全固态电池使用固态电解质替代易燃液态电解液，在安全性和能量密度方面具有显著潜力。然而，固态电极与固态电解质之间缺乏液体浸润，充放电引起的材料体积变化容易造成界面脱离、孔隙和裂纹。现有硫化物固态电池通常需要数十兆帕的持续压力维持界面接触，由此增加电池包重量和结构复杂度，并可能加速材料的机械损伤。

图片来源：《Advanced Energy Materials》

针对这一难题，研究团队以聚苯乙烯-聚异丁烯-聚苯乙烯热塑性弹性体（SIBS）为柔性骨架，引入由双三氟甲磺酰亚胺锂与三乙二醇二甲醚组成的溶剂化离子液体LiG3，构建出SIBS-LiG3离子弹性体。该材料兼具柔韧性、黏结能力和锂离子传导能力，室温离子电导率约为0.30 mS/cm，弹性模量为29.8 MPa，并在惰性气氛热重（TGA）测试中表现出不低于400℃的热稳定性。

与传统绝缘黏结剂不同，SIBS-LiG3可分布在正极活性材料与硫化物电解质的颗粒边界。当正极在循环中发生收缩或膨胀时，弹性网络能够填补界面空隙、缓解应力集中，并维持连续的锂离子传输通道。将其以5%的质量比例引入Li₅.₅PS₄.₅Cl₁.₅硫化物电解质后，复合电解质在25℃下的离子电导率达到5.23 mS/cm。

图片来源：《Advanced Energy Materials》

在由Ni90高镍正极、复合硫化物电解质和锂-铟负极组成的实验电池中，电池在5 MPa运行压力和0.05C倍率下实现201.9 mAh/g的首次放电比容量。在1C倍率下，电池初始比容量为127.9 mAh/g，循环700次后仍保持98.1 mAh/g。阻抗测试显示，将运行压力从5 MPa进一步提高至100 MPa并未带来明显改善，表明5 MPa已足以维持有效的内部离子接触。

研究团队还制备了约5 mAh的全固态软包电池。该电池在2 MPa下实现超过50次稳定循环；卸除外部压力后，在低于0.1 MPa的条件下、以0.5C倍率仍可输出102.8 mAh/g，并稳定循环超过1,000次，进一步验证了离子弹性体维持界面接触、抑制电化学-机械退化的作用。

该成果目前仍属于实验室阶段。软包电池容量较小，电芯制造过程仍需采用125-300 MPa的短时压制，测试体系也使用了锂-铟负极。因此，研究所实现的“低压力”主要指电池循环运行压力降低，尚不等同于无压制造或车规级量产。不过，这种兼顾界面柔性、离子传输和化学稳定性的设计，为简化固态电池承压结构、提高循环寿命以及推动硫化物全固态电池产业化提供了新的技术方向。

图片来源：滑铁卢大学

由滑铁卢大学教授Maxime van der Heijden博士领导的研究团队从自然界的结构中汲取灵感，重新设计了氧化还原液流电池（RFB）的关键部件。液流电池是一种能够储存电能以供后续使用的技术。新的设计有助于电池液更高效地流动，从而使储存和释放能量的化学反应更加有效。

这项题为“利用3D打印三重周期最小表面电极结构增强氧化还原液流电池中的传质”的研究发表在期刊《储能杂志》（Journal of Energy Storage）上。

氧化还原液流电池的工作原理与手机、电动汽车和许多储能系统中常见的锂离子电池不同。这些电池使用水基电解液，而不是锂离子电池中使用的易燃材料，因此它们可能是一种更安全的大规模储能替代方案。

更安全的电网储能

氧化还原液流电池是锂离子电池的补充技术，适用于大规模储能应用。其水基电解液使其成为更安全的储能选择，能够满足大规模可再生能源的存储需求，例如为社区和电网持续供应可再生能源。

图片来源：滑铁卢大学

“与将能量存储在固体材料中不同，液流电池将能量存储在外部储罐中的液态电解液中，”滑铁卢大学化学工程教授van der Heijden表示。“只需使用更大的储罐即可增加储能容量，使其非常适合大规模可再生能源存储和电网应用。”

随着越来越多的电力来自可再生能源，这种灵活性将变得越来越重要。风能和太阳能具有间歇性，因为它们并非总能在需要时发电，因此需要能够存储多余能量并在之后将其输送回电网的技术。

更精准地打印电极

研究人员利用3D打印技术制造出多孔液流电池电极，从而能够精确控制其结构和流体流动。

“借助3D打印技术，我们可以设计出传统制造工艺难以实现的电极内部结构，”van der Heijden说道，“这使我们能够更好地控制液体在电池中的流动方式，以及它如何到达发生储能反应的表面。”

一种提升性能的几何结构

一项关键创新是采用了三重周期极小曲面（TPMS）几何结构，这是一种复杂的重复三维形状，可以模拟自然界中的结构。

图片来源：滑铁卢大学

研究人员测试了几种TPMS设计，发现其中一种被称为“菱形”几何结构的效果最佳，性能提升了52%。随后，他们使用数字光处理3D打印机制造了这种多孔结构，并对其进行热处理，形成能够导电的碳电极。

该团队成功地在实验室流动池实验和实际运行的钒液流电池中测试了电极，证明了3D打印设计的电极能够在实际电池中发挥作用。这一概念验证有望为设计更高效的大规模储能液流电池铺平道路。

未来的研究将着重于增加电极的表面积、改进制造工艺以及探索先进的设计工具，以创造更高效的电极结构。

图片来源：名古屋大学

每次办理登机手续时，都会被要求确认托运行李中没有便携式充电器或移动电源，这其中自有缘由。这些设备使用的锂离子电池内部含有易燃的液态电解质，用于在电池电极之间传输锂离子。因此，如果锂离子电池损坏，其液态电解质可能会引发灾难性的火灾。

