解决了锂空气电池面临的主要挑战，加快了高功率移动动力系统的商业化进程。”

相关研究发表于期刊《Advanced Intelligent Systems》。

图片来源：佐治亚理工学院

Deng并非这一概念的发明者。早在60多年前，小说家Kurt Vonnegut就设想过自组织机器。Deng的目标是将科幻变为现实。他表示：“我们的粒子行为并非由中央控制器控制，而是由其机械设计以及彼此之间的相互作用来决定。”

传统上，制造更智能的机器人意味着增加复杂性：更多的硬件、更多的处理器、更多的代码。Deng和Yang则摒弃了所有这些。剩下的只有机械结构。

Yang称之为“机械智能”。每个粒子都经过设计，无需传感器或中央大脑，就能通过自身的形状进行“思考”。

Yang解释说：“这种智能并非预先编程，而是内置的。改变几何形状，就能改变粒子群的行为。”

当粒子感受到振动时，它们会自动做出反应。将不同形状的粒子混合在一起，群体就会像鸟群或蚁群一样移动。

Bolei Deng表示：“每个单元都可能很笨，只遵循简单的规则。但当足够多的单元组合在一起时，某种智能就开始显现。”

“无脑”智能

在三维空间中，同样的规则依然适用：形状控制行为。每个粒子的几何形状决定了它如何推动、锁定或释放相邻粒子。其结果是无需信号或代码即可实现协调运动——交互直接写入形状之中。

群体中的每个粒子都是相同的——并且单独存在时毫无用处。 

每个粒子都拥有均匀分布在其周围的柔性臂。当两个粒子相遇时，这些臂会弯曲并锁定，像压缩的弹簧一样储存张力。外部振动会释放这种储存的张力。臂会迅速张开，粒子彼此推开，群体由此扩散开来。

扩散的范围和速度取决于臂的结构。改变臂的弯曲度，它们就能保持锁定更长时间；增加刚度，它们就能更快地释放。每个粒子都遵循相同的简单机械规则：弯曲、锁定、释放。 

微小粒子 巨大的力量

一次振动即可启动系统。粒子按照预定的顺序分解，每一次相互作用都会触发下一次。无需中央控制。分解顺序预先设定在粒子间的物理连接方式中。

粒子的尺寸可以千差万别——从头发丝的粗细到1.5英寸的大小。

最小的粒子甚至可以进入血液循环。医生可以将一团紧凑的粒子群置于血管系统内，并用超声波激活它们。振动会释放臂中储存的张力。粒子向外扩散，进入单个机器人无法触及的血管。

Deng设想利用粒子群将抗癌药物直接输送到难以触及的肿瘤部位，同时保护健康组织。这种方法能够精准靶向病变细胞，而不会损害身体其他部位。这种粒子群或许还能绘制血管图，突破现有医学成像工具的局限。

Yang表示：“这些粒子可以探索任何摄像头或导管都无法到达的血管。只要发出振动信号，它们就会扩散到肉眼无法看到的身体部位。”

同样的方法也可以应用于体外。在太空中，即使是微小的修复也需要宇航员穿上宇航服进行危险的太空行走，而且辐射还会损坏电子设备。

这些粒子可以以紧凑的团簇形式发射，落在表面上，然后通过振动释放。它们会扩散开来，绕过障碍物，并在无需人员操作的情况下重新排列。

由于它们的行为是内置于自身结构而非电子元件中的，因此这种粒子群可以在传统机器人无法工作的极端辐射和温度环境下运行。

Deng表示：“在太空中，一旦建造了任何东西，就需要宇航员或机器人来改变它。在我们的系统中，只需要发送振动即可。”

下一步计划 

Deng和Yang已经证明，仅靠机械结构就能驱动群体运动。现在，他们正在进一步推进这一理念。

他们正在构建一种结构，其关节能够响应不同的振动。一个脉冲解锁一个关节，另一个脉冲则释放另一个关节。这种结构不仅能够移动，还能自我重组。无需处理器来决定哪些部分发生移动，而是由设计本身决定。

Yang表示：“当让设计发挥作用时，我们目前所探索的只是冰山一角。”

这与研究团队最初采用的乐高积木逻辑如出一辙。无需电力。

图片来源：德承

DX系列产品已应用于众多大型项目，并凭借其高性能、紧凑的设计和全面的功能赢得了良好的口碑。全新发布的DX-1300延续了这一优良传统，搭载最新的Intel® Core™ Ultra 200S处理器，尺寸仅为242 × 173 × 75毫米，配备丰富的I/O接口和灵活的扩展选项，如高速LAN、USB，工业常见的COM、DIO以及多款显示输出接口，可满足各种应用需求。DX-1300是空间受限环境下高端图像处理、AI推理和多任务数据集成应用的理想边缘计算平台。

超紧凑机箱中的异构计算

DX-1300搭载Intel Arrow Lake-S平台Core Ultra 200处理器，采用集成CPU、GPU和NPU的混合计算架构，可提供高达36 TOPS的AI计算能力。与上一代产品相比，AI推理性能提升高达3.5倍，足以支持实时视频分析、智能检测和数据分析等高要求的边缘AI应用。此外，它还支持高达96GB的6400 MHz DDR5 CSODIMM内存，显著提升数据传输效率并降低延迟。如此强大的性能却依然集成在尺寸仅为242 x 173 x 75毫米的机箱中——与11英寸iPad的尺寸相当——使其成为空间受限的设备控制柜、生产线机械和车载系统的理想之选。

多功能扩展与高速数据传输

DX-1300满足多种应用场景的需求：

• 无线连接：多个M.2 Key B和M.2 Key E插槽，可集成5G、Wi-Fi和GNSS无线模块，实现灵活的移动和远程部署。

• 存储：支持NVMe SSD以提升速度，SATA SSD以提升容量，兼顾快速系统启动和海量数据存储需求。

• 丰富的I/O接口：配备高速10GbE、2.5GbE和1GbE LAN以及USB 3.2接口，满足各种数据传输需求。

• 安全连接器：提供M12 A编码和X编码LAN接口选项，确保在高振动或户外环境下连接稳定。

• 工业相机：通过模块化扩展，最多可支持12个LAN端口或8个PoE端口，满足机器视觉和多相机系统部署的需求。

• 坚固耐用，并通过市场认证。

DX-1300拥有宽广的工作温度范围（-40°C至60°C）和宽范围的直流电源输入（9至48VDC），确保在严苛的工业环境中稳定运行。为满足不同垂直市场的需求，DX-1300已通过MIL-STD-810H军用标准和UL安全认证。此外，它还符合铁路EMC标准EN 50121-3-2和防火标准EN 45545-2。这些认证使其尤其适用于对稳定性要求极高且安装空间有限的制造和铁路应用。作为关键的边缘计算核心，DX-1300可实现系统的长期稳定运行，并将停机风险降至最低。

图片来源：威世集团

这款器件被归类为增强型隔离器件，其典型开路电压为20 V，短路电流为20 μA，导通时间为80 μs，比同类产品快三倍。这些特性使其能够更快、更可靠地驱动高压系统中的MOSFET和IGBT。此外，该器件1260 Vpeak的工作隔离电压和5300 VRMS的隔离测试电压使其成为800 V以上电池系统的理想选择。

VODA1275符合AEC-Q102标准，适用于电动汽车(EV)和混合动力汽车(HEV)的预充电电路、壁式充电器和电池管理系统(BMS)。以往，设计人员需要串联两个MOSFET驱动器才能产生这些应用所需的高电压，而该器件的高开路输出电压使其只需一个即可，从而节省空间并降低成本。此外，该驱动器还支持定制固态继电器，以取代下一代汽车中传统的机电继电器。

VODA1275采用光隔离设计，其内部电路所需的所有电流均来自隔离层低压侧的红外发射器。这种结构无需外部电源，简化了设计并降低了成本。该MOSFET驱动器符合RoHS标准，不含卤素，并符合Vishay Green标准。

VODA1275的样品和批量产品现已上市，交货周期为八周。

据外媒报道，高性能聚合物材料制造商科思创（Covestro）、汽车应用智能机电一体化系统供应商Marquardt和电子墨水技术公司E InkE Ink联合开发出一种透明聚氨酯（PU）涂层，可将电子纸显示屏嵌入汽车内饰合成材料表面之下，而不会改变其视觉或触觉特性。

图片来源：科思创

该解决方案应用于Marquardt的概念车Centum，其车门内饰板上集成了一块动态变色显示屏，该显示屏嵌入在标准的PU涂层织物表面中，从而展示了这项技术。

该涂层基于科思创的INSQIN水性PU技术，并以Impranil DLC-F为基材。这种透明薄膜保留了传统汽车织物的纹理，同时使E Ink的电子纸显示屏的色彩能够透过表面清晰可见，从而实现了背光表面和集成控制元件，而无需改变现有材料的表面处理效果。

Impranil® DLC-F是一种水性聚氨酯分散体，广泛用于汽车内饰纺织涂层的面漆。最终成果是一种透明涂层合成材料，它既保留了汽车纺织品的优质质感，又能让显示屏的动态色彩清晰可见，满足了汽车内饰严苛的性能要求。

Marquardt创新主管Felix Hake表示：“我们希望通过Centum项目展示如何在不影响设计或品质的前提下，将智能功能集成到内饰表面。与E Ink和Covestro的合作使我们能够打造出一种兼具卓越触感和灵敏视觉效果的材料解决方案。”

科思创纺织涂层全球负责人Torsten Pohl博士补充道：“该项目凸显了INSQIN® PU技术和Impranil® DLC-F的多功能性。通过开发一种与E Ink显示屏兼容的透明汽车级PU涂层合成材料，我们成功助力Marquardt将动态功能集成到人们熟悉的表面材料中。”

E Ink公司战略计划与FPL平台管理高级总监Pete Valianatos指出：“我们的电子纸显示技术旨在以低功耗提供动态视觉体验，同时保持满足严苛应用所需的稳定性。与Marquardt和科思创的合作使我们能够展示如何将电子纸显示屏集成到涂层内饰表面之后，从而使汽车设计师能够在不改变优质材料既有外观和触感的前提下引入自适应色彩功能。”

图片来源：翰昂系统

这款结构紧凑、功能强大的热管理模块将创新型电子压缩机（eCompressor）、电子膨胀阀模块、组合式水冷式冷凝器、内部热交换器、冷却器、空调管路以及压力和温度传感器等多个组件集成到一个高功率密度解决方案中。该方案可降低系统复杂性，提升热性能，提高能源利用率，从而延长续航里程。

翰昂系统首席执行官李秀日（Soo Il Lee）表示：“我们的解决方案将热管理转变为高效智能的系统。通过将所有关键的制冷剂热管理功能集成到一个极其紧凑的模块中，我们实现了封装和材料方面的双重节省。公司致力于提供创新技术，塑造电动出行的未来，并为更可持续的未来做出贡献。”

翰昂系统开发的这款高度集成的冷却系统首次应用于宝马纯电动SUV车型iX3。该冷却系统专为电动汽车设计，通过智能热管理模块满足多个车辆子系统的散热需求。该系统重量仅为16公斤（35磅），能够动态调节制冷剂的流量和温度，从而在满足快速充电、高性能驾驶和极端天气等实时需求的同时，最大限度地降低能耗。

此外，该模块还包含与噪声、振动和声振粗糙度（NVH）相关的设计元素，例如隔振组件和隔音罩。这种设计有利于规模化生产和高效的车辆组装，并可适配多种纯电动汽车平台。

该专利由Stephen Alexander Harasym和Joel Timothy Van Rooyen发明，概述了一种专为线控转向系统设计的全新的转向柱总成。它允许方向盘进行更大范围的旋转，同时保持稳固的机械限位。

图片来源：USPTO

当前线控转向系统的问题

在配备线控转向技术的现代车辆中，转向反馈执行器提供阻力，以模拟传统机械转向系统的物理感觉。这类系统需要行程限制器，以防止驾驶员过度转动方向盘，从而损坏其他内部部件。

传统的线控转向执行器使用壳体内部的机械销或限位器来限制方向盘的转动范围。这些传统设计在预设角度处提供刚性硬限位，通常限制在离中心位置正负170度左右。这个特定的限制实际上是180度，但由于内部组件的物理宽度，实际范围会略有缩小，因为组件之间会相互碰撞。

特斯拉的两段式解决方案

为了突破这一旋转限制，特斯拉设计了一种巧妙而相对简单的机械结构。其全新的转向柱总成包括一个带销的输入轴、一个固定壳体和一个被称为止动环的旋转部件。该止动环有两个不同的止动点。第一个止动点用于与壳体啮合，第二个止动点用于与输入轴上的销啮合。

由于止动环在与最终壳体止挡啮合前可以独立旋转，因此整体转向范围大幅增加。这种独特的两段式结构可实现约±340度的转向范围。

与传统系统相比，该装置在保持整体结构紧凑高效的同时，提供了更大的旋转角度。此外，该设计具有高度可调性。工程师可以调整止动环的结构，将运动范围限制在170度到340度之间的任意特定值，该专利甚至指出其运动弧度可达至少540度。

高端触感与可变反馈

特斯拉也十分注重方向盘的触感。猛烈撞击机械限位器可能会让驾驶员感到不适，因此该转向柱总成集成了阻尼元件来减轻冲击。具体来说，特斯拉将使用聚合物O形环，这些O形环位于接触面之外并向外突出。

当驾驶员将方向盘转向至极限位置时，这些O型环会在受到冲击时膨胀，从而提供阻力并缓冲碰撞。这使得驾驶员在到达转向极限位置时能够感受到更加柔和、更高级的操控感。最终，这种改进的触觉反馈极大地提升了整体转向体验。

最后，新的转向柱总成可与现有的反馈系统无缝集成。它利用输入轴上的齿轮或皮带轮连接到皮带传动系统和电机。这种设计使系统能够产生可变的反馈扭矩，成功模拟传统转向齿条的物理阻力和路感。

面向未来

这项专利采用了一种高效的设计，部件数量极少，却完全能够承受高输入扭矩。它有望降低未来特斯拉车辆的制造成本并提高可靠性。无论这项技术是率先应用于即将推出的下一代Roadster还是未来的Cybertruck，特斯拉显然想将其线控转向技术提升到一个新的水平。