固态电解质有助于降低这种风险，目前是研究的热点领域。制造固态电池面临的最大挑战之一是提高其离子电导率，也就是提高带正电荷的锂离子在固态电解质中的移动效率。

有些含有硫化物和氯化物基材料的固体电解质具有高导电性。这种导电性源于带负电荷的硫化物或氯离子周围的电子云在锂离子穿过材料时容易发生形变。但这些电解质也存在安全隐患：暴露于潮湿环境中会释放硫化氢和氯化氢等有毒气体。

相比之下，氧化物和氧氟化物则更加稳定可靠。用作固体电解质时，它们的电化学稳定性也更高，这一点至关重要，因为电池材料在充放电过程中会经历反复的电压变化。但另一方面，它们的导电性通常较低。

“现阶段，安全性和离子导电性需要权衡，”名古屋大学（Nagoya University）材料设计创新工程系副教授Takeshi Yajima表示，“氧氟化物更安全，但导电性低；而硫化物导电性高，但可能存在危险。”

2024年，一种化学式为Li2–xLa(1+x)/3Nb2O6F（简称“LLNOF”）的新型氟氧化物晶体被发现具有异常大的电导率，达到7毫西门子/厘米（mS/cm），与液体电解质相当。但为什么它表现出这种导电性仍然是一个谜：中心氟离子周围的电子云不像硫化物或氯化物那样容易变形，无法通过先前已知的机制解释 LLNOF 的行为。

这一发现后不久，Takeshi Yajima和他的实验室决定自行培育高质量LLNOF单晶来确定这一机制。Takeshi Yajima说，这是最难的部分，花了一年多的时间才完成。“我们必须确保晶体的质量足以进行结构分析，”他说。

但研究人员的努力取得了成果，他们能够使用布里奇曼方法生长出毫米级的LLNOF单晶。利用单晶衍射，他们能够窥视每个晶体单元内原子的局部排列和重排。

揭示秘密

研究人员发现，LLNOF中围绕氟离子形成四面体的四个原子位点之间存在动态相互作用。每个位点可以容纳锂离子、镧原子，或者保持空位。研究人员发现，每当一个锂离子跃迁到下一个空位时，中心的氟离子就会略微向锂离子原来的位置移动。氟离子有效地“让路”，降低了锂离子跃迁的能量势垒。

这就是为什么与其他原子保持刚性的氧氟化物相比，LLNOF表现出更高的锂离子电导率。

研究人员随后通过改变LLNOF晶体中锂、镧和空位（化学式中的“x”）的相对含量，调整了晶体的组成。他们发现，降低x值可以提高电导率，最高可达16.3 mS/cm。这一结果代表了目前报道的氧化物类固体电解质中最高的体相锂离子电导率，并已发表在期刊《Journal of the American Chemical Society》上。

Yajima认为，这种不依赖于高极化离子的机制可用于开发更高效的固体氧化物基固体电解质。“人们普遍认为，硫化物基材料由于其阴离子特性而具有更好的导电性，但这种机制挑战了这种认知，”他补充道。这项研究标志着在实现实用型固态锂离子电池方面迈出了重要一步。

图片来源：香港科技大学

该团队由香港科技大学电子及计算机工程系（ECE）新亮工程学教授兼讲座教授Khaled B. Letaief领导，成员包括科大电子及计算机工程系博士候选人Xie Songjie和Li Hongru；电子及计算机工程系研究助理教授Wang Zixin；电子及计算机工程系兼集成系统与设计学部副教授Song Shenghui以及电子及计算机工程系教授Zhang Jun。

这项题为“面向智能体网络的推理赋能型任务导向通信（Towards Reasoning-Empowered Task-Oriented Communication for Agent Networks）”的研究发表于期刊《npj Wireless Technology》。

该研究描绘了未来几十年通信与推理融合的路线图，有助于塑造6G之后无线网络的演进。它为未来7G无线系统的开发提供了早期愿景，该系统能够支持大量可推理、协作并做出集体决策的自主人工智能智能体。

如今的通信系统旨在尽可能准确可靠地传输数据。然而，未来的智慧城市、自动驾驶汽车、医疗平台和工业系统可能涉及数百万个智能体同时交换信息。仅仅扩展现有的通信架构可能远远不够。如果没有新的方法，通信本身可能会成为瓶颈，限制未来人工智能生态系统的集体智慧。

为了应对这一挑战，香港科技大学团队开发的“推理赋能型TOC框架”将推理融入到通信过程中。在传输信息之前，人工智能体会评估信息交换的价值，识别最相关的信息，选择合适的接收者，并预测信息可能对未来决策产生的影响。

所提出的认知回路具备三项功能。首先，意图解读功能将诸如“保持视频通话稳定”之类的高层次人或机器目标转化为结构化的通信目标。其次，自动生成和优化功能会在条件变化时，平衡带宽、功耗、延迟和鲁棒性，从而选择合适的通信策略。

第三，主动预测功能利用世界模型（即相关条件的内部表征）来预测环境、用户移动性和任务需求的变化，从而在性能下降之前进行干预。认知引导通信，而通信又增强集体认知。

潜在应用包括车辆和路侧系统仅交换避免危险所需的信息；临床代理优先处理信号以做出时间敏感型决策；以及机器和数字孪生体在故障中断生产前协调维护工作。

Letaief表示：“未来的无线网络将不再仅仅是连接设备，而是连接智能。下一个变革性的飞跃将是连接能够进行推理、规划和自主协作的智能体。”

“未来的网络不仅能够传输信息，还能赋能集体智能。基于推理的任务导向型通信为构建无线系统提供了一条途径，使之能够判断哪些信息重要、何时需要通信以及为何需要通信。”他补充道，这项研究是7G研究的指南针，而非最终的技术标准。它描绘了为实现这一愿景必须解决的开放性问题，包括新的理论基础、可扩展的多智能体协调、通信推理回路的稳定性、可信赖的AI决策以及通用标准和基准。

据外媒报道，为了帮助人们更好地预测车辆的失误，麻省理工学院（MIT）和自动驾驶技术公司Motional的研究人员开发了一种新方法，可以清晰地解释底层模型的决策过程。

图片来源：MIT

通常，深度学习模型的内部推理过程晦涩难懂。但这种名为概念包装网络（CW-Net）的新方法，可以将推理过程转化为概念，这些概念能够忠实地描述自动驾驶汽车的决策，而不会影响其驾驶性能。

CW-Net使用易于理解的概念（例如“接近静止车辆”或“靠近骑行者”）来解释基于机器学习的规划器的决策。这些解释可以纠正驾驶员和乘客对车辆行为的误解，并提高他们的情境感知能力。

在私人赛道上进行的道路测试中，CW-Net的解释帮助安全驾驶员更准确地预测车辆行为；一项针对非专业用户的大型模拟研究也得到了类似的结果。这些实验表明，CW-Net可以为工程师在排查车载人工智能系统故障时提供重要的反馈。从长远来看，这项技术可以提高自动驾驶车辆的安全性和透明度，同时建立驾驶员和乘客对车辆的信任。

“这项研究表明，解释如何有助于人类构建心智模型并理解系统的行为，以及如何将其应用于工程和开发中以改进技术，”麻省理工学院航空航天学教授、计算机科学与人工智能实验室（CSAIL）交互式机器人小组主任、CW-Net论文的共同资深作者Julie Shah表示。“除非我们构建这些技术的方式能够让我们信赖并预测其行为，否则它们的使用基础将是不稳固且不安全的。”

该论文的另一位共同作者是第一作者Eoin Kenny，他曾是麻省理工学院的博士后，现在是摩根大通的高级人工智能研究员；共同资深作者是Momchil Tomov，他是Motional公司的一名研究科学家。以及Motional团队成员Akshay Dharmavaram、Sang Uk Lee、Tung Phan-Minh、Shreyas Rajesh、Yunqing Hu和Motional总裁兼首席执行官Laura Major。该研究成果今日发表于期刊《Nature》。

忠实的解释

基于机器学习的规划器充当自动驾驶汽车的“大脑”。这些强大的深度学习架构处理来自车辆摄像头和激光雷达传感器的数据，生成车辆环境的高级概要信息，决定车辆下一步的行动，并输出车辆行驶轨迹。

这些规划器通常是黑箱模型，这意味着它们的内部决策过程非常复杂，难以理解。这可能导致科学家和安全驾驶员无法理解自动驾驶汽车为何会做出意料之外的决定，例如幽灵刹车。

研究人员设计了CW-Net，旨在用易于理解的概念解释车辆的决策，同时确保这些解释能够准确反映车辆行为背后的真正原因。

“尤其是在自动驾驶汽车这类高风险场景中，确保解释不具误导性至关重要。由于CW-Net在决策过程中遵循因果律，因此其解释的准确性得到了保证。” Kenny说道。

CW-Net是一种“概念分类器”，它是一种经过训练的人工智能算法，能够预测输入数据中存在的高级概念。研究人员将CW-Net模块集成到自动驾驶车辆现有机器学习规划器架构的核心部分。

它将模型内部的推理过程转化为易于理解的概念，例如“接近静止车辆”或“靠近骑行者”。然后，它强制规划模型架构的最后一个部分在决定车辆下一步行动时使用这些概念。通过这种方式，CW-Net确保这些概念能够准确地解释车辆的行为。

同时，CW-Net利用其分类的概念，实时生成清晰的解释，并与车辆轨迹一同输出。

“与其只是疑惑车辆为何停止，不如利用实时数据提供反馈，以便在部署过程中测试系统。您还可以将这些数据提供给工程师，以改进系统，”Kenny说道。

研究人员使用包含1.3亿个自动驾驶汽车场景示例的数据集训练CW-Net来预测概念，每个场景中都标注了多个概念。如此庞大的标注数据集使其能够在各种场景下准确识别概念。

他们还将CW-Net设计为模拟基于机器学习的规划器的驾驶决策，因此该模块不会对车辆性能产生负面影响。

最终，CW-Net生成了准确且易于理解的解释，而无需更改原始的深度学习模型。

提升情境感知能力

为了测试CW-Net，研究人员将该模块部署在一辆真实的自动驾驶测试车辆（Motional公司的无人驾驶出租车）上，并在一个配备安全驾驶员的私人赛道上进行测试。他们发现，CW-Net能够帮助安全驾驶员更好地预测车辆在突发情况下的行驶行为。

例如，车辆在接近骑自行车的人时总是会停车，安全驾驶员认为这是因为车辆检测到了骑自行车的人。但CW-Net的解释表明，该模型并未正确配置以检测骑自行车的人，而是选择了一条会导致碰撞的行驶轨迹。实际上，车辆停车是因为其紧急制动程序在距离骑自行车的人过近时启动了。

掌握了模型错误的信息后，安全驾驶员在类似情况下可以更快地降低车速或启用手动驾驶模式。这也有助于工程师修复模型，避免未来再次出现此类故障。

研究人员在更大规模的在线模拟研究中，利用在拉斯维加斯道路上捕捉到的真实驾驶场景，也观察到了类似的结果。CW-Net的解释显著提高了参与者预测自动驾驶车辆行为的能力。

未来，研究人员可以扩展CW-Net，使其能够涵盖更多概念，并探索不同的训练和设计技术，从而提升性能和可解释性。

“我们的研究表明，可解释性对于这些高风险环境至关重要，也表明未来在开发用于自动驾驶汽车或其他安全关键型环境的人工智能时，人们应该始终牢记这一点，”Kenny表示。

图片来源：森萨塔科技

R290的普及得益于其高效性、系统成本效益和低环境影响，但其易燃性和严格的泄漏要求也为OEM开发下一代电动汽车热管理系统带来了新的设计考量。精确的压力和温度传感对于监测制冷剂状态、支持暖通空调（HVAC）和热泵控制以及帮助OEM满足不断变化的泄漏、安全和监管要求至关重要。