图片来源：USPTO

根据通用汽车的专利描述，该系统允许车辆及其用户通过一个或多个车窗显示消息，从而与车外人员进行沟通。该系统旨在改善无法直接互动情况下的沟通，例如驾驶员离开停放的车辆或紧急情况下需要快速传递消息时。

该系统的核心功能是检测车辆何时停放，然后利用车载硬件和联网的用户设备，生成并显示面向车外人员的消息。这些消息可以直接显示在车窗上，让附近的人都能看到。系统还可以将消息发送到车主的个人设备上，以便他们在消息显示前进行审核和批准。

该系统可以通过多种方式生成消息。在某些情况下，它可以从车辆或相关系统中存储的一组预定义消息中提取消息，并根据用户的位置或行程安排等数据选择最相关的消息。例如，它可以根据具体情况自动建议一条简短的状态更新消息。此外，用户还可以创建自定义消息。

图片来源：USPTO

除了在车窗上显示消息外，该系统还能够与车主进行通信。当有人靠近车辆时，系统可以检测到并提示他们留言。这可能包括通过麦克风录音，将其转换为消息，然后存储或发送给车主。消息可以根据紧急程度进行优先级排序，更重要的消息会立即发送。

该专利还概述了其他功能，例如利用健康数据检测医疗紧急情况，从而自动显示消息并通知附近的人员。

图片来源：期刊《ACS Applied Energy Materials》

从智能手机、可穿戴设备到电动汽车，锂离子电池为许多现代科技产品提供动力。石墨是最常用的阳极材料，虽然稳定性好，但储能容量有限。而硅的储能容量则大得多，但它在充电过程中会膨胀，导致电池开裂，并随着时间的推移而性能下降。

为了克服这一难题，研究团队开发了一种新型的“垂直集成硅-碳纳米管”（Vertically Integrated Silicon–Carbon Nanotube，VISiCNT）结构。该设计将密集的碳纳米管直接生长在铜箔上，并在其表面涂覆一层薄薄的硅，从而形成一种柔性导电支架，能够在吸收膨胀的同时保持其性能。

这种新型阳极材料具有极高的单位重量储能能力。实验室测试表明，其储能能力超过3500毫安时/克，接近硅材料的极限储能能力，远高于目前电池中使用的石墨材料（370毫安时/克）。此外，该材料在反复充放电循环中也展现出更优异的稳定性和性能。

萨里大学ATI研究员、该研究的主要作者Muhammad Ahmad博士表示：“电池创新势头强劲，因为当今许多技术都受限于电池的储能能力。我们的VISiCNT设计提供了一种切实可行的路径，既能利用硅的巨大储能能力，又不会牺牲循环寿命。这是一项急需的突破，它不仅提供了极高的容量、快速充电和长期耐用性，还让我们离能够一次充电为电动汽车和日常设备提供更长时间续航的电池更近了一步。”

这种新方法的关键优势在于，它采用可扩展的制造工艺，将碳纳米管直接生长在铜（商用电池的常用材料）上。这有望使该技术更容易集成到现有的工业生产线中。

ATI首席研究员兼主任Ravi Silva教授表示：“这项研究是朝着将碳纳米管-硅阳极从实验室推向实际生产的重要一步。我们可以快速地在铜箔上直接生长碳纳米管结构，并可对硅层进行优化以增强其稳定性，这意味着该方法可以以最小的干扰集成到现有的电池生产线中。这项技术不仅在电动汽车领域具有巨大潜力，在电网储能和微电子领域使用的小型电池方面也同样具有应用前景。继我们通过大学衍生公司Surrey NanoSystems Ltd.成功研发出世界上最黑的材料VANTA-Black之后，我们非常自豪地推出这项碳纳米管（CNT）技术，这充分展现了基础研究的实际应用价值。”

随着储能需求的增长，电池需要储存更多能量、充电速度更快、续航时间更长。VISiCNT设计为应对这些挑战提供了一条颇具前景的路径，并可能成为下一代电动汽车和手机的关键动力来源。

此次合作使车队能够在统一的环境中管理其所有现代汽车产品组合，包括内燃机（ICE）汽车和电动汽车（EV）。通过将车辆原生数据与Geotab的高级分析功能相结合，混合车队的管理人员可以获得运营情况的综合视图，从而做出更明智的业务决策。

图片来源：Geotab

车队管理人员将获得以下优势：

• 主动维护和正常运行时间：监测发动机健康状况，包括机油压力、冷却液温度和特定的柴油颗粒过滤器（Diesel Particulate Filter，DPF）的具体状态，可防止代价高昂的故障。

• 近实时GPS：新款现代汽车能每10秒传输一次GPS数据（老款车型在点火开关打开/关闭时发送数据）。

• 精准安全管理：管理人员现在可以追踪驾驶员和乘客的安全带使用情况、安全气囊展开情况、高级驾驶辅助系统（Advanced Driver Assistance Systems，ADAS）车辆前向距离、引擎盖状态和车门锁情况，以确保更安全的工作环境。

• 全面的轮胎智能：除了基本的警报功能外，车队还可以接收每个车轮的具体轮胎压力读数和状态指示器，从而显著提高燃油效率和安全性。

• 面向未来的电动汽车洞察：对于电动汽车车队，该解决方案可跟踪电池电量、充电状态（交流/直流）和电池单元温度，从而可以根据“充满电所需时间”指标优化路线规划。

这种深度集成使车队管理人员能够通过直接利用来自现代汽车原厂预装的传感器的高分辨率数据，从被动监控过渡到主动优化。

Geotab欧洲、中东和非洲区副总裁Christoph Ludewig表示：“将现代汽车纳入我们的OEM合作伙伴网络，进一步拓展了欧洲车队运营商可通过单一平台管理的制造商范围。我们与现代汽车的合作，使我们的客户能够即时获取高质量的车辆数据，涵盖从精准的安全指标到关键的电池信息等各个方面。通过消除硬件安装的障碍，我们正在帮助车队提高运营效率和安全性，同时简化向电气化未来的转型。”

现代互联出行（Hyundai Connected Mobility）首席执行官Marcus Welz补充说道：“我们与Geotab的合作将为现代车队带来无缝、无需硬件的远程信息处理体验，把原厂预装的数据服务和连接功能转化为切实价值。从10秒GPS定位到预测性维护和深入的电动汽车洞察，运营商可以更清晰、更快速、更有效地了解车辆状况——所有功能均可远程激活，并可随时扩展。”

图片来源：eSOL

eXRP™基于开源Godot游戏引擎开发，是一款实时3D引擎，增强了对可视化系统（例如3D仿真（数字孪生等）和人机界面(HMI)）开发的支持，可应用于移动出行、机器人和制造等工业领域。

计算机辅助工程(CAE)工具，例如通用仿真软件等，由于价格昂贵且复杂，部署门槛较高。但eXRP能够大幅降低开发成本、时间和工时，因为它基于开源Godot游戏引擎，并拥有直观高效的UI/UX界面，以及包含运行时和编辑器的开发基础，从而实现集成开发。

可视化系统市场预计将快速增长。特别是，数字孪生市场预计到2030年将以30%至40%以上的超高复合年增长率(CAGR)增长。

eSOL已开始着手把握这一市场机遇，例如与Tadano Infrastructure Solutions, Ltd.合作，在商业化之前，利用eXRP共同开发3D-LiDAR点云模拟器。

近年来，工业领域的系统开发也需要强大的表达能力，例如游戏引擎。然而，通用游戏引擎并不适用于需要长期维护和严格质量控制的工业应用。因此，eSOL将其多年积累的嵌入式系统开发和工业控制经验与开源Godot游戏引擎相结合，实现了轻量灵活、用户友好、工业级质量、长期支持和高可扩展性的完美融合。

在开发eXRP的过程中，eSOL与W4 Games Limited（一家使用Godot为企业提供商业服务的全球供应商）达成了战略合作伙伴关系，以结合两家公司的优势，支持为工业领域的各种应用开发2D/3D应用，并实现工业数字化转型。

eXRP在工业领域的主要应用案例

• 驾驶舱人机界面（HMI）的开发

• 生产线（例如零件装配线）的数字孪生模型

• 利用仿真优化仓库布局

• 输送机械的控制仿真

• ADAS/自动驾驶驾驶场景的验证

• 在销售场所和展厅中使用虚拟空间

• 基于ROS协作的AMR/AGV运行仿真

• 利用VR进行操作员培训和安全教育

“eXRP是业界首款兼具游戏引擎的易用性和工业级品质及支持的实时3D引擎。eXRP的推出有望大幅缩短工业领域可视化系统的开发周期，从而提升企业在快速增长的市场环境下的竞争力。eSOL正在推行‘全栈工程’战略，提供构建SDx平台所需的所有开发技术，而eXRP正是该战略的关键组成部分，负责包括仿真和人机交互在内的可视化领域。”eSO株式会社首席执行官、首席技术官、总裁兼代表董事Masaki Gondo表示。

图片来源：富采光电

富采光电将于4月8日至10日在2026年中国台湾国际科技展（Touch Taiwan 2026）上全面展示该平台，并展示其最新创新成果以及与国际一级供应商和OEM合作伙伴的持续合作。

智能互动显示(ISD)平台助力下一代车辆通信

富采光电的ISD平台采用高密度LED阵列，包括COB封装（Chip-on-Board）和POB封装（Package-on-Board）架构，可提供像素间距从小于1毫米到4毫米的可定制LED模块。该平台支持车联网(V2X)应用的动态外部通信，同时兼容OEM品牌专属的照明标识。ISD模块非常适合用于尾部显示、前部车辆识别和其他智能外部照明应用，体现了下一代智能汽车的设计趋势。

ISD平台已集成到多个国际汽车项目中，包括为法雷奥提供的超高亮度智能汽车外部显示屏以及中国新能源汽车品牌2026年新款车型，充分展现了富采光电达在汽车LED解决方案领域的技术实力和量产能力。

像素化自适应照明平台提升道路安全和驾驶体验

富采光电的像素化自适应照明平台包含自适应远光灯(ADB)和动态地面投射(DGP)应用。ADB采用专有的超薄核心LED技术，实现60 μm像素间距，形成超高密度LED阵列，从而实现精准、无眩光的自适应光束控制，最大限度地提高道路能见度和安全性。

DGP采用富采光电的Micro LED技术，通过紧凑型侧视镜模块将动态全彩图像投射到地面上。与传统的静态或单色投影不同，这项技术可以显示品牌标识、警告符号和欢迎信息，从而提升车辆与行人之间的安全以及品牌知名度。

随着智能车辆对显示与照明需求不断提升，像素化智慧车灯平台将成为推动车用创新应用的重要关键技术。富采光电新事业中心副总经理何孝恒表示：“车外照明正从传统光源迈向高密度像素化架构，未来车灯与显示系统不仅提供照明与信息呈现，更将成为车辆与外界互动的重要接口。富采凭借在光机电热领域的长期技术累积，打造了两大像素化车用光源技术的平台，并与国际Tier 1及OEM车厂进行深度合作，持续深化具量产性的车用光电解决方案布局。”

图片来源：TRATON 

经过一年多的合作开发，两家公司正在部署一个处于创新前沿的统一平台，旨在为客户带来诸多益处：

• 避免代价高昂的停机：该系统的统一数据访问旨在实现预测性维护功能，使车队运营商能够在潜在机械问题导致故障、召回或计划外停机之前识别并解决这些问题。

• 面向未来的车队：客户将能够通过无线软件更新获得新的应用程序、功能和全驾驶室用户界面升级，从而减少维修次数，并使车辆在其整个使用寿命期间持续改进。

• 开启自动驾驶未来：该平台的自适应中间件旨在作为自动驾驶系统的基础，使TRATON能够随着时间的推移在同一架构上叠加自动驾驶功能。

TRATON ONE OS旨在将现代软件开发的速度、灵活性和持续更新周期引入商用车行业，它将在TRATON全新车辆架构的所有高性能计算机（HPC）上运行。该平台支持多种硬件芯片组和全球监管环境，同时为TRATON团队提供了一个通用的基础架构——所有这一切都不会影响每个品牌独特的客户体验。首款集成式ECU硬件的测试将于2026年4月开始，并计划于2028年推广至新款卡车。

“我们与Applied Intuition的合作，将TRATON在商用车领域的深厚专业知识（包括模块化和内部应用功能软件开发方面的优势）与Applied Intuition领先的软件能力相结合，”TRATON集团高级副总裁兼EE平台负责人Stefan Teuchert表示。“通过TRATON ONE OS，我们将Applied Intuition、TRATON和开源社区的强大功能模块融合在一起，打造出一个全球领先的EE平台，能够快速为客户提供新功能和服务，同时保留我们每个品牌的独特之处。”

该平台采用白盒模块化架构，由TRATON和Applied Intuition联合开发，融合了TRATON的内部研发成果、Applied Intuition的卡车专用车辆操作系统 (Vehicle OS) 以及值得信赖的第三方和开源组件。这种模块化方法使TRATON能够随着时间的推移替换或整合计算单元，而无需破坏软件堆栈或重写平台或应用程序，从而支持公司长期发展目标——即使用更少但更强大的高性能计算机。

Applied Intuition联合创始人兼首席执行官Qasar Younis表示：“我们与TRATON紧密合作，正在构建下一代软件定义商用车。TRATON ONE OS创建了一个平台，使商用车能够通过软件更新不断发展，同时赋予TRATON灵活性，使其能够在旗下全球品牌中构建和扩展功能。”

如今，这种情况正在发生改变。其中一项关键技术是三维点云分析。

图片来源：考纳斯理工大学

“想象一下，对某个物理空间（例如街道、森林或整座城市）进行数百万次精确的激光测量，并将这些测量结果拼接起来，生成一张由单个点组成的详细三维地图。这就是所谓的三维点云。用于分析三维点云的技术旨在帮助计算机理解地图中物体的形状，并解读它们在场景中的位置关系。”考纳斯理工大学（Kaunas University of Technology，KTU）教授Rytis Maskeliūnas解释道。

从行人检测到城市地图绘制

尽管大多数人很少会想到这一点，但这项技术的早期形式早已融入日常生活。“普通人经常会接触到与我们研究中描述的类似的底层3D数据和技术，却浑然不觉，”KTU研究员Sarmad Maqsood博士指出。