森萨塔的R290压力+温度传感器旨在通过精确可靠的压力和温度测量，帮助OEM采用R290制冷剂技术。该传感器具备电动汽车热管理系统安全高效运行所需的精度、响应速度和稳定性能。

“我们的客户正在经历制冷剂技术的根本性变革，以满足不断变化的环境和性能要求，”森萨塔科技执行副总裁兼汽车业务总裁Markus Schwabe表示，“森萨塔的R290压力+温度传感器通过提供精确可靠的传感，助力OEM充满信心地采用R290制冷剂技术，从而支持这一转型。”

该传感器将压力和温度测量集成于单一解决方案中，并针对R290应用进行了优化，从而提升了日益复杂的电动汽车热架构中的系统控制和诊断能力。其泄漏优化设计有助于最大限度地减少车辆生命周期内的制冷剂损失，从而支持OEM的目标并降低对环境的影响。

主要特性和优势包括：

• 专为R290制冷剂系统设计，支持采用低全球变暖潜值（GWP）和不含PFAS的制冷剂。

• 优化泄漏设计，有助于减少制冷剂损失，确保系统安全运行。

• 高精度压力和温度传感，实现精准的热力系统控制和性能提升。

• 坚固耐用的结构，确保在严苛的汽车环境中可靠运行。

R290压力温度传感器专为汽车空调和热管理系统而设计，包括纯电动汽车（BEV）、插电式混合动力汽车（PHEV）以及其他使用R290制冷剂的电气化平台。

随着OEM评估下一代制冷剂策略，精确的压力和温度传感将在支持基于R290的应用的安全运行、泄漏管理和热系统性能方面发挥关键作用。

这种情况或许不会持续太久。据外媒报道，哈佛大学由工程师和建筑设计师组成的研究团队开发出一种基于力学的框架，可以精确控制充气膜上褶皱的形成方式和位置。他们利用这些可控的褶皱，制造出轻质充气物体，这些物体在充气后会改变形状，并展现出物理学家所说的多稳态特性——能够锁定在多个稳定的形状上。

图片来源：哈佛大学

这项发表在《先进科学》（Advanced Science）上的研究为探索新型复杂充气装置奠定了基础。

该研究由哈佛大学约翰·保尔森工程与应用科学学院（John A. Paulson School of Engineering and Applied Science，SEAS）威廉和阿米·库安·达诺夫家族应用力学教授（William and Ami Kuan Danoff Family Professor of Applied Mechanics）Katia Bertoldi以及哈佛大学设计研究生院熊谷建筑技术教授（Kumagai Professor of Architectural Technology）Martin Bechthold共同领导。

Bertoldi表示：“这个项目不仅探索了多稳态在新的、或许出乎意料的应用方式，也展现了设计师和工程师之间合作的巨大潜力。”

多稳态：设计与工程的挑战

该项目始于几年前，当时共同第一作者Hye Jun Youn还是哈佛大学设计研究生院的一名硕士研究生，她开始尝试使用热塑性聚氨酯薄膜——这种材料也常用于大多数泳池玩具。她设计了一种名为“PneuBots”的模块化充气装置，这种装置充气后会奇妙地卷曲弯曲成稳定的形状，这激发了她对这种行为背后物理机制的兴趣。

在哈佛大学，她寻找合作者的过程中遇到了结构设计教授Bechthold，后者成为了她的项目导师。她通过Bechthold教授和同学Leon Kamp与哈佛大学工程与应用科学学院（SEAS）的Bertoldi团队取得了联系。

“我需要科学数据来证明这种形状改变的行为——这是我自己无法证明的，”现在是麻省理工学院媒体实验室博士生的Youn说到。

当Youn第一次带着她的手持式原型参加Bertoldi小组会议时，当时的博士后研究员兼共同第一作者Yi Yang感到震惊。

大多数充气膜柔软且有弹性，但在加压时，它们更喜欢弯曲而不是拉伸，这自然会产生皱纹或褶皱，就像聚酯薄膜气球周边的皱纹或褶皱一样。在制造充气产品时，通常认为要避免褶皱。相反，哈佛大学团队想知道这些功能是否有用。

构建双稳态结构

他们首先制作了一个扁平的矩形囊袋，并在其边缘设置了凹槽。充气后，这些凹槽会在囊袋表面形成褶皱，每个褶皱都起到机械铰链的作用。

“关键在于我们能否精确控制褶皱在囊袋表面的位置，从而控制褶皱的形成位置，进而调节整个结构的稳定性，”Yang教授说道。

通过调整凹槽的几何形状和间距，研究团队发现，在恒定的内部压力下，他们可以可靠地将铰链在两种镜像构型之间切换，从而使每个囊袋呈现两种稳定的形状。

一旦他们理解了这种基本机制，便将许多这样的双稳态单元拼接成更大的阵列。通过沿不同方向排列凹槽，他们可以制造出像铰链面板串一样折叠的一维链，或是能够折叠成各种三维形状的二维薄片。

在规模较小的实验室演示中，研究团队利用这些可编程铰链制造出可以改变曲率或作为简单交互设备的面板——例如，一个小型充气装置，其折叠的铰链翻转时可以控制灯的开关。

进一步扩大规模需要不同的制造方法。研究人员与哈佛大学设计研究生院（GSD）制造实验室的工作人员合作，改造了一台大型数控切割机，用于将复杂的图案焊接到宽幅聚氨酯卷材上。最大原型机的最终边缘密封工作是与罗德岛州普罗维登斯的一家商业充气装置制造商合作完成的。

最终建成的大型结构，大约一人高，数米长，放气后可由几人抬动，然后在户外充气成一个展馆大小的壳体，他们在科学与工程综合楼的草坪上进行了演示。这个壳体可以在多种形状之间变换，包括圆锥形封闭空间、隧道和顶篷。