现代车辆依靠此类系统来实现自动紧急制动或自适应巡航控制等功能，从而区分行人、车辆和道路边界。然而，在复杂或低能见度条件下，可靠性仍然是一个挑战。

三维点云数据也越来越多地被用于构建城市的详细数字模型。这些模型支持城市规划、基础设施监测和环境分析，并构成了所谓的数字孪生的基础——数字孪生是对真实世界环境的虚拟再现，可以持续更新并用于监测随时间推移发生的变化。

然而，据马苏德（Maqsood）称，理解这一点并非易事。“计算机在分析三维点云时面临着巨大的困难，主要是因为这种数据类型本身就具有不规则性、非结构化和海量的特点，”他解释道。这位研究人员指出，数据分布不均——近处物体密集，远处物体稀疏——而行人等重要元素的出现频率可能远低于道路或建筑物等主要类别。

这些挑战不仅体现在技术层面，也体现在实际操作层面。实时处理数百万个数据点需要强大的计算能力，同时在安全敏感型应用中确保精度至关重要。噪声、遮挡以及速度与精度之间的平衡需求，进一步增加了可靠三维分析的难度。

据外媒报道，为了应对这些挑战，考纳斯理工大学（KTU）的研究人员开发出一种新模型，该模型将多种三维数据分析方法整合到一个更高效的系统中。它并非仅关注局部细节或全局结构，而是同时整合两种视角，使机器能够更可靠地解读复杂环境。该模型结合了先进的基于Transformer的分析方法（该方法能够捕捉整个场景而非孤立区域之间的关系），以及优先处理重要但出现频率较低的特征的机制，从而能够更好地处理不平衡数据。

即使数据不完整也能发挥作用的解决方案

“想象一下，你有一个由数百万个点组成的庞大而杂乱的3D拼图，需要将它们分类成有意义的物体，例如道路、树木和行人。我们的模型就像一个高度智能且高效的拼图求解器，”KTU科学家Maskeliūnas说道。通过分析整个场景中各种关系，并着重强调那些出现频率较低但至关重要的特征，该系统能够更好地检测出小型或部分可见的物体，而这些物体是以往方法可能遗漏的。

这在现实世界中尤为重要。例如，一辆自动驾驶汽车在黄昏时分接近十字路口，可能只能检测到部分被遮挡的行人身上的几个数据点。“该模型不会错过这些信息，而是会结合上下文进行解读——将稀疏的信号与周围的元素（例如电线杆或人行横道）联系起来——即使数据不完整也能识别出行人的存在。这种从有限信息中解读上下文的能力可以显著提高自动驾驶系统的安全性，”Maskeliūnas分享道。

该模型在效率方面也表现出色，能够在保持高精度的同时，仅需两秒多一点的时间处理复杂场景。“除了分割精度之外，一项关键成就是展示了一个高效、统一的流程，”Maqsood补充道，并指出该系统集成了压缩和传输功能，且不会丢失关键细节，从而能够近乎实时地高效处理和传输大规模3D数据。

展望未来，其潜在应用远不止于目前的用例。从在复杂环境中导航的送货无人机到执行搜救任务的机器人，可靠的3D理解正变得越来越重要。甚至一些不太明显的领域也能从中受益——例如考古学，其中需要将稀疏数据重建为有意义的结构；或者法医学，其中细微的空间细节至关重要。它还可以支持高级增强现实应用，将数字内容无缝集成到复杂的物理环境中。

从更广泛的层面来看，这些进步可能会从根本上改变理解和管理环境的方式。曾经看似科幻的场景正在逐步成为现实——机器不仅在学习如何观察世界，而且在学习如何理解世界。

图片来源：普渡大学

过去几十年，人工智能机器凭借机器学习取得了显著进步，机器学习使这些设备能够识别模式并做出预测或决策。然而，由于算法需要进行大量的计算，以及运行这些算法的硬件设计，因此它们需要消耗大量的能量才能运行。

“如今的人工智能设备采用独立的处理单元和存储单元，”Roy说道，“将数据从内存传输到处理单元，然后再执行所有这些复杂的操作，都需要消耗大量的能量。对于无人机这类需要快速高效地处理信息以避开障碍物并完成既定任务的机器来说，这尤其成问题。”

为了解决能源问题，Roy和他在纳米电子研究实验室的团队正在开发一套传感器、算法和硬件系统，使基于视觉的自主车辆能够从A点移动到B点，同时避开障碍物、优化能源利用并独立运行。

“就我们对大脑的有限了解而言，计算和记忆并非分离，这使其成为我们所能想象到的最高效的处理器，”Roy表示。“这就是为什么我们要从大脑中汲取更多直接的灵感，并与大脑共同设计硬件和算法，以优化各种人工智能设备。”

算法驱动人工智能认知

该系统的核心是被称为脉冲神经网络（SNN）的算法。所有神经网络都由多层人工神经元组成，这些神经元在接收到信息时会被激活，这与大脑中生物神经元的工作方式非常相似。然而，与大脑不同的是，传统神经网络中的所有神经元都会在每次信息输入时激活，因此网络每次计算、决策或行动都会消耗大量能量。

另一方面，SNN中的单个神经元仅在接收到重要信息时才会激活，即“脉冲”。对于特定神经元而言，信息的“重要性”取决于其设定的膜电位——一个决定神经元何时激活的阈值。输入或数据必须达到该阈值，神经元才会产生脉冲并做出反应。因此，每个神经元只处理和存储与其功能相关的“记忆”。

算法驱动人工智能认知

该系统的核心是被称为脉冲神经网络（SNN）的算法。所有神经网络都由多层人工神经元组成，这些神经元在接收到信息时会被激活，这与大脑中生物神经元的工作方式非常相似。然而，与大脑不同的是，传统神经网络中的所有神经元都会在每次信息输入时激活，因此网络每次计算、决策或行动都会消耗大量能量。

另一方面，SNN中的单个神经元仅在接收到重要信息时才会激活，即“脉冲”。对于特定神经元而言，信息的“重要性”取决于其设定的膜电位——一个决定神经元何时激活的阈值。输入或数据必须达到该阈值，神经元才会产生脉冲并做出反应。因此，每个神经元只处理和存储与其功能相关的“记忆”。

为了解决这些问题，Kaushik和他的团队开发了一种混合神经网络，它结合了传统神经网络和脉冲神经网络（SNN）的优势。这种组合能够有效地捕捉时间信息，同时保持足够的可训练性和紧凑性，适用于自主设备。

事件驱动型摄像头增强导航性能

两种名为Spike-FlowNet和自适应安全裕度算法的算法，能够帮助安装在车辆上的专用事件驱动型摄像头更有效地扫描和处理周围环境。

与SNN中的单个神经元类似，事件驱动型摄像头中的各个像素独立运行，摄像头仅在像素发生移动或变化时才进行记录。这与传统摄像头不同，传统摄像头会始终记录整个场景——所有像素。

图片来源： 普渡大学

这些摄像机通过模拟人类视觉系统的两个关键方面——快速眼动和眼睛的聚焦方式——来模仿人类解读视觉数据的方式。这种方法通过优先处理感兴趣区域而非逐帧计算，帮助基于事件的摄像机更快地处理场景。

“人类视觉系统能够快速聚焦于特定区域，并利用快速眼动来高效地扫描场景，”Roy说道。“我们的工作将这些机制融入到人工视觉系统中，使其能够将计算资源集中在场景中最相关的部分（例如移动物体）上，而不是对所有信息进行均等处理。”

Roy和他的团队已在无人机上测试了这项技术，无人机成功地实时绕过了移动的圆环。

“仅使用视觉传感器，无人机就能避开静止和移动的物体，并无碰撞地到达目标，”Roy表示。“在此过程中，它必须判断物体在视野中的运动方式，估算深度，然后规划路径。这些都是与时间相关的操作，理解事物随时间的变化至关重要。”

计算与内存融合于专用硬件

硬件是Roy系统的最后一个组成部分，目前正在开发中。他的目标是利用内存计算来消除所谓的冯·诺依曼瓶颈——数据必须在计算机中央处理器和内存之间传输的路径，这通常会导致计算延迟。

正在开发的硬件通过将计算操作和过程直接映射到内存芯片上，有效地消除了这一路径。

其中一种装置，即模拟大脑学习方式的电子突触，其工作原理是：通过一层金属施加电流，从而产生一种称为自旋轨道转矩的效应。

自旋轨道转矩的工作原理是：根据电流的强度和时间，使磁性层中的不同区域朝不同方向移动。该装置能够学习电流何时会物理性地改变磁性结构，从而影响未来电流的强度。

像电子突触这样的设备可以降低功耗、提高能源效率，最重要的是，它们无需网络连接即可运行——这对于在野外作业的自主设备至关重要。

虽然演示中使用的是无人机，但这种受大脑启发而设计的架构同样可以应用于地面机器人、自动驾驶汽车、可穿戴设备以及其他需要在能源限制下进行实时感知和决策的嵌入式人工智能系统。

据外媒报道，日本东北大学（Tohoku University）先进材料研究所（Advanced Institute for Materials Research，WPI-AIMR）的研究人员另辟蹊径，发现超声波焊接能够将这两种材料完美地结合在一起。

图片来源：东北大学

来自WPI-AIMR的Eric Jianfeng Cheng表示：“这是该领域内尚未充分探索的方法。据我们所知，将超声波焊接直接应用于锂金属与石榴石型氧化物电解质的结合，在业内尚属首次。”

这项新策略有助于创造比传统锂离子电池更高效、更实用的固态储能技术。相关研究于2026年3月19日发表在《Small Structures》期刊上。

固态锂金属电池被广泛认为是极具发展前景的下一代储能技术。在众多固态电解质中，石榴石型氧化物Li₇La₃Zr₂O₁₂（LLZO）因其高离子电导率和化学稳定性而备受关注。然而，在锂金属和陶瓷电解质（Li₇La₃Zr₂O₁₂或LLZO）之间建立紧密的物理接触却十分困难。大理石板和金属片界面的刚性且不规则形状使得两者难以粘合，主要是因为这两个表面暴露于空气中时都容易形成绝缘的Li₂CO₃层。这种情况尤其容易发生在锂金属表面，形成一种阻碍锂离子传输和润湿的屏障。

超声波焊接（USW）是一种成熟的工业技术，广泛应用于金属部件的连接，它提供了一种与传统方法（成本高昂且工艺繁琐）截然不同的解决方案。该研究结果表明，USW可在室温下于数秒内形成紧密的锂-LLZO界面。超声波振动破坏了诸如Li₂CO₃等绝缘表面层，同时，可控的压力和高频振荡使锂金属发生塑性变形并贴合到刚性LLZO表面，从而消除界面空隙，并在不熔化或热活化的情况下建立直接的固态接触。

仅使用USW技术，界面电阻即可降低至约225Ω·cm²。当与薄的溅射金（Au）中间层结合使用时，电阻进一步降低至约1.5Ω·cm²，这是目前报道的室温下制备的Li-LLZO界面中最低的电阻值之一。对称电池测试也证实了该方法的实际可行性。

这种快速的室温键合策略为氧化物基固态电池的制造提供了一种便捷高效的途径。这项研究有助于开发更安全、能量密度更高的电池，可应用于电动汽车、可再生能源存储和便携式电子产品等领域。

图片来源：Q-Free

OBU1010融合了超低功耗、增强的射频（RF）抗干扰能力、紧凑且高度集成的设计，并显著降低了产品碳足迹，树立了DSRC性能的新标杆。其专用的RF滤波功能确保了在日益密集的无线电环境中的可靠运行，从而能够与不断发展的无线技术实现稳定、高性能的通信。

这款车载应答器外形紧凑、隐蔽，可与车辆内饰完美融合，同时实现高效、经济的信息分发。集成的运输模式可防止安装前发生意外通信，最大限度地减少存储期间的电池消耗，并确保设备随时可以部署。

OBU1010专为多功能应用而设计，支持包括电子收费、拥堵收费、门禁控制和停车管理在内的多种应用。它支持跨区域无缝部署，兼容所有5.8GHz CEN DSRC协议，并支持安全的个性化设置和生命周期管理。

Q-Free收费业务执行副总裁Fredrik Nordh表示：“OBU1010代表着我们为全球合作伙伴和客户提供支持方式的又一次飞跃。我们结合数十年的经验和现代工程技术，打造出这款体积更小、更可持续、专为在日益复杂的环境中实现长期稳定运行而设计的解决方案。这不仅是我们技术的演进，更体现了收费技术的未来发展方向。”

Q-Free目前正与合作伙伴一起进行产品认证，预计将于今年晚些时候开始初步部署。

研究人员可以训练这款腕带学习佩戴者的手部动作，并将这些信息实时传输给机器人或虚拟环境。该团队的研究成果发表于期刊《Nature Electronics》。

图片来源：麻省理工学院

在演示中，该团队展示了佩戴腕带的人可以无线控制机械手。当佩戴者做出手势或指向时，机械手也会做出相应的动作。通过类似无线木偶的互动，佩戴者可以操控机械手在钢琴上演奏简单的曲子，或者将一个小篮球投进桌面上的篮筐。佩戴者还可以使用同一腕带操控电脑屏幕上的物体，例如，通过捏合手指来放大或缩小虚拟物体。

该团队正在利用这款腕带收集更多不同手型、手指形状和手势用户的手部动作数据。他们设想建立一个庞大的手部动作数据集，并将其用于训练类人机器人完成诸如某些外科手术等灵巧性任务。这款超声波腕带还可以用于在视频游戏、设计应用程序或其他虚拟环境中抓取、操控物体并与之互动。

MIT机械工程系Uncas和Helen Whitaker教授Xuanhe Zhao表示：“我们认为这项研究具有直接应用前景，有望在虚拟现实和增强现实中用可穿戴超声波腕带取代手部追踪技术。它还可以为灵巧的类人机器人提供海量的训练数据。”

目前，机器人捕捉和模仿人类手部灵巧性的方法多种多样。一些方法使用摄像头记录人类操作物体或执行任务时的手部动作。另一些方法则让使用者佩戴带有传感器的手套，该手套可以记录使用者的手部动作并将数据传输给接收机器人。然而，为不同的应用场景搭建复杂的摄像头系统既不切实际，也容易受到视觉障碍的影响；此外，带有传感器的手套可能会限制使用者自然的手部动作和感觉。

第三种方法是利用手腕或前臂肌肉的电信号，科学家将这些信号与特定的手部动作关联起来。研究人员在这种方法上取得了显著进展。然而，这些信号很容易受到环境噪声的干扰，而且灵敏度不足以区分细微的动作变化。例如，它们可以分辨拇指和食指是捏在一起还是分开，但很难捕捉到中间的过渡动作。

赵教授的团队想知道超声成像技术是否能够捕捉到更灵巧、更连续的手部动作。该团队一直在研发各种超声贴片——这些贴片是医生诊室里使用的换能器的微型版本，并搭配可安全贴附于皮肤的水凝胶材料。

在他们最新的研究中，该团队将超声贴片设计集成到可穿戴腕带中，用于持续成像手腕的肌肉和肌腱。

参与该研究的Gengxi Lu表示：“手腕的肌腱和肌肉就像牵着木偶的线，而木偶就是手指，所以我们的想法是，每次拍摄一张‘线’的状态照片，就能了解手的状态。”

研究团队设计了一款腕带，腕带上贴有超声波贴片，大小与智能手表相仿，并内置了与手机大小相近的电子元件。他们将腕带佩戴在志愿者的手腕上，并确认该设备能够清晰、连续地拍摄到志愿者手指做出各种手势时的手腕图像。

接下来的挑战是如何将手腕的黑白超声图像与手部的特定位置关联起来。研究发现，手指和拇指拥有22个自由度，即不同的伸展或角度。研究人员发现，他们可以在手腕的超声图像中识别出与这22个自由度相对应的特定区域。例如，一个区域的变化与拇指的伸展相关，而另一个区域的变化则与食指的运动相关。

为了建立这些关联，研究人员让佩戴腕带的志愿者做出各种手势，同时用环绕志愿者的多台摄像机记录这些手势。通过将超声图像特定区域的变化与摄像机记录的手部位置进行匹配，研究团队可以将腕部图像区域与手部相应的自由度进行标记。但是，对于人类来说，要持续、实时地完成这种转换几乎是不可能的。

因此，研究团队转向了AI。他们使用了一种AI算法，该算法可以经过训练来识别图像模式并将其与特定标签关联起来，在该研究中，标签指的是手部的各种自由度。研究人员使用他们精心标记的超声图像来训练该算法，并在图像中标注与特定自由度相关的区域。他们用一组新的超声图像测试了该算法，发现它能够正确预测相应的手势。

研究人员成功将AI算法与腕带配对后，在更多志愿者身上测试了该设备。在这项新研究中，八名手掌及手腕尺寸各异的志愿者佩戴腕带，做出各种手势和抓握动作，包括美国手语（American Sign Language）中全部26个字母的手势。他们还抓握了网球、塑料瓶、剪刀和铅笔等物品。在每项测试中，腕带都能精确追踪并预测手的位置。

为了展示其潜在应用，研究团队开发了一个简单的计算机程序，并将其与腕带无线连接。当佩戴者做出捏合和抓握动作时，这些手势对应着计算机屏幕上物体的放大和缩小，并以流畅连续的方式虚拟移动和操控该物体。

研究人员还测试了这款腕带作为简易商用机械手的无线控制器。志愿者佩戴腕带后，做出弹奏键盘的动作。机械手则实时模仿这些动作，在钢琴上演奏出一段简单的旋律。这款机械手还能模仿人的手指敲击，进行桌面篮球游戏。

Zhao教授计划进一步缩小腕带硬件的体积，并利用更多不同手型和大小的志愿者的手势和动作来训练AI软件。最终，该团队的目标是开发一款任何人都能佩戴的可穿戴式手部追踪器，以高灵巧度无线操控类人机器人或虚拟物体。

Zhao教授表示：“我们相信，通过可穿戴式腕部成像技术追踪灵巧的手部动作，是目前最先进的方法。我们认为，这些可穿戴式超声波腕带能够为虚拟现实和机械手提供直观、多功能的控制。”

随着ADAS和自动驾驶系统的发展，它们的规模越来越大，扩展成本也越来越高——这主要是由于其采用的单体式端到端架构依赖于越来越大的模型和不断增长的数据需求。Autobrains则采取了一种截然不同的方法。

图片来源：Autobrains

Autobrains并没有依赖单一的通用驾驶模型来处理所有可能的情况，而是基于Agentic AI构建——这种架构将驾驶智能组织成专门的、以场景为中心的智能体。

Autobrains目前正与全球汽车合作伙伴一起，在面向大众市场的汽车项目中部署其Agentic AI技术，这些汽车采用标准传感器配置，无需依赖昂贵的高端计算平台。

无需扩展硬件即可部署自动驾驶能力

在这种架构中，多个驾驶智能体（Driving Agent）协同运行，在任何给定时刻，只有与当前情况相关的代理才会被激活。这种选择性激活方式降低了计算负载，并保持了硬件效率，从而允许在现有车辆平台上扩展功能。这意味着车辆能够以更少的资源完成更多任务——在大众市场车型的现有硬件上运行先进的驾驶智能，而无需像以往那样进行昂贵的升级，从而避免了自动驾驶能力成为高端车型的专属。对于原始设备制造商（OEM）而言，无需重新设计车辆平台即可解锁新的安全功能，这些功能可以通过Autobrains的Agentic AI软件实现。

Autobrains首席执行官Igal Raichelgauz表示：“Autobrains的Agentic AI方法使OEM能够在现有车辆平台上不断提升驾驶能力。它赋予OEM对旨在持续扩展功能的系统的架构控制权，而不是采用固定的、单一的软件堆栈。”

通过围绕专用智能体而非单一模型构建智能，Autobrains实现了可扩展、经济高效的自动驾驶，旨在让每辆车都能拥有先进的驾驶功能。

Raichelgauz补充说道：“Agentic AI代表着行业的结构性转变。自动驾驶能力的扩展并非依靠增加硬件，而是通过改变智能的组织方式来实现。Autobrains的AI能够像人类一样理解道路：从经验中学习、识别模式并实时运用常识。”

图片来源：USPTO

通用汽车的这项专利描述了一种自动遮阳系统，旨在通过减少阳光眩光来提高视野和舒适度。该系统采用可移动遮阳罩，该遮阳罩包含框架和聚合物分散液晶（PDLC）薄膜。该遮阳罩安装在车辆内部，位于车顶面板和车顶内衬之间，可在收起位置和部分遮盖挡风玻璃的展开位置之间移动。

遮阳罩由连接至框架的驱动装置操作。该系统可能包含诸如电动机、齿轮和导轨等部件，这些部件协同工作，使遮阳罩在各个位置之间平稳移动。此外，也可以使用控制器来控制其移动。

图片来源：USPTO

通用汽车这套系统的关键特性在于其能够自动响应阳光照射。车辆可以利用阳光传感器输入、GPS定位、指南针数据和时间等信息来判断影响驾驶员的阳光眩光程度。基于这些信息，系统会计算眩光强度并将其与预设阈值进行比较。如果眩光超过该阈值，遮阳罩会自动展开到挡风玻璃的适当位置，以阻挡光线。

除了物理阻挡阳光外，PDLC薄膜还增加了一层控制功能。这种材料在通电时可以改变其不透明度。通电后，薄膜可以在透明和不透明之间切换，从而使系统能够精确调节透过薄膜的光线量。

图片来源：USPTO

总体而言，通用汽车提出的这套系统旨在通过自动管理进入车内的阳光来减少驾驶员的不适感并改善视野，从而无需手动调节传统的遮阳板。

图片来源：AVL

AVL VSM是一款全面而灵活的实时仿真工具，使用户能够对零部件、系统和整车进行建模。它允许用户在真实场景中测试车辆动力学和性能，这对于优化车辆特性和确保安全至关重要。VSM能够同时考虑各种车辆属性和零部件及其相互作用，从而实现更集成化的车辆设计和优化方法。

当VSM与Ansible Motion的Driver-in-the-Loop仿真器配合使用时，用户可以测试虚拟模型的更改，并通过虚拟试驾改进底盘动力学、动力总成驾驶性能、ADAS和主动安全功能标定。

AVL业务发展副总裁Gary Newton表示：“通过将AVL VSM与Ansible的Driver-in-the-Loop仿真器相结合，制造商可以将关键决策提前到开发周期的早期阶段，从而大幅减少物理原型和测试迭代次数。这种工具组合可以对工期和预算产生很大的影响。试想一下，每天在多种条件、路面和驾驶事件下验证70多个赛道场景。其结果并非渐进式改进，而是节省数月时间和数百万成本。”

Ansible Motion的业务发展总监Salman Safdar补充说道：“通过与AVL的持续合作，我们正在开发新的方法，以便在车辆设计周期的早期阶段对合格的概念进行主观和客观评估。将我们的仿真器与AVL VSM这样功能丰富的仿真环境无缝连接，可以提升虚拟车辆开发流程，帮助制造商缩短开发时间、节省成本并减少对环境的影响。”

此外，AVL在其位于密歇根州安娜堡的技术中心安装了一台Ansible Motion Theta Seat仿真器，以便客户能够“试驾”VSM + Ansible Motion的组合方案。当与AVL测试单元中的技术结合使用时，效果尤为显著。客户可以利用AVL先进移动与仿真实验室（Advanced Mobility & Simulation Lab）中的软件在环（Software-in-the-Loop，SiL)、硬件在环（Hardware-in-the-Loop，HiL）和虚拟测试平台（Virtual Test Bed，VTB）解决方案，进一步开发他们的虚拟模型。

图片来源：雷诺

RMC BFM Drive应用将于2026年3月起免费提供。用户可通过内置Google的OpenR Link下载该应用。OpenR Link是雷诺的多媒体系统，目前已包含超过一百款可在Play商店下载的应用。

驾驶员可以自行设置广播内容，选择：

• 音频节目的时长：15分钟、30分钟、1小时、2小时或更长，具体取决于行程时间；

• 从众多可选主题中选择多个编辑主题：政治、经济、体育、国际事务、文化、科技等；

• 从多个推荐选项中选择自己喜欢的RMC BFM记者的声音；

• 选择接收个性化本地新闻的地区。

该应用随后会创建一个独特的、开放式的音频会话，该会话由人工智能自动生成，并会根据行程和所选偏好不断更新。

借助RMC BFM Drive，用户可以访问包含集团最佳内容的专属目录。这使得该应用成为全球首创，提供了一种独特的服务——内容主动推送给驾驶员，而不是驾驶员去找内容。

人工智能助力打造个性化音频体验

雷诺与RMC BFM集团的合作体现了双方的共同愿景：开发智能、实用且易于使用的服务，在不增加复杂性的前提下提升车内体验。

对于雷诺而言，RMC BFM Drive与其内置谷歌服务的OpenR Link多媒体系统完美契合，将车厢打造成一个互联互通、个性化的空间，其中巧妙集成的人工智能技术将助力打造个性化音频体验。

雷诺全球首席营销官Arnaud Belloni表示：“通过我们的合作以及RMC BFM Drive应用程序，我们为客户带来独特的音频体验，将个性化、情境化的内容直接推送至车载扬声器，并根据每次旅程进行定制。我们利用人工智能技术，根据用户的兴趣和收听时间，为其提供RMC BFM集团精选的本地化优质内容。这一独特的合作将最优质的内容与创新技术相结合，旨在提升车内体验。”

CMA Media首席执行官Claire Leost表示“我们相信，RMC BFM Drive所提供的技术、移动性和音频内容的结合，将从长远角度改变我们与听众的关系。与听众建立更紧密的联系是我们使命的关键，而这项基于人工智能的创新进一步强化了这一点。”

图片来源：保时捷

手动变速箱或许受到汽车纯粹主义者的推崇——在本世纪初，它也曾在Z世代中略有复兴——但它已步入末路。2022年，美国新车销量中仅有1.2%配备了手动挡。尽管如此，保时捷依然致力于这项技术，甚至在其最具标志性的车型911中推出了两款手动挡版本：911 T和911 GT3。去年，保时捷GT部门总监Andreas Preuninger解释说，公司之所以仍然为911 GT3提供手动挡，是因为“我们用这款车来传递娱乐体验”。

看来，保时捷甚至正在投入资源，通过重新构想这项技术来延长手动挡的寿命。德国专利商标局（German Patent and Trademark Office）本月早些时候公布的一项专利申请（申请日期为2024年8月）表明，其中一种方法是将手动挡与自动变速箱相结合。

这份文件描述的是一种“换挡装置”，它可以像其他自动变速箱一样前后移动，在前进挡、空挡和倒挡之间循环切换。但这并非它的唯一功能。它还具备H型换挡模式，驾驶员除了前后移动外，还可以左右移动，从而像手动挡一样进行换挡。更令人感兴趣的是，该文件还指出，两种换挡方式可以在同一次驾驶中使用，这意味着驾驶员可以在畅通的道路上使用手动模式，而在遇到拥堵路段时切换到自动模式。

图片来源：德国专利商标局

该转向系统将监测驾驶员施加在方向盘上的扭矩大小以及转动角度。然后，它会利用这些信息，通过电机更好地控制转向。专利指出，该系统可以“自动调节转向系统中的摩擦力，从而确保更好的转向手感”。它将基于对良好转向性能的“一般认知”来实现这一点。保时捷将能够更好地控制转向手感，从而提升安全性和舒适性

尽管这一切听起来很酷，但重要的是要记住，目前这种变速箱仅存在于专利申请文件中。这意味着它最终可能会出现在未来的量产车型上，但也同样有可能不会。不过，考虑到这项技术与科尼赛克（Koenigsegg）的“光速传动系统”（Light Speed Transmission）的相似之处，未来或有一天会推向市场。

图片来源：Diodes

与全新40V至80V MOSFET一同发布的还有8mm x 8mm鸥翼引线器件，旨在最大限度地减少导通损耗、降低发热量并提高整体效率。应用领域包括无刷直流（BLDC）电机以及纯电动汽车（BEV）、混合动力汽车（HEV）和内燃机（ICE）平台中的DC-DC转换系统。

工程师可利用额定电压为100V的DMTH10H1M7SPGWQ的1.5mΩ（最大）导通电阻（RDS(ON）），将其应用于48V无刷直流电机驱动器，例如动力转向和制动系统。其他高功率应用包括电池断路开关和车载充电器（OBC）。设计人员也可选择额定电压为80V的DMTH81M2SPGWQ。