“说实话，我一开始并不确定我们能否以展馆规模进行演示，”Bechthold说道。“放大尺寸并非易事。但我认为，能够真正展示出其中的空间特性……我已经非常满意了。”

潜在的安全应用

该团队还开展了实验，研究多稳态充气系统如何潜在地提升安全性。充气系统已广泛应用于安全气囊和防坠落设备等领域。由于多稳态结构在状态转换过程中会耗散能量，该团队研究了将充气与可控多稳态相结合是否能够提高减震性能。

跌落测试对比了传统气垫和新型多稳态设计，结果表明，可控溃缩充气装置能够更好地保护从更高高度跌落的易碎物体。在一项演示中，一个生鸡蛋从标准气垫上掉落后反弹并破裂，但从更高处掉落到多稳态气垫上后却完好无损，这是因为多稳态气垫的溃缩铰链在翻转过程中耗散了能量。

研究人员表示，这些实验为设计轻便易部署的自适应、可重构结构开辟了新的可能性。潜在应用范围广泛，包括可变形家具、临时装置、防护系统和软体机器人等。

训练机器人学习新的动作通常需要设计控制器或策略（即决定机器人如何运动的软件），并对其进行调整以产生所需的动作。这个过程可能非常耗时，并且并非快速教会机器人各种灵活动作的理想方法。

图片来源：期刊《Science Robotics》

据外媒报道，机器人与人工智能研究所（RAI）和波士顿动力公司（Boston Dynamics）的研究人员近期开发了一种新的框架，可以将录制或动画中的动作转化为机器人控制策略。该框架发表在期刊《科学机器人（Science Robotics）》上，并已成功用于教会两个类人机器人和一个四足机器人新的动态动作。

“在类人机器人上实现鲁棒的、类似人类的全身控制，从而实现敏捷、丰富的互动行为，仍然是一个核心挑战，这需要对每个技能进行大量的工程设计，并且控制器的调优过程也十分繁琐。”研究人员Jean Pierre Sleiman、He Li及其同事在论文中写道。“我们提出了简化的运动模仿框架ZEST（zero-shot embodied skill transfer，零样本具身技能迁移），它通过强化学习从多种来源（高保真运动捕捉、含噪单目视频和非物理约束动画）训练策略，并将其零样本部署到硬件上。”

将人类演示转化为机器人动作

由Sleiman、Li及其同事开发的全新框架ZEST旨在教会不同类型的腿式机器人各种全身动作。为了测试该框架，研究团队使用了动作捕捉录像、单台手持摄像机拍摄的普通视频以及计算机生成的动画。

从视频演示中提取的动作被重建为三维（3D）模型，并经过平滑处理以减少误差，同时调整以匹配特定机器人的身体比例。研究团队使用单个NVIDIA L4图形处理器(GPU)为每个目标技能训练了单独的控制策略，训练时间约为10小时。

新框架将长的运动序列分割成更短的片段，识别出机器人难以复现的片段。然后，机器人策略会更频繁地针对这些具有挑战性的片段进行训练，而不是针对更容易的片段。

“ZEST能够跨行为和平台进行泛化，而无需依赖接触标签、参考或观察窗口、状态估计器或大量的奖励塑造，”研究人员说道。“其训练流程结合了自适应采样（专注于训练复杂运动片段）和基于模型的辅助扳手自动课程，从而实现了动态的、长时程的机动动作。此外，我们还提供了一种从闭链执行器的近似解析电枢值中选择关节级增益的方法，以及一个改进的执行器模型。”

研究人员将使用ZEST训练的策略直接从仿真环境迁移到三种不同的机器人：G1、Spot和Atlas。G1是由宇树科技公司开发的人形机器人。Atlas和Spot分别是波士顿动力公司开发的人形机器人和仿狗四足机器人。

通往更敏捷人形机器人的道路

该团队的初步测试结果令人鼓舞，因为该框架似乎在所有三个机器人上都具有良好的通用性。这些人形机器人能够重现各种动态全身运动，包括行走、慢跑、前滚翻、四肢爬行、匍匐前进、倒立、侧手翻和霹雳舞。

另一方面，Spot机器人获得了新的杂技技能，例如连续后空翻、前腿倒立平衡、活泼的狗狗动作和桶滚。

“ZEST完全在模拟环境中训练，并采用适度的领域随机化，展现出了广泛的通用性，”Sleiman、Li及其同事写道。

在波士顿动力公司的Atlas人形机器人上，ZEST通过动作捕捉学习了动态的多接触技能（例如匍匐前进和霹雳舞）。它能够将富有表现力的舞蹈和场景互动技能（例如爬箱）直接从视频迁移到Atlas和Unitree G1机器人上。此外，它还扩展到了Spot四足机器人，使其能够通过动画实现诸如连续后空翻之类的特技动作。

Sleiman、Li及其同事的研究结果凸显了ZEST在相对较短的时间内教会不同身体结构的腿式机器人复杂动态运动的潜力。

未来，该框架可以进一步改进，并在更广泛的腿式机器人上进行测试，或者用于演示其他复杂的全身运动序列。

图片来源：远峰科技

随着车内监控系统逐渐成为标配，传统的仅依靠视觉的监控系统常常面临座椅靠背遮挡、脚部盲区以及乘客被遮挡等问题，而分布式传感器则会增加车辆布线和车顶安装的复杂性。为了解决这些问题，远峰科技的ODMS将集成DMS/OMS功能的智能后视镜与车用级车内雷达相结合，打造出强大的多模态集成架构，为车内提供可靠的安全保障。

多模态融合消除盲区

将智能后视镜与车内雷达集成，利用射频信号穿透力克服了光学成像的局限性。智能后视镜的高清摄像头从最佳前方角度追踪驾驶员的疲劳、注意力分散和无反应状态。同时，车顶雷达能够穿透毯子、衣物和高高的座椅靠背，捕捉后排和脚部空间的微弱呼吸声，实现全面的三维空间覆盖。