额定电压为40V的DMTH4M40SPGWQ的最大导通电阻（RDS(ON））仅为0.4mΩ，是业内最低的电阻之一，适用于12V无刷直流电机和直流-直流应用。额定电压为40V的逻辑MOSFET DMTH4M40LPGWQ在4.5V栅源电压（VGS）下具有0.64mΩ的低导通电阻（RDS(ON）），适用于低压、微控制器驱动的汽车应用，例如执行器/风扇控制和负载开关，且不会增加导通损耗。额定电压为60V的DMTH6M70SPGWQ则为24V应用提供高性能。

PowerDI8080-5封装的PCB面积仅为64mm²，约为传统TO-263（D2PAK）封装面积的40%，板外厚度仅为1.7mm，使其成为小尺寸应用的理想之选。此外，铜夹芯片键合技术将热阻（RthJC）降低至0.3°C/W，从而可在高达847A的漏极电流下稳定工作。鸥翼形引脚设计便于自动光学检测（AOI），并增强了温度循环可靠性，从而支持严苛的汽车制造工艺。

图片来源：是德科技

随着车辆的软件定义化程度越来越高，数据密集型程度也越来越高，汽车以太网也在快速发展，以支持更高的带宽、更高的可靠性和可扩展的网络架构。因此，接收器（Rx）测试已成为确保下一代汽车平台可靠性和安全性的关键任务。

为了应对这些挑战，是德科技将在AEC展会上展示两款全新的测试解决方案。是德科技的10BASE-T1S接收器测试解决方案支持新兴的多点10BASE-T1S以太网架构，适用于区域和边缘控制器应用。是德科技还将展示其nGBASE-AU光纤车载以太网测试解决方案，该方案专为满足未来车载网络日益增长的带宽、电磁干扰抗扰度和远距离通信需求而设计。

与BitifEye Digital Test Solutions GmbH合作开发的10BASE-T1S接收机测试解决方案具有以下优势：

• 全面的自动化接收机合规性测试软件，可执行接收机PHY符合Open Alliance TC14 PMA测试套件5.2.1规范的验证。

• 借助新型10BASE-T1S媒体转换器、振铃板和MDI适配器，可在信道受损和耦合噪声条件下验证接收机误码率（BER）。

• 多点网络测试功能可验证可扩展的区域架构。

是德科技的nGBASE-AU光物理层测试平台具有以下优势：

• 完全符合IEEE 802.3cz 2023年修订版7和开放联盟TC7测试机构规范。

• TDFOM测量套件（包括TDFOM OMA、ER、AOP和OAR）用于高级信号质量评估。

• 支持的示波器型号包括是德科技DCA-M N1092A / N1092C，可通过是德科技N1077B实现时钟恢复。

• FlexDCA上直观的测试自动化界面，支持一致性测试和开发人员测试配置。

是德科技汽车与能源解决方案副总裁兼总经理Thomas Goetzl表示：“随着车辆架构日益软件驱动和数据密集，对高可靠性、高速以太网通信的需求比以往任何时候都更加迫切。10BASE-T1S接收器测试产品组合和nGBASE-AU光纤解决方案的推出，为汽车行业提供了加速创新和确保稳健、符合标准的高性能所需的工具。”

该研究发表于期刊《Engineering Applications of Artificial Intelligence》，探讨了一个根本性问题：如何在危险驾驶员上路前识别就识别到他们？为了解答这个问题，研究人员开发了一种数据驱动的评估框架，该框架结合了心理分析、生理监测和仿真驾驶表现。

图片来源：期刊《Engineering Applications of Artificial Intelligence》

参与者首先完成一份结构化问卷，该问卷旨在测量诸如寻求刺激和尽责性等性格特征。然后，他们在高度逼真的仿真器中驾驶，该仿真器旨在模拟迪拜的城市交通状况。迪拜是一座国际化大都市，以其长期存在的交通拥堵和每天处理超过350万辆汽车的道路网络而闻名。

该研究的主要作者、工业工程副教授Malek Masmoudi表示：“在仿真过程中，我们记录了心率和详细的眼动指标，包括眨眼频率和视线偏移。我们利用机器学习模型分析了这个综合数据集，根据仿真过程中记录的事故和交通违章等客观结果，将驾驶员分为低风险驾驶员和高风险驾驶员。”

区分安全驾驶员和危险驾驶员

这项工作的意义在于其预防和发展的方法。该框架并非在事故发生后才做出反应，而是使运输公司能够在员工上岗前评估其风险倾向。

除了支持更安全、更明智的招聘决策外，该模型还可以作为一种有针对性的培训工具，帮助驾驶员识别自身的风险模式，提高注意力和自我调节能力。这不仅有助于提升道路安全，还有助于制定更系统、更注重实证的驾驶员发展计划。

科学家表示：“分析表明，视线分散、寻求刺激、尽责性和性别是驾驶行为的最佳预测指标。研究结果表明，我们的模型可以作为出租车公司和交通运输机构的重要决策支持工具，帮助他们通过识别事故风险较低的驾驶员来改进驾驶员选拔流程。”

作者指出，研究结果验证了所提出的分类框架在区分安全驾驶员和危险驾驶员方面的实用性。“研究结果为出租车公司和运输机构提供了宝贵的见解，这些公司和机构可以通过关注研究中确定的重要因素，识别出事故风险较低的驾驶员，从而改进驾驶员选拔流程。”

Masmoudi博士强调，道路安全不应始于事故发生之后，而应始于驾驶员入职之前。他表示：“最安全的状态就是不发生事故。因此，安全必须从驾驶员握住方向盘之前就开始。在工业4.0时代，我们拥有预测风险的工具，而不仅仅是被动地应对事故。问题不再是‘我们如何衡量风险？’，而是‘为什么我们不使用这些工具？’”

自律且负责的人开车谨慎

研究结果表明，安全驾驶不仅取决于驾驶技术，还深受人格特质和视觉注意力模式的影响。例如，经常将视线从道路上移开的驾驶员，发生仿真事故的概率显著更高。

Masmoudi博士解释说：“天性自律、负责任的人往往驾驶更加谨慎。而那些寻求刺激、沉迷于刺激和冒险的人，则更容易出现不安全的驾驶行为。”

简而言之，某些可衡量的性格特征和注意力习惯始终预示着更高的事故风险。当利用机器学习技术分析这些因素时，出租车或运输公司就能高精度地预测风险。

除了筛查之外，该研究的成果还可以为有针对性的培训项目提供信息。被识别为高风险的驾驶员可以接受关于注意力控制、压力管理和安全决策方面的专门指导。

对于出租车公司和车队运营商而言，这种方法可以减少事故、降低保险和维修成本、提高乘客安全、增强公众信任，并全面提升公司声誉。

沙迦大学工业工程教授、该论文合著者Imad Alsyouf表示：“危险驾驶并非随机行为；它反映了注意力和人格方面可衡量的模式。通过结合心理学、生理学和机器学习，我们能够从依赖直觉的招聘方式转向基于证据的安全决策。”

现实意义

Alsyouf教授强调，尽管该模型能够成功识别高风险驾驶员，“但人工智能不应取代人类的判断；它应该用客观数据来强化人类的判断。我们的目标不仅是筛选风险，还要帮助驾驶员了解并提升自身的安全驾驶水平。”

这项研究的设计充分考虑了实际应用。Alsyouf教授解释说：“它最直接的应用领域是出租车和商用车辆的招聘。企业不再仅仅依赖驾驶记录或面试，而是可以采用基于仿真器的简短评估，并结合心理筛查和生理监测。”

重要的是，该框架的应用范围远不止于招聘。Masmoudi博士指出，该模型可以作为结构化的培训和评估工具，使公司能够为驾驶员设计个性化的改进方案。他说道：“关键优势在于该系统在部署前即可运行，它将安全管理从被动的事故发生后才做出反应的模式，转变为预防和发展的模式，从而及早识别风险并主动应对。”

AutoKEMAR为车辆声音测量的真实性、灵活性和可重复性树立了新标杆，助力原始设备制造商（OEM）、一级供应商（Tier 1）和测试实验室满足市场对高质量座舱声学性能日益增长的需求。

GRAS Sound & Vibration的产品经理Santiago Rayes表示：“如今，座舱音质的评判标准不再仅仅局限于仪器记录的数据，而是人们的感知。我们推出AutoKEMAR的初衷，就是在真实的车辆内部，从真实的聆听位置捕捉声音，以便工程师能够根据真正反映驾乘人员体验的数据做出决策——同时又不牺牲可重复性。”

图片来源：GRAS Sound & Vibration

专为现代车辆的实际需求而打造

随着车辆变得更加安静、更加电动化、更加数字化互联，座舱声学已成为品牌形象和用户体验的关键要素。工程师必须精确测量：

• 音响系统性能及调校

• 音质及声音设计

• 信息娱乐系统及数字信号处理（DSP）测试

• 语音清晰度及语音质量

• 免提通信

• 车内噪声、振动与声振粗糙度（NVH）

• 风洞测试

GRAS 45BD AutoKEMAR专为应对这些挑战而设计，能够提供无与伦比的真实感。 

基于KEMAR平台为汽车应用重新打造

AutoKEMAR基于原GRAS KEMAR平台，采用全新设计的汽车专用架构，包括：

• 市场上最广泛、最灵活的定位功能

• 用户可重新配置的系统——一台设备支持多种应用

• 兼容ISOFIX的座椅安装座，确保安全可靠的安装

• 无异响设计，确保可靠的道路测试

• 可调节高度、座椅距离、倾斜度、旋转角度和视角

• 覆盖整个耳廓及更远区域

• 可选配集成式嘴部仿真器

• 低噪音配置

最终成果是一款高度逼真的人体声学仿真工具，能够精确地模拟人体在车辆声场中的影响。

Rayes补充说道：“工程师告诉我们，他们需要一种能够在车厢内自然移动，同时在测试过程中保持稳定和可重复的解决方案。AutoKEMAR将逼真的人体声学仿真与卓越的定位灵活性相结合，使其适用于从实验室验证到实际道路测试的各种应用场景。”

真实测试

与无法仿真人体影响的麦克风阵列不同，AutoKEMAR能够捕捉真实的聆听体验。它针对以下汽车声学测量进行了优化：

• 静态实验室环境

• 测功机测试

• 风洞测试

• 实际道路测试

其灵活的座椅安装和头部定位系统使工程师能够仿真不同体型的驾驶员、座椅位置和视角，使其成为头枕扬声器、空间音频和高级驾驶员交互系统的理想解决方案。

助力未来出行

AutoKEMAR的应用范围不仅限于传统车辆，它同样适用于：

• 电动汽车和混合动力汽车

• 电动垂直起降飞行器（eVTOL）

• 火车和飞机客舱

• 注重人体声学影响的消费电子产品

凭借45BD AutoKEMAR，GRAS进一步拓展了其汽车解决方案产品组合，并强化了其对精准性、真实性和卓越工程的承诺。

图片来源：韩国蔚山科学技术院

LRLO因其优异的容量而成为未来储能解决方案中最有前景的阴极材料之一，其电化学反应中不仅涉及金属离子，还涉及氧的参与。然而，反复充放电循环过程中结构不稳定导致容量衰减和电压下降，阻碍了其实际应用。

为了应对这一挑战，蔚山科学技术院能源与化学工程学院的Hyun-Wook Lee教授与浦项加速器实验室的Young Hwa Jung博士以及韩国科学技术院的Dong-Hwa Seo教授采用了一种创新策略，即有意设计出无序的原子结构。

这种可控的原子无序性阻止了初始相变（称为层状滑移），而这种相变通常会导致不可逆的结构损伤。因此，该材料在长时间循环后仍能保持其完整性和电化学性能。

利用基于密度泛函理论（DFT）的先进计算模型和浦项加速器实验室的同步辐射分析，该团队证实，这种无序结构能够稳定过渡金属与氧之间的键。

实验评估表明，这些无序阴极在首次循环中充放电电压差仅为0.31V，不到传统有序材料0.62V的一半，且初始能量损失仅为0.6%。相比之下，传统阴极的电压差是其两倍，能量损失高达25.8%。

值得注意的是，这些无序阴极在保持能量容量的同时，电压衰减极小（每次循环仅为0.04mV），并在160次循环后仍保留了98%的初始能量。这种卓越的稳定性凸显了原子级无序作为高性能阴极材料通用设计原则的巨大潜力。

该研究的第一作者、来自蔚山科学技术院的Myeongjun Choi表示：“通过将曾经被视为缺陷的原子排列紊乱转化为战略优势，我们开辟了一条提升电池稳定性的新途径。这种方法用途广泛，可以应用于各种LRLO，而不仅仅局限于特定的成分或结构。”

Lee教授补充说道：“尽管LRLO具有巨大的能量潜力，但其商业化应用一直受到结构问题的限制。我们的研究成果为开发更耐用、更轻便、储能效率更高的电池提供了一条充满希望的途径，这将对未来的储能技术产生重大影响。”

聚合物离子液体（PIL）是一种不易燃的电解质（离子导电）聚合物，为锂离子电池和锂金属电池以及其他技术（包括薄膜晶体管和致动器）带来了巨大的应用前景。遗憾的是，室温下离子传导性能最佳的PIL往往质地非常柔软，这降低了材料的功能性，使其在器件应用中面临挑战。

据外媒报道，为了解决上述问题，田纳西大学（University of Tennessee）的研究人员将PIL与另一种刚性更强的聚合物结合，制成了一种嵌段共聚物。田纳西大学诺克斯维尔分校化学与生物分子工程系教授Gila Stein表示：“由于不同的嵌段互不相容，这种嵌段共聚物能够自发组装成有序的纳米结构。”

图片来源：田纳西大学

这些有序的纳米结构——每个长度仅为十亿分之一米——赋予了PIL嵌段共聚物许多有用的特性，包括离子传输和机械性能。

Stein实验室的博士生Samuel Adotey表示：“嵌段共聚物是化学和自组装的奇妙结合。即使是化学性质的微小变化，也会显著影响材料的组织方式和性能。这种持续不断的发现潜力使得研究嵌段共聚物极具吸引力。”

然而，嵌段共聚物的离子电导率——衡量离子在材料中移动难易程度的指标——可能比其他性质相近的PIL均聚物（单一材料聚合物）的电导率低一到两个数量级。

在过去的两年里，该团队合成了一系列嵌段共聚物，并研究了其结构变化如何影响其自组装和最终的离子电导率。Stein表示：“自组装过程存在很多缺陷。我们认为，其中一些缺陷很可能就像‘死胡同’一样，阻碍了离子从材料中逸出。”

该团队于去年秋季在《Macromolecules》期刊上发表了他们的研究成果。

Stein和Adotey利用PIL嵌段共聚物来验证他们的理论。这种共聚物能够自组装成清晰的层状结构，即层状晶粒。

Adotey解释说：“与不规则或无序的区域不同，该体系形成交替的片层，清晰地展示了离子组分如何影响嵌段共聚物的间距、迁移率和结构稳定性。这种有序的形貌为理解离子功能如何影响材料的性能提供了更好的基础。”

Stein和Adotey制备了十几种不同的含PIL的材料，其中包括能够自组装成理想层状晶粒的材料，以及一些能够形成不对称结构的材料。

他们对这些嵌段共聚物在宽广的温度和压力范围内的材料特性和离子动力学进行了表征。

研究团队证实，层状晶粒状PIL材料的低电导率确实是由于之前假设的“死胡同”造成的。更重要的是，研究人员开发了可用于控制纳米结构电解质中缺陷类型的分子设计指南，从而使嵌段共聚物的离子电导率提高一个数量级甚至更多。

Adotey表示：“这项研究加深了我们对如何设计在实际条件下保持纳米级结构的PIL嵌段共聚物的理解。通过适当的分子设计，这些材料可以定制用于下一代电池系统和其他需要兼具离子电导率和机械强度的技术。”

通过此产品，SK Signet计划加强其在北美的大功率技术地位，并在快速增长的美国超快速电动汽车充电基础设施市场站稳脚跟。

SK Signet首席执行官Hyungki Cho表示：“全新的400kW一体式充电器是一项突破性创新，它同时提升了功率效率、功率密度和可靠性。随着美国各地对大功率充电的需求不断增长，SK Signet将凭借其技术优势，引领超快速充电网络的演进。”

图片来源：SK Signet

专为大功率、高密度部署而设计

随着配备800V高压电池架构的电动汽车数量不断增长，对400kW超快速充电基础设施的需求也持续攀升。充电站业主和充电网络运营商越来越需要能够在最大限度提高充电功率的同时，最大限度减少空间占用和安装复杂性的解决方案。

SK Signet新推出的400kW一体式充电器将电源柜和充电单元集成于一个紧凑的单元中，与分布式系统相比，简化了安装并降低了土建成本。该系统可为多辆汽车提供稳定的150-250kW充电功率，同时支持高压电动汽车平台的400kW满功率充电。

基于SiC的高密度功率架构

该充电器的核心是基于SiC的高密度功率架构，旨在提供稳定的大功率充电，同时最大限度地减少能量损失。

主要技术特性包括：

• 采用模块化架构，配备多个高密度SiC功率模块，可提供高达400kW的功率，并针对超快充电应用进行了优化。

• 高达96.5%的功率转换效率，可降低大功率运行期间的能量损耗。

• 改进的热管理，支持在连续充电过程中保持稳定的性能。

这种高效的性能有助于充电网络运营商降低电力损耗，并提高站点的整体经济效益。

可扩展功率

该充电器采用模块化功率架构设计，使运营商能够根据需求增长扩展充电容量。

模块化架构支持灵活部署：

• 灵活的输出配置：模块化架构允许运营商根据当前业务需求配置320kW、360kW或400kW的功率。

• 简化升级：随着汽车电池技术的进步，运营商只需添加功率模块即可扩展容量，无需更换整个硬件单元。

• 资本支出（CAPEX）效率：这种“按需付费”的方式降低了初始资本支出，同时确保了基础设施的长期可扩展性。

• 面向未来的设计：400kW的容量确保能够应对即将到来的高压、大容量电池电动汽车的激增。

空间优化：占地面积减少54%

SK Signet采用完全集成的一体式结构，将所需安装占地面积减少了一半以上——与同等功率容量的前代产品相比，减少了54%。这种紧凑的设计使得在空间受限的充电环境中（例如零售中心、加油站和城市停车场）能够高效部署基础设施，从而为运营商带来竞争优势。

主要设计优势包括：

• 显著减少占地面积：与部署两台V2 200kW一体式充电器以达到相同的400kW输出功率相比，一台400kW一体式充电器可将所需安装面积减少约54%，从而显著提高单点功率密度。

• 最大化功率密度：通过将功率转换系统和充电控制器集成到单个设备中，其单位面积功率输出高于SK Signet的V2 600kW分体式充电器。

• 简化安装：一体式结构简化了施工流程，从而降低了安装成本。

提升用户和操作员体验

这款新型充电器融合了一系列以用户为中心的功能和操作特性，旨在提升充电便捷性和系统性能。这些功能支持大功率充电，同时为运营商提供更大的部署和站点管理灵活性。

主要易用性和系统特性包括：

• 液冷充电线缆，在保持稳定大功率输出的同时减轻线缆重量。

• 符合人体工程学的旋转臂线缆管理系统，无论车辆充电端口在何位置，都能提升操作便捷性。

• 同时支持CCS1和北美充电标准（North American Charging Standard，NACS）。

• 灵活的连接器配置，从单线到四线不等。

• 32英寸触摸屏显示器，提供清晰直观的用户界面。

• 支持多种支付方式，包括即插即用（Plug & Charge）、自动充电（AutoCharge）、信用卡和RFID。

优化的软件平台可实现：

• 基于丰富的运营经验和不断变化的用户需求，优化了系统架构。

• 提升了响应速度、运行稳定性和系统安全性。

• 采用节能型用户界面（UI）设计，增强了户外环境下的可视性。

• 可定制的用户界面，满足不同操作员的需求。

SK Signet已完成其400kW一体式充电器的研发，并在美国进入初期生产阶段。该公司计划于今年年底前将该产品推向欧洲市场，并制定了长期战略，旨在扩大对全球市场的供应。

图片来源：USPTO

该专利申请于2024年8月提交，比特斯拉正式取消Cybertruck皮卡货厢式增程器项目早几个月，这表明即使原产品已被放弃，特斯拉的工程团队仍在继续开发相关技术。

专利描述

专利申请编号为US 2026/0048683 A1，名称为“电动汽车增程器集成”，于2024年8月15日提交，并于2026年2月19日公布。该专利列出了四位发明人，其中包括特斯拉Cybertruck首席工程师兼高级工程总监Wes Morrill。

该系统将一个800V主电池组和一个400V辅助电池组通过两个并联的DC/DC转换器连接，根据需要升压或降压。该专利详细描述了控制两个电池组交互方式的三种不同的工作模式。

第一种模式是“能量状态（SOE）平衡”——在正常驾驶过程中，系统会根据辅助电池组的剩余能量占两个电池组总能量的比例，按比例调整辅助电池组的功率输出。这样可以确保两个电池组以相同的速率放电，避免其中一个电池先耗尽。

第二种模式是“开路电压（OCV）匹配”，当车辆导航系统检测到驾驶员正驶向超级充电站或其他直流快速充电站时，该模式就会启动。系统会主动管理两个电池组的放电，以均衡它们的开路电压，为并联充电做好准备。

一旦确认电压匹配，并完成浪涌电流、热调节、阻抗和组件健康状况等安全检查后，系统就会进入第三种模式：并联充电。在这种模式下，两个电池组会同时在额定功率为50 kW至500+ kW的直流快速充电站进行充电。

两种物理配置——包括拖车式

该专利描述了辅助电池的两种安装方案。第一种是安装在卡车货厢内，类似于特斯拉最初为Cybertruck增程器发布的方案。第二种方案——也是更有趣的方案——是将辅助电池组安装在拖车内，并通过拖车挂钩处的高压电气接口与车辆连接。

拖车式电池将解决导致Cybertruck增程器失败的根本问题：安装在货厢内的电池组占用了Cybertruck大约三分之一的货厢空间，并且必须在特斯拉服务中心进行安装和拆卸。车主无法自行操作。

拖车式配置完全消除了货厢空间占用问题，尤其适用于长途拖挂——电动汽车在这种情况下续航里程损失最大。该专利甚至还包括用于集成太阳能电池板的MC4连接器，使拖车上的太阳能电池板能够为辅助电池组进行涓流充电。

热管理技巧

该专利的一个巧妙之处在于其热调节功能。该系统能够人为地在直流/直流转换器之间的功率传输过程中引入损耗，并利用产生的废热在寒冷天气下为辅助电池组加热。这样就无需为拖车上的电池组配备单独的加热系统，从而解决了锂离子电池在寒冷气候下运行的最大挑战之一。

图片来源：USPTO

该专利还描述了一个完整的热回路，其中包括一个与车辆主冷却系统连接的冷却液热交换器、一个循环泵以及一个用于极寒启动的专用冷却液加热器。

背景：增程器风波

特斯拉在2023年底发布Cybertruck皮卡时首次透露，该车型需要单独的电池组才能达到其承诺的470英里以上的续航里程。这款售价16,000美元的增程器一再延期——从2025年初”到“2025年中”——其续航里程也从470英里以上缩减至445英里以上。

特斯拉于2025年4月悄然从配置器中移除了增程器选项，随后在2025年5月正式确认取消，并全额退还了客户支付的500至2,000美元的订金。

值得注意的是，Rivian早在2019年就申请了一项可拆卸辅助电池的专利，并于2020年获得授权，比特斯拉发布Cybertruck增程器概念早了好几年。然而，特斯拉的新专利侧重于软件和电源管理架构，而非物理封装，这是一种不同的方法。

2024年8月15日的申请日期意义重大。当时，特斯拉仍在公开销售增程器选装件，并且尚未表示任何取消该选装件的意向。该专利的优先权日与申请日相同，这意味着不存在更早的临时申请——这是一项全新的申请，而非对先前工作的延续。

图片来源：NII

蚕蛾启发弹性设计

这项进展应用了蚕蛾（Bombyx mori）的生物学原理，蚕蛾即使失去一根触角也能仅靠一根触角维持有效的导航。研究人员将这些生物行为策略融入机器人设计，提出了一种开发弹性自主系统的新框架。该研究成果于2026年2月9日发表在期刊《npj Robotics》上。

利用气味（化学物质）作为线索定位目的地是众多生物共有的基本行为。尽管昆虫的大脑体积很小，神经系统也相对简单，但它们能够迅速探测到风力传播的气味分子，并据此找到食物来源或潜在的配偶。这种气味引导的导航行为长期以来一直是神经科学、遗传学和动物行为学等多个生物学领域的研究对象。

近年来，人们越来越关注将这些生物展现出的复杂行为原理应用于机器人系统。例如，能够探测和追踪气味源的机器人平台有望在灾害响应、危险物质和爆炸物探测以及环境监测等实际应用中发挥关键作用。

克服传统机器人的局限性

然而，大多数传统的嗅觉引导机器人系统都是基于左右两侧嗅觉传感器对称且功能完好无损的假设而设计的。在实际运行环境中，传感器故障或物理损坏可能导致一侧感觉输入的缺失，这会造成严重的性能下降，甚至导致气味源定位完全失败。迄今为止，尚未完全建立起在这种非对称感觉缺陷下仍能保持稳健性能的机器人系统。为了克服这一局限性，本研究借鉴生物体中观察到的适应性行为策略，提出了一种新的框架，实现了稳健的气味源定位。

在这篇论文中，研究人员以成年雄性家蚕（Bombyx mori）为模式生物，分析了它们在性信息素引导下对气味源的定位行为。在触角完整的情况下，家蚕利用位于头部两侧的一对触角获取空间分布的嗅觉信息，从而实现对气味源的精确定位。

值得注意的是，行为实验表明，即使失去一根触角，家蚕仍然能够仅凭剩余触角获取的嗅觉信息，通过适当选择和调节自身行为，高精度地找到气味源。这一发现揭示了家蚕能够动态整合单根触角上气味检测位置的信息及其当前飞行方向，并根据实际情况灵活调整其行为决策过程。

在真实机器人上测试该策略

为了验证所识别的行为决策机制的通用性和有效性，研究人员将这种受生物启发的感知运动策略应用于一个配备类似蚕蛾嗅觉传感器系统的机器人平台。利用该机器人系统，他们在受控的室内环境和复杂的室外环境中进行了气味源定位实验。

结果表明，即使在双侧传感器之一失效的情况下，机器人仍能保持与传感器失效前相当的定位性能，这不仅适用于室内环境，也适用于存在显著干扰的室外环境。这种受昆虫启发的自适应策略成功地保持了较高的定位成功率和高效的搜索性能。这些结果表明，在感觉功能受损的情况下，实现了稳健的气味引导导航，而使用现有机器人系统中实现的传统气味定位算法很难实现这一功能。

对未来自主系统的启示

本研究代表了仿生机器人领域的一项重大进展，它将源自生物行为的原理转化为工程系统。此外，它还为具备长期自主探索能力的机器人平台提供了关键的设计指导，尤其适用于灾害响应和其他具有挑战性的现实世界环境等应用场景。

图片来源：佛瑞亚海拉

全新产品类别：照明技术、设计元素和传感技术的集成

佛瑞亚海拉的Front Phygital Shield是一款可扩展的平台，集成了照明功能、车辆造型装饰元素和传感器技术。佛瑞亚海拉全球照明业务管理委员会成员Juan Manuel Mollá表示：“我们的Front Phygital Shield可同时满足三大汽车市场趋势：电动出行、自动驾驶以及对差异化照明解决方案的需求。同时，它还能降低制造商的开发和前端装配复杂性。这创造了一个全新的产品类别。在我们的照明产品组合中，它将成为不可或缺的一部分，并且在未来对我们而言将变得更加重要。”

重新诠释BMW品牌标志性外观：轮廓更锐利的垂直双肾格栅和醒目的水平式LED前大灯

这款Front Phygital Shield专为电动汽车设计，充分利用取消传统散热器格栅后腾出的汽车前端的空间，将其转化为一个具有鲜明特色且独具辨识度的设计元素。参考20世纪60年代的Neue Klasse车型，采用Front Phygital Shield的BWM iX3的“双肾”格栅尺寸更小，轮廓更锐利，并采用垂直方向排列。此外，还可选装Iconic Glow发光功能。Front Phygital Shield还集成了两个全LED大灯，其设计也从之前的圆形变为更具辨识度的水平造型。