全场景感知符合安全标准

ODMS架构涵盖七项核心功能：驾驶员疲劳、注意力分散、驾驶员无反应和手机使用检测，以及安全带状态、乘员分类和车内人员存在检测。这种集成方法为汽车制造商提供了一个可靠的全场景感知基础，帮助车辆在Euro NCAP碰撞测试中获得五星安全评级。

精简的架构和座舱空间

ODMS 通过将光学组件嵌入智能后视镜并与紧凑型雷达模块配合使用，省去了多个车顶内衬开口和复杂的车顶布线。这既保持了简洁的内饰美感，又简化了跨车型平台的适配。

从局部监控到全座舱保护，远峰科技为全球汽车制造商提供了一套全面、集成且可扩展的安全解决方案。

图片来源：USPTO

通用汽车的这项专利申请概述了一种可调节的汽车头枕，该头枕可从后方和侧面支撑乘员的头部。该头枕安装在座椅靠背上，包括一个带衬垫的中心部分和铰链式侧翼。这些侧翼可以保持平放或向内旋转，使乘员能够选择所需的横向支撑量。这些侧翼还可以使用围绕刚性内部框架的柔软衬垫，并且可以连接起来对称地移动。这些侧向支撑垫可以在车辆方向突然横向变化时支撑头部，而中心支撑垫则可以限制头部向后移动。

图片来源：USPTO

头枕框架内的一组棘轮机构可以将两侧翼片固定在可选角度。每个机构都包含一个齿轮、一个可移动的锁扣、一个锁定销和一个弹簧。一旦选定位置，锁定销就会卡住齿轮上的一个齿，防止两侧翼片恢复到水平位置。

通用汽车的专利申请还描述了头枕在紧急制动或“强力碰撞”时自动做出反应的两种方式，这似乎是为了安全起见。一种机械式设计是利用每个翼片内置的质量块产生惯性力，使翼片旋转；另一种设计则使用车辆传感器检测减速情况，并激活一组电磁阀。

图片来源：USPTO

总体而言，该设计将可调节的双侧支撑系统与头枕应有的标准后向约束功能相结合。该设计能够在车辆突然转向时支撑乘员头部，同时在急减速时自动将侧向支撑恢复到初始的平坦位置。

正极材料在决定电池容量方面起着关键作用，其中也含有大量的钴等昂贵关键金属，而钴的提取过程会对环境造成破坏。因此，能够保留电池材料现有结构并回收宝贵资源的废旧电池直接回收技术正受到越来越多的关注。

据外媒报道，在此背景下，由韩国能源研究院（KIER）光州清洁能源研究中心的Jung-Je Woo博士领导的研究团队开发出一种能够完全分离集流体的技术，解决了废旧电池直接回收利用面临的主要技术难题之一。该团队还成功地将废旧正极材料再生至与全新材料性能相当的水平。

图片来源：KIER

这项新技术的关键在于将集流体与正极材料完全分离。集流体负责促进电池内部的电流流动，并与正极材料牢固结合，从而在反复充放电过程中保持稳定。然而，在电池回收过程中，这种牢固的结合通常需要使用含有危险化学物质的专用溶液来溶解结合剂。此外，该过程中产生的残留物质可能会残留在正极材料上，从而降低再生电极的性能。因此，集流体的分离一直是电池直接回收的一大挑战。

为了克服这一局限性，研究团队开发了一种基于溶液的回收工艺。当废旧正极材料浸入二甘醇溶液中并加热至130℃时，二甘醇发生氧化反应生成乙醇醛。由于乙醇醛易与其他分子发生反应，它会削弱正极材料与集流体之间的粘附力，从而实现集流体的完全分离。同时，二甘醇氧化过程中产生的电子有助于补充正极材料中的锂离子，使得剥离和再生能够在一步完成的过程中同时发生。

图片来源：KIER

利用该工艺，研究人员再生了广泛应用于电动汽车的NCM和LFP正极材料。再生后的NCM正极恢复了原始材料的99.1%容量，而再生后的LFP正极恢复了99.7%容量，性能几乎与原始正极材料相当。

图片来源：IDrive

该公司将L2+定位为行业内最实用的平衡点：它既足够先进，能够在日常道路上实现有意义的驾驶自动化，又能确保驾驶员对车辆负责。IDrive Autonomy现已开放授权，并已在量产车型上进行实际路测演示。

此次公告发布之际，汽车制造商在高级驾驶辅助领域面临着艰难的选择。传统的L2级系统功能有限、分散，且发布后难以改进；而追求真正的完全自动驾驶则面临着极其艰巨的工程、验证和责任挑战。

“汽车行业多年来一直追求完全自动驾驶的梦想，但FSD（完全自动驾驶）是一个截然不同的问题，”IDrive首席执行官Raghu Kulkarni表示，“你不仅要解决感知和驾驶问题，还要承担巨大的安全、验证、监管和责任负担。这使得完全自动驾驶系统的商业化极其困难，更难获得通用产品的许可。我们认为，L2+才是当今真正的机遇所在。汽车制造商想要更好的驾驶辅助功能，但他们不想重新发明整个自动驾驶系统。”

L2+是当今的机遇。

要在几乎所有道路、天气状况和不可预测的驾驶场景下实现可靠的完全自动驾驶，需要解决大量的极端情况。这也改变了责任格局：当车辆需要在无人驾驶的情况下行驶时，一旦系统出现故障，技术提供商和车辆制造商将面临更大的责任。

这使得汽车公司很难简单地获得通用型交钥匙式FSD解决方案的授权并进行部署。L2+提供了一种截然不同的模式。

驾驶员仍然负责并监控系统，而车辆则处理日益复杂的任务，例如车道保持、自适应巡航控制、自动启停和车道变换辅助。因此，企业可以在不承担完全自动驾驶所带来的技术和责任负担的情况下，提供性能显著提升的驾驶体验。

“L2+是最佳选择，”Kulkarni表示。“企业已经在尝试实现这一目标，但市场缺乏一个具有吸引力、低成本、可定制、透明且可作为独立授权和交付的解决方案。而这正是IDrive Autonomy旨在填补的空白。”

汽车制造商可授权并交付的驾驶辅助层

IDrive Autonomy系统是一个单一的学习型驾驶系统，而非一系列互不关联的驾驶辅助功能的集合。该系统专为日常驾驶环境而设计，包括城市街道、高速公路和混合交通路况。

目前的功能包括：

• 弯道车道保持

• 自适应巡航控制

• 启停交通管理

• 车道变换辅助

• 物体和前车跟踪

• 车道偏离预警

• 实时驾驶员显示屏，显示系统检测到的路况信息。

该系统目前正在公共道路上进行演示，已累计行驶超过1100英里（约1770公里），累计驾驶时间超过25小时，最高时速达到70英里/小时（约113公里/小时）。IDrive表示，系统变更会在安全驾驶员的陪同下进行道路测试和模拟测试，并将驾驶数据反馈到底层模型中。

专为低成本硬件设计

IDrive系统采用精简的硬件配置，而非昂贵的专用传感器套件。

整套辅助驾驶系统硬件成本约为1,500美元，包括：

• 两个摄像头

• 一个惯性测量单元 (IMU)

• 计算单元

摄像头可安装在后视镜后方，无需改装车辆，这种通用设计旨在简化跨车辆平台的集成。

面向未来的基石

虽然IDrive Autonomy目前推出的是L2+级辅助驾驶，但IDrive在设计底层技术时已着眼于更长远的自动驾驶发展路线图。

该公司的路线图分为三个阶段：辅助驾驶、协同驾驶，最终目标是实现无人驾驶出租车应用。目前的重点是第一阶段，即提供实用的L2+级功能，同时继续研究，以开发更高级别的自动驾驶系统。

IDrive将这一方法描述为“一个模型，三个阶段”，旨在让来自真实驾驶的经验和数据为未来的系统改进做出贡献。

IDrive自动驾驶技术现已开放授权

IDrive自动驾驶辅助技术现已开放授权，供有意将其集成到自身车辆平台中的汽车公司使用。

商用飞机单次横跨美国大陆的飞行就会消耗超过10,000加仑（37,900升）航空燃油，因此，提高燃油经济性可以为航空公司节省大量成本。

在发表于期刊《Physical Review X》和《Proceedings of the Royal Society A》的两篇新论文中，Mahmoud I. Hussein及其团队报告了两项突破性发现，使这项研究距离实际应用更近了一步：超共振（super-resonance）和无散射干涉（scatterless interference）。

Mahmoud I. Hussein表示：“自航空业诞生以来，主流范式一直是仅通过改变飞行器外形来控制阻力。如今，我们提出了一种全新理念，即利用能够与气流动态交互的材料来影响表面阻力，从而以前所未有的方式提升飞行器性能。”

图片来源：Mahmoud I. Hussein等人 / 科罗拉多大学博尔德分校

从声子到PSub

Mahmoud I. Hussein的研究重点是声子（phonons）——材料内部产生的微小振动，而不是整个结构的传统振动。尽管这种运动的幅度极其微小，但其影响却不容小觑。

利用并控制这些内部振动，是新兴声子学（phononics）领域的基础。20多年前，该领域尚处于早期阶段时，Mahmoud I. Hussein便参与了其发展。2011年，他共同创办了Phononics 20xx系列会议，该系列如今已发展成为声子学领域的国际论坛。

2015年，他提出了声学子表面（phononic subsurfaces，PSubs）概念，即能够被动操控与流体流动相互作用的表面振动的材料。此后，Mahmoud I. Hussein团队以及世界各地的其他研究人员陆续设计出PSub，使其能够在单一频率下工作。

如今，Mahmoud I. Hussein发现，通过将PSub设计成盘绕结构，可以操控一定范围内的多种频率振动，从而实现一种名为超共振的新现象，大幅拓展了这项技术的应用潜力。

Mahmoud I. Hussein说道：“我们最初从单一频率入手，希望最终能够覆盖更宽的频率范围，因为现实世界中的湍流就是以这种方式产生的。现在，我们已经实现了这一目标。盘绕式声子结构突破了层流控制策略长期存在的一项限制。”

将控制效果延伸至下游

无散射干涉则进一步推动了这项技术的发展。与仅在单一位置设置一个PSub不同，可以将多个PSub以网格或晶格形式排列，从而在大面积表面上延缓湍流的产生，例如飞机机翼或高超声速飞行器机身表面。

Mahmoud I. Hussein表示：“这使有效的下游控制成为可能。下游控制和宽频带控制一直是这项技术自十多年前提出以来面临的关键限制。现在，我们已经解决了这两个问题。”

Adam Harris是Mahmoud I. Hussein实验室的材料科学与工程博士生，同时也是两篇论文的共同作者。他表示，这些进展将相关研究提升到了新的阶段。

Adam Harris说道：“这两个新里程碑为解决PSub在实际飞行条件下有效性这一难题提供了相互补充的解决方案。无散射干涉为我们提供了一种方法，可以衰减PSub下游不稳定性场的空间变化；而超共振则使控制能够覆盖更宽的频率范围。两者结合，使最初的PSub概念更接近现实流动环境所需的多功能性水平。”

从模拟走向更广泛应用

尽管目前的研究仍处于计算模拟阶段，但PSub并非仅停留在理论层面。世界各地已有多个研究团队制造出具有实际功能的物理原型，并正在通过风洞试验验证其有效性。

Mahmoud I. Hussein说道：“我们的目标是突破传统范式，即流动控制必须完全依靠改变暴露表面的形状，或者更近期采用主动执行器。借助声学子表面，机翼或机身可以保持光滑，而其下方的材料则经过工程化设计，使其能够以高度针对性的方式与气流发生相互作用。”