在BMW iX3中，佛瑞亚海拉的Front Phygital Shield还集成了雷达传感器，并配备了加热式雷达透明罩。这可以保护传感器免受天气和污染的影响，即使在严寒的冬季条件下也能确保雷达的可靠性能。集成的加热功能使雷达传感器成为真正不受天气影响的环境感知技术。

Juan Manuel Mollá表示：“凭借Front Phygital Shield，我们在设计语言和车辆造型方面树立了里程碑。我们与宝马集团携手开发的这款精密且高度集成的前端模块，将品牌标志性元素提升到了一个全新的时代。能够参与塑造并引领全新iX3——Neue Klasse旗舰车型——的未来外观，我们深感自豪，这也强有力地展现了我们的研发和产业化能力。”

在位于德国的欧洲工程中心（European Engineering Centre）正式启用之际，名爵发布了其Hybrid+技术创新成果，进一步巩固了其在混合动力技术领域的地位。

图片来源：名爵

名爵在欧洲

位于德国法兰克福的全新工程中心将成为名爵“立足欧洲，服务欧洲”战略的关键枢纽。该中心将专注于研发满足欧洲客户特定需求的车型，充分考虑区域气候条件、道路环境和驾驶习惯。

名爵SolidCore电池

• 名爵宣布将其半固态电池技术命名为名爵SolidCore电池

• 全球首家实现半固态电池量产的制造商

• 提供更长的续航里程、更快的充电速度、更优异的性能和卓越的低温性能，同时其可靠的电池架构进一步提升了安全性

名爵深知消费者的期望正在不断变化，他们越来越重视续航里程、性能以及在不同气候条件下的可靠性。SolidCore电池满足了这些需求，它能够提供更可靠的续航里程、更快的充电速度以及更优异的低温性能，确保全年稳定运行。SolidCore电池技术将于2026年底应用于名爵在欧洲推出的电动汽车。

每个电池单元内的固态电解质形成保护屏障，延长电池寿命，并确保完全符合未来的监管标准。这种架构在低温条件下表现卓越，无需预热即可立即启动车辆，并且在类似条件下，加速性能优于传统电动汽车。

名爵SolidCore电池专为欧洲市场设计，充分考虑了各地区的道路状况、气候差异和监管要求，体现了名爵致力于在欧洲提供先进、可靠且便捷的电动出行服务的长期承诺。

名爵Hybrid+技术

• Hybrid+技术运用软硬件优化燃油消耗，提升动力输出速度，并实现机械与电动化的无缝集成，从而提升车辆的舒适度和驾驶体验。

• 更大的电池容量提高了效率，延长了纯电续航里程，并降低了运行成本。

图片来源：名爵

名爵Hybrid+技术运用先进的软硬件来优化燃油消耗，提升动力输出，并实现机械与电动化的无缝集成，从而提升车辆的舒适度和驾驶体验。

其他改进包括：配备容量更大的1.83kWh高容量核心电池，以增加纯电续航里程；创新的3速混合动力变速箱——同级别车型中的全球首创——优化瞬时“电动优先”扭矩输出，实现更快的动力响应；8模式逻辑引擎（Logic Engine）有助于提升动力输出的性能和管理。

此外，凭借卓越的噪音和振动抑制技术，这项智能Hybrid+技术还显著提升了车内舒适性。

为了提升安全性，该发动机实现了极高的热效率，而特别设计的3速自动变速箱则确保了平顺且响应迅速的动力输出，电动机则提供即时动力，从而带来更强劲的性能。

该系统可智能运用多达八种不同的驱动模式。通过引入具备实时地形检测功能的全集成混合动力控制单元（Hybrid Control Unit，HCU），车辆能够更智能地判断并调整其驱动策略，以适应不断变化的驾驶条件，例如在坡道上行驶。

图片来源：微芯科技

SAM9X75D5M是Microchip混合型MCU系列的一员，它使用户能够充分利用微处理器（MPU）的先进处理能力，并可访问嵌入式高密度存储器，同时保持基于MCU设计的熟悉开发环境，并可选择使用实时操作系统（RTOS）进行开发。SAM9X75D5M混合型MCU SiP专为汽车应用而设计，例如数字座舱仪表盘、两轮和三轮车智能仪表盘、HVAC控制系统、电动汽车充电器等，它将MPU和存储器集成到单个封装中，从而简化了开发流程。该器件为汽车显示器提供充足的缓冲空间，并提供灵活的显示接口选项，包括MIPI®显示串行接口（DSI®）、低压差分信号（LVDS）和RGB并行数据。

SAM9X75D5M采用简化的PCB布局，可降低布线复杂性，最大限度地减少分立式DRAM的采购风险，并旨在支持长期可用性和可靠性。作为一款混合型MCU，其架构旨在平衡成本、性能和能效，为从传统微控制器（MCU）过渡到MPU以满足更高性能和内存需求的应用提供了一条迁移路径。

通过将DDR2内存直接集成到封装中，SAM9X75D5M有助于设计人员免受长期以来影响分立式DDR内存市场的波动性和供应限制的影响。与分立式DDR内存相比，这种单芯片解决方案具有更可预测的供应稳定性，并有助于消除与采购独立内存组件相关的采购难题。

“Microchip的SAM9X75D5M产品重新定义了汽车级解决方案的标准，它将高性能处理器和存储器集成在单个封装中，并将SiP（系统级封装）的优势带入汽车市场，”Microchip Technology微处理器业务部副总裁Rod Drake表示。“SiP的优势之一是，与传统的MCU实现方式相比，它能提供更大的RAM缓冲空间，并且与分立式存储器相比，它能在更紧凑的PCB上实现——这为设计人员提供了在狭小空间内实现复杂设计的更多选择。”

SAM9X75D5M具备全面的高级连接选项，包括CAN FD、USB和千兆以太网（GbE）。它还支持时间敏感网络（TSN）协议，并集成了2D图形和音频功能。

除了上述器件外，Microchip还提供全系列器件以支持人机界面（HMI）系统，包括maXTouch®技术。该技术即使在恶劣环境或LCD屏幕沾水的情况下也能提供可靠的触摸感应，此外还提供电源管理和连接解决方案。

Microchip提供全面的32位混合MCU和MPU产品组合，以及基于Arm®和RISC-V®架构的64位MPU，为从消费产品到深空任务等各种应用提供强大而灵活的选择。公司的MPU产品组合包括单核和多核选项、系统级模块（SOM）和系统级封装（SiP）解决方案，可帮助降低设计复杂性、加快产品上市速度并简化供应链。

开发工具

SAM9X75D5M受MPLAB® X集成开发环境（IDE）和MPLAB Harmony软件框架支持，可用于开发多种实时操作系统（RTOS），包括FreeRTOS®和Eclipse ThreadX®，以及裸机软件。

价格和供货情况

SAM9X75D5M SiP（部件号SAM9X75D5M-V/4TBVAO）现已上市，5,000片起订，单价为9.12美元。Microchip还提供适用于汽车应用的更大容量的1 Gbit和2 Gbit存储器件的样品。这些器件同时支持RTOS和Linux®环境。

图片来源：麦格纳

随着全球电气化进程的不断推进，汽车制造商在平衡电动汽车性能与提升车辆多功能性方面面临着日益严峻的挑战。DHD REX旨在通过其成熟的多模式设计来满足这一需求，该设计支持纯电动模式、发电模式以及可选的并联混合动力模式，在保持驾驶性能一致的同时，显著提升续航里程。

麦格纳动力总成总裁Diba Ilunga表示：“麦格纳的电气化战略以为客户提供灵活的发展路径为核心。DHD REX体现了我们致力于提供适应性强、以客户为中心的解决方案的承诺，这些方案能够满足各种性能和市场预期。”

作为麦格纳已量产的双电机专用混合动力驱动系统DHD Duo的补充，DHD REX从设计之初就旨在为在不同地区运营的OEM厂商提供可扩展的效率和集成灵活性。其单电机封装降低了系统成本和复杂性，同时在各种驾驶场景下都能实现更平顺、更可预测的车辆性能。

在此基础上，DHD REX提供了一系列核心技术能力，可支持广泛的全球应用场景：

架构与效率 – 在确保效率的同时，降低尺寸、重量和系统成本

运行模式 – 纯电动模式、高效续航里程延长的发电模式，以及可选的并联混合动力模式，以提升高速公路性能

可扩展性与应用 – 适用于包括SUV在内的全轮驱动车型，涵盖B至E级车型，并可适应不同的区域监管要求

集成优势 – 模块化、紧凑的设计简化了封装，并支持更轻松地适配内燃机和纯电动汽车平台

图片来源：松下

在开发该产品的过程中，松下汽车系统建立了一个大规模的车载信息娱乐系统软件框架，该框架与丰田旗下公司Woven by Toyota开发的软件平台Arene（用于开发和部署）相集成。松下汽车系统将继续与丰田合作，进一步支持软件平台的开发，从而推动软件定义汽车（SDV）在丰田全系车型中的应用。

这款业界领先的多媒体平台的功能包括：

• 新开发的车载信息娱乐系统软件推动SDV应用

新开发的车载信息娱乐系统软件与丰田RAV4首创的Arene软件平台集成，充分发挥其功能。这使得该产品能够作为空中下载（OTA）更新的中心枢纽，而OTA更新对于多媒体和高级驾驶辅助系统（ADAS）功能的SDV普及至关重要。

• 先进的用户体验（UX）和ADAS集成提升舒适性和安全性

该产品在现有功能的基础上进行了扩展，包括通过Apple CarPlay®和Android Auto™实现智能手机无线连接、支持数字广播和蓝牙®音频，以及通过智能手机和云端集成实现用户身份验证和语音用户界面（UI）。这些功能将随着技术的不断进步而持续发展。除了可自定义主屏幕带来的个性化体验外，该系统还通过温度控制、云端导航以及更快、更强大的语音识别等互联功能，提升车辆的舒适性和易操作性。此外，ADAS集成的摄像头录制功能也增强了安全性。

• 一体化设计和大尺寸高清显示屏提升产品吸引力

高达12.9英寸的大尺寸高清显示屏将导航和温度控制集成于单一用户界面。LCD贴合技术和节省空间的设计兼顾美观与实用性。该产品融合了高品质设计、轻巧结构和节能特性。

2026款丰田RAV4将于2月开始陆续抵达北美各地的经销商处，随后将陆续登陆其他地区。最终，这款车型将在超过170个国家和地区销售。

图片来源：韩国蔚山科学技术院

该研究团队由蔚山科学技术院能源与化学工程学院的Kyemyung Park教授领导，淑明女子大学的Se Hun Joo教授和光州科学技术院的Eunji Lee教授共同参与，研制出了活性物质含量接近99%的LFP电池阴极材料。这项创新提高了能量密度和功率输出，增强了LFP电池在快速增长的电动汽车市场中的竞争力。

相关研究成果发表于期刊《Energy Storage Materials》。

LFP电池因其安全性、经济性和环保性而备受青睐。然而，LFP电池的容量相对较低（主要由于导电性差），从而限制了其广泛应用。传统电极通常大量依赖粘合剂和导电添加剂等非活性成分，这会降低整体储能能力。

为了克服这一难题，研究人员设计了一种新型多功能粘合剂，可将非活性物质含量大幅降低至约1%。这种粘合剂将导电聚合物PEDOT:PSS与聚乙二醇（PEG）和单壁碳纳米管（SWCNT）结合。这种组合提供了强大的粘合力、热稳定性和更高的导电性。PEG使导电聚合物链排列整齐并增强粘合力，而SWCNT则强化了电极内部的电子传输路径。

值得注意的是，尽管与商用电极相比，新型阴极材料的导电添加剂用量减少了90%以上，但其性能依然卓越。在高倍率放电条件下——具体而言，在7.5分钟内以8C倍率放电——其容量仍保持在约132mAh/g。与石墨阳极配合使用时，其容量约为125mAh/g，并且在60°C的高温下也能稳定运行。此外，该电极的面容量超过3.5mAh/cm²，这对于在空间有限的电动汽车电池中最大限度地提高续航里程至关重要。

除了性能之外，这种电极还具有环境和制造方面的优势。传统的粘合剂通常含有氟化化合物，并且需要使用有毒的有机溶剂，这会增加成本并加剧环境影响。新型粘合剂体系消除了这些有害物质，从而实现了更安全、更可持续的生产工艺——这是迈向绿色电池制造的重要一步。

Kang教授指出：“通过开发这种创新的粘合剂配方，我们显著提高了LFP电池电极中的活性物质含量，有效解决了长期存在的容量难题。我们的工艺还避免使用有毒的含氟粘合剂和溶剂，兼具性能优势和环境效益。”

最终成果是一种能够生成更精确形状重建的新方法，有望提升机器人可靠抓取和操控被遮挡物体的能力。这项新技术利用反射的无线信号对隐藏物体进行部分重建，并使用专门训练的生成式AI模型填充其形状中缺失的部分。

图片来源：麻省理工学院

研究人员还推出了一套扩展系统，该系统利用生成式AI技术精确重建整个房间，包括所有家具。该系统利用从一台固定雷达发出的无线信号，这些信号会从空间中移动的人体身上反射回来。

这克服了许多现有方法的一个关键挑战，即需要在移动机器人上安装无线传感器来扫描环境。而且，与一些流行的基于摄像头的技术不同，该方法能够保护环境中人员的隐私。

这些创新技术可以让仓库机器人在发货前核实包装好的商品，从而减少退货造成的浪费。它们还可以让智能家居机器人感知房间内人员的位置，提高人机交互的安全性和效率。

电子工程与计算机科学系副教授、麻省理工学院媒体实验室（MIT Media Lab）信号动力学（Signal Kinetics）小组主任、两篇相关技术论文的资深作者Fadel Adib说：“我们现在所做的是开发生成式AI模型，帮助我们理解无线反射。这不仅开辟了许多有趣的新应用，而且从技术角度来看，也是能力上质的飞跃，从填补以前无法看到的空白，到能够解读反射并重建整个场景。我们正在利用AI最终解锁无线视觉。”

Adib与主要作者兼研究助理Laura Dodds，以及研究助理Maisy Lam、Waleed Akbar和Yibo Cheng共同撰写了第一篇论文；与主要作者和前博士后Kaichen Zhou，以及Dodds和研究助理Sayed Saad Afzal共同撰写了第二篇论文。两篇论文目前已发表在arXiv预印本服务器上。

Adib团队此前已展示过利用毫米波（mmWave）信号精确重建隐藏的三维物体（例如埋在一堆物品下的钱包）的方法。这些与Wi-Fi信号类型相同的波，可以穿透石膏板、塑料和纸板等常见障碍物，并从隐藏物体上反射回来。

但毫米波通常以镜面反射的方式传播，这意味着波在撞击表面后只会沿单一方向反射。因此，表面的大部分区域会将信号反射到远离毫米波传感器的方向，从而使这些区域实际上不可见。

Dodds解释说：“当我们想要重建一个物体时，我们只能看到它的顶面，而看不到它的底部或侧面。”

研究人员此前曾利用物理学原理来解读反射信号，但这限制了重建三维形状的精度。在新发表的论文中，他们通过使用生成式AI模型来填补部分重建中缺失的部分，从而克服了这一限制。

Adib说道：“但接下来的挑战在于：如何训练这些模型来填补这些空白？”

通常，研究人员会使用极其庞大的数据集来训练生成式AI模型，这也是像Claude和Llama这样的模型能够展现出如此出色性能的原因之一。但目前还没有足够大的毫米波数据集来进行训练。因此，研究人员调整了大型计算机视觉数据集中的图像，使其能够模拟毫米波反射的特性。

Lam表示：“我们模拟了镜面反射的特性以及由此产生的噪声，以便将现有数据集应用于我们的研究领域。如果要收集足够的新数据来完成这项工作，我们需要花费数年时间。”

研究人员将毫米波反射的物理特性直接嵌入到这些经过调整的数据中，创建了一个合成数据集，并用它来训练生成式AI模型，使其能够进行逼真的形状重建。

这套名为Wave-Former的完整系统，基于毫米波反射数据生成一组潜在的物体表面，并将这些表面输入到生成式AI模型中以完善形状，然后不断优化这些表面，直至实现完整的重建。

Wave-Former能够对大约70种日常物品（例如罐头、盒子、餐具和水果）进行逼真的重建，与最先进的基准方法相比，其精度提高了近20%。这些物品被隐藏在纸板、木材、石膏板、塑料和织物后面或下面。

该团队运用同样的方法构建了一个扩展系统，该系统利用毫米波在室内移动的人体反射，完整地重建了整个室内场景。

人体运动会产生多径反射。Dodds解释说，一些毫米波会先从人体反射，然后再次从墙壁或其他物体反射，最后返回传感器。

这些二次反射会产生所谓的“幽灵信号”，它们是原始信号的反射副本，会随着人体的移动而改变位置。这些幽灵信号通常被视为噪声而被丢弃，但它们也包含着有关房间布局的信息。

Dodds表示：“通过分析这些反射随时间的变化，我们可以对周围的环境有一个粗略的了解。但想要直接解读这些信号在精度和分辨率方面都存在局限性。”

他们采用类似的训练方法，训练生成式AI模型来解读这些粗略的场景重建结果，并理解毫米波多径反射的特性。该模型能够填补信息空白，不断完善初始重建结果，直至最终完成场景重建。

研究人员利用一台毫米波雷达捕获的100多条人体轨迹，测试了名为RISE的场景重建系统。结果表明，RISE重建的场景平均精度约为现有技术的两倍。

未来，研究人员希望进一步提高重建的粒度和细节。他们还希望构建类似GPT、Claude和Gemini等用于语言和视觉的大型无线信号基础模型，这有望开拓新的应用领域。

图片来源：提雅智行

英伟达Alpamayo增强L4级自动驾驶

作为Autoware的主要贡献者，提雅智行致力于通过开发基于AI的L4级自动驾驶软件栈，整合前沿技术。该公司率先采用英伟达Alpamayo 1，并将其集成到Autoware中，以利用先进的推理流程应对复杂场景，并通过语言理解增强可解释性。

这款拥有100亿参数的视觉-语言-动作模型在驱动栈中引入了一个推理层，利用链式思维处理来解读复杂的场景动态。这些功能使提雅智行能够在AI决策过程中提升透明度和可追溯性，同时实现类似人类的判断能力，从而应对日益复杂且非结构化的环境。提雅智行将测试该新模型，并将其集成到Autoware中，以加速安全且可扩展的商业部署。

英伟达Cosmosf赋能Co-MLOps平台

自2024年推出Co-MLOps平台以来，提雅智行一直引领着全球范围内的大规模数据共享计划，旨在开发和扩展自动驾驶AI。通过将英伟达Cosmos与Co-MLOps平台集成，该公司旨在扩展这款开源软件的功能，以应对自动驾驶领域的长尾挑战，即罕见且不可预测的边缘案例，这些案例超出了预定义的规则和传统的训练场景。

英伟达Cosmos的核心功能包括：

• Cosmos-Predict：从多模态提示中生成边缘案例，创建高保真合成数据，以解决现实世界中难以捕捉的检测挑战。

• Cosmos-Transfer：基于自动标注基础设施生成的图像，将标注数据转换为各种环境条件（例如暴雨、降雪或一天中的不同时段），从而提供高级数据增强功能。

• Cosmos-Reason：使用能够捕捉物理世界本质的视觉语言模型，快速搜索、验证和总结海量驾驶数据。

提雅智行创始人兼首席执行官Shinpei Kato表示：“为了将自动驾驶技术推进到下一代，必须转向能够应对现实世界不可预测性的基于推理的系统。作为首批采用英伟达Alpamayo并将英伟达Cosmos集成到Co-MLOps平台的公司之一，我们正在助力全球Autoware社区实现安全且可扩展的自动驾驶。”

英伟达自动驾驶汽车研究总监Marco Pavone表示：“物理AI代表着AI革命的下一个前沿领域，而提雅智行是率先利用英伟达Alpamayo和英伟达Cosmos来拓展技术边界的先驱之一。通过将英伟达Alpamayo集成到Autoware中，并在其Co-MLOps平台中使用英伟达Cosmos，提雅智行正在为构建更安全、更透明的自动驾驶系统奠定强大的基础。”

据外媒报道，韩国Tesollo公司推出了一款专为类人机器人和工业系统设计的紧凑型五指机器人手。该公司致力于开发灵巧的机器人手和抓取器。

图片来源：Tesollo

这款名为DG-5F-S的机器人手拥有20自由度（DoF），旨在模拟人类的关节活动。它满足了在类人机器人平台上部署的尺寸和重量限制。DG-5F-S长21厘米，具有很高的灵巧性。尽管其内部机械结构复杂，但这款机器人手仍然非常轻巧，重量仅为880克（1.94磅）。

根据Tesollo公司发布的视频，DG-5F-S的一大亮点是可反向驱动的关节。这种关节提供了必要的机械柔顺性，使机器人能够安全地与环境互动，并在不受损的情况下吸收外部冲击。

Tesollo正在摆脱业界对原始参数的过度追求。DG-5F-S在2026年美国消费电子展（Consumer Electronics Show 2026）上首次亮相，旨在满足全球类人机器人市场多样化的安装和配置需求。

Tesollo是一家位于仁川的初创公司，该公司优先考虑集成性工程设计，以确保其机器人抓取器能够与现有的机器人生态系统良好兼容。这标志着该公司从研发原型转向了实用型商用硬件的战略转变。

基于前代产品的直接现场反馈，重新设计的DG-5F-S大幅缩小了尺寸、减轻了重量、降低了成本，从而克服了阻碍类人机器人开发的集成障碍。

对于不需要最大关节活动范围的研究人员，Tesollo提供了一种精简的15自由度替代方案。该版本优先考虑更小的占地面积和更简化的运动控制，使其成为空间有限或对复杂性要求不高的实验室的实用选择。

Tesollo公司表示：“对于那些偏好低维控制空间（例如，降低策略学习复杂度）但又想保留多指操作的应用，可以选择15自由度配置。”

市场对完美机器人抓取的探索正在升温，而Tesollo只是众多争夺数字灵巧性领域主导地位的厂商之一。

三星电子（Samsung Electronics）凭借其新成立的Hand Lab实验室成为关注焦点，该实验室是从其未来机器人工作组（Future Robotics Task Force）中分离出来的专业部门。

三星的工程师们正在研究一种肌腱驱动系统。这项技术可以将笨重的电机从手指转移到前臂，从而模拟人体肌肉的运动。该公司希望实现手指电机设计无法企及的流畅、高精度控制。

但运动只是成功的一半，机器人还需要感知。三星正在集成先进的触觉传感技术，以感知纹理、压力，甚至是物体开始滑动时产生的微小滑动。这些信号使机器人能够实时调整抓取力，就像人类握紧一杯冒着水珠的水一样。

随着特斯拉和Figure等公司大力推进通用型类人机器人的研发，机器人手已成为物料清单中最重要——也是最昂贵——的部件。

最终目标很明确：终结笨拙的抓取器时代，代之以能够感知、适应和操控物体的真正智能机器人手。

图片来源：沙基

沙基聚合物特材事业部副总裁Sergi Monros表示：“为了保持成功，汽车行业必须在从造型到可持续性等多个方面不断创新。沙基通过深入了解客户需求和市场趋势，积极开发新材料，从而紧跟这些变化。我们此次展示的解决方案体现了我们对行业的深刻理解，并建立在与原始设备制造商（OEM）和层级供应商数十年的合作基础之上。”

沙基新推出的LNP ELCRIN SLX2373RCC和SLX2375RCC复合材料分别含有30%和45%的消费后回收材料。它们具有优异的耐候性和抗冲击性，可延长高光泽、注塑成型彩色部件的使用寿命，从而避免喷漆过程中挥发性物质的排放，并便于报废后的回收利用。展出的展品包括采用这些材料制成的鲨鱼鳍天线和加热式ADAS雷达罩。

在ADAS领域，沙基的特种材料组合可帮助满足客户对雷达、激光雷达和其他传感器系统在电磁干扰屏蔽、强度、导热性和耐化学性方面的需求。沙基的新型导热LNP KONDUIT WTF2C复合材料可替代ADAS雷达和电子控制单元（ECU）外壳中的压铸铝，从而提高设计灵活性，减轻重量，降低系统成本和排放。该复合材料与现有生产工艺兼容，包括激光焊接和热铆接。

此外，沙基的新型EXTEM™ RH1017UCL树脂是一种光学热塑性聚合物，可承受无铅回流焊，非常适合用于驾驶员监控和手势控制系统中的光学传感器透镜，以及用于下一代汽车架构的光纤多千兆连接解决方案。

在汽车照明领域，ULTEM™树脂能够满足复杂模块（例如由可调微镜组成的数字矩阵式LED前大灯）的高温要求（最高可达230°C）。ULTEM树脂可减轻重量并减少气体释放，并可直接在透镜筒、垫片、支架和反射器等部件中进行金属化处理。

此次展出的照明应用包括一家OEM厂商的发光前格栅，该格栅采用LNP™ ELCRES™ SLX1271D共聚物来提升部件的设计和美观度。该材料具有抗紫外线的高光泽表面和免喷漆模内着色，包括可优化背光效果的漫射色。

此外，一款采用NORYL GTX™树脂的电动汽车电池能量吸收器也亮相展会，展示以热塑性塑料替代金属的优势。这款蜂窝状演示部件非常适合用于车身侧裙板内部，可在较宽的温度范围内提供轻量化且坚固的侧面碰撞保护。它采用注塑成型工艺，便于实现复杂的设计并简化组装。NORYL GTX树脂还可替代聚酰胺树脂用于此应用，它在低温下具有更佳的延展性，在高温下具有更高的模量。

随着对先进锂离子电池需求的不断增长，硅因其更高的理论容量而成为传统石墨阳极的极具前景的替代品。然而，其应用仍然受到效率低、循环过程中结构问题以及预锂化困难等因素的限制。

为了克服这些挑战，以色列的科学家创造了一种一步激光工艺，该工艺可同时合成预锂化的硅纳米颗粒并将其集成到导电石墨烯基质中。

图片来源：期刊《Nano-Micro Letters》

这种激光驱动、常温常压、固态、原位预锂化方法是由以色列特拉维夫大学（Tel Aviv University）化学学院和材料科学系教授Fernando Patolsky博士领导的团队设计的。

该方法可在常温常压下进行，且仅需简单的原料。它无需复杂的多步制备工艺或活性锂金属。该方法利用酚醛树脂、硅纳米颗粒（SiNPs）和锂盐的三元混合物，在快速、低功率激光照射下，制备出一种自支撑、空气稳定的预锂化复合材料。局部热量和压力会引发硅和锂盐之间的反应。

研究团队表示：“该方法普遍采用常见的锂盐（LiOH、Li2CO3、LiNO3、LiF、LiClO4），其中LiOH由于碱性促进的前驱体致密化和增强的界面接触而表现出最佳性能。”

这使得在形成激光诱导石墨烯（LIG）的同时能够进行原位预锂化。这种三维多孔导电石墨烯形成了一个稳定且高导电性的框架，用于支撑硅颗粒。

该材料具有核壳结构，其中部分锂化的硅纳米颗粒被一层薄薄的硅酸锂层包裹。这些颗粒嵌入多孔导电基质中，该基质支持原位预锂化并稳定共价界面。同时，这种结构可以缓冲体积膨胀，而体积膨胀是导致硅阳极随时间推移而退化的常见问题。

在测试过程中，原型硅-石墨烯阳极在5安培/克（A g-1）的电流密度下循环2000次后仍保持98%以上的容量，与未锂化的同类材料相比，衰减可以忽略不计。

同时，性能评估显示，该阳极的容量超过1700毫安时（mAh）/克，初始库仑效率超过97%。这表明其在快速充电应用方面具有巨大潜力，尤其是在电动汽车和便携式电子产品领域。研究人员在一份声明中表示：“该阳极还表现出超快的充电能力，在10A g-1的电流下仍能保持高达63%的最大容量。”

此外，该新系统还展现出极佳的循环稳定性。经过数千次充放电循环，其性能始终保持稳定，且随时间推移性能衰减极小。

研究团队总结道：“这项创新不仅推进了下一代锂离子电池（LIB）的发展，而且还建立了一个将易于获得且成本低廉的前驱体材料转化为高性能电极的框架，有望降低电池制造的复杂性和成本。”

该团队验证了此方法的可扩展性，并生产出长度达7.8英寸（20 厘米）的电极，具有卷对卷生产的潜力。在采用磷酸铁锂（LiFePO4）阴极的全电池测试中，电池在1C倍率下循环500次后，容量未出现明显下降。