尽管目前研究主要聚焦于航空航天结构，但超共振和无散射干涉可能具有更广泛的应用前景。

Mahmoud I. Hussein表示：“除了飞机之外，这项技术还可能对船舶、管道、涡轮机械等领域具有重要意义——凡是存在湍流问题的地方都可能适用。事实上，这两种理念的应用范围甚至可能超越流动控制本身。”

该研究的其他共同作者包括目前就职于Aerospace Corporation的Armin Kianfar（MAeroEngr'20）；马里兰大学帕克分校的Christoph Brehm；以及来自西班牙加泰罗尼亚理工大学的Daniel Yago和David Roca。

教会机器人完成新任务既耗时又昂贵。此外，额外训练有时还会影响机器人完成此前已经学会的任务的能力。

据外媒报道，近日，北京理工大学、X SQUARE ROBOT和清华大学的研究人员开发了HOST（Human-to-robot One-Shot Skill AcquisiTion，人到机器人单次技能获取），这是一种有望帮助机器人更快速、更高效地获得新技能的新框架。他们在预印本服务器arXiv上发表的一篇论文中介绍了这一学习方法。该方法允许机器人仅通过观看一段人类演示视频就获得新技能，同时不会损害此前已经掌握的能力。

Guangyan Chen、Meiling Wang及其同事在论文中写道：“对于机器人而言，快速、轻松地获得技能，同时保留已经掌握的技能，是至关重要的。然而，当前方法仍然依赖一种繁琐的训练阶段循环，这一过程成本高、速度慢，同时还会削弱已经掌握的技能。我们提出了HOST框架，使机器人能够仅凭一段人类视频在数秒内获得新技能，同时保留此前已经掌握的技能。”

图片来源：Chen等人

HOST如何将人类演示转化为机器人动作

Chen、Wang及其同事开发的这一框架，只需分析一段展示人类操作过程的视频，就能帮助机器人获得新技能。整个过程主要分为三个阶段。

首先，HOST利用摄像头采集的图像，判断机器人在完成人类视频所示操作流程时已经进行到了哪一步。换言之，它会识别人类演示中与机器人当前阶段相对应的部分。

随后，该框架分析人类演示接下来即将发生的部分，并预测机器人在继续执行任务时应该观察到什么。这一中间步骤帮助HOST考虑人类演示者的身体结构与机器人自身物理结构之间的差异。

最后，HOST根据预测得到的未来观测结果，推导出机器人应当执行的动作。机器人通过反复确定当前进度、预测下一步应该观察到的内容，并选择相应动作，就能够跟随人类演示的操作流程，同时根据自身的身体结构对其进行适配。

尽管HOST无需更新自身参数，仅凭一段视频即可获得新技能，但其底层框架此前已经使用涵盖229项任务的193,462条机器人轨迹进行了训练。随后，该框架又利用5,847段人类演示视频进行了适配，每段视频均与相应演示任务的机器人轨迹配对。

论文作者写道：“HOST通过一系列基于自身状态的预测来解决技能获取问题。它首先估计机器人在演示任务中的进度，然后将接下来的任务进程转化为机器人自身未来的观测结果，最后根据这些预测的观测结果推导出动作。这一系列预测过程的训练目标与视频演示相关联。这些目标通过将机器人轨迹和视频演示映射到一个共享的任务进度流形上获得，随后重新定义每个目标，使其与视频的未来进程保持一致。由此，HOST能够使机器人主动跟随演示流程，并根据机器人自身的本体结构对其进行适配。”

加快机器人技能获取的潜在路径

研究人员利用一个真实世界中的双臂机器人系统对该框架进行了测试。该系统由两台ARX R5六轴机械臂组成，每台机械臂均配备平行夹爪，此外还搭载了三台RGB摄像头。

研究人员让机器人执行50项此前从未见过的实体操作任务。这些任务涉及不同的物体和工具，并要求机器人完成不同的动作。每项任务尝试20次，每次尝试时物体的初始位置或朝向都会有所不同。人类评估人员负责判断每次尝试是否成功。

Chen、Wang及其同事写道：“HOST能够在推理阶段仅凭一段人类视频获取新技能，平均耗时29秒，平均成功率达到62%。在保留此前已掌握技能的同时，其表现比零样本（zero-shot）基线高出45%。HOST甚至超过了针对每项任务使用50次机器人演示进行微调的基线方法，但所需演示次数减少了50倍，同时每项技能的获取速度提高了507倍。”

初步测试结果凸显了HOST在帮助机器人更快速地学习新技能、减少对大量特定任务演示依赖方面的潜力。未来，研究人员可以进一步完善这一框架，提高其成功率，并在其他机器人或更广泛的应用场景中进行测试。

放电过程中，锂离子从负极移动到正极；充电过程中，则向相反方向移动。两个电极均以活性材料为基础，随着锂离子的嵌入和脱出，这些材料会持续发生化学和结构变化。

由于许多正极材料较为脆弱，随着时间推移不断累积的机械应力可能导致其发生开裂。这一过程会降低锂离子电池的性能，使其能量容量逐渐衰减。

据外媒报道，近日，香港理工大学、香港科技大学及其他研究机构的研究人员设计出一种保护性纳米涂层，能够更加均匀地分散正极内部的应力，从而延缓或阻止微小裂纹的形成，而这些裂纹正是导致电池性能下降的原因之一。

研究人员在发表于期刊《Nature Nanotechnology》的一篇论文中介绍了这种新型涂层。该涂层本质上是一层极薄且柔性的聚合物层，能够在受到机械应力时发生形变，并随后迅速恢复原有形状。

论文共同通讯作者之一Qiang Liu在接受Tech Xplore采访时表示：“这项工作的主要灵感来自先进电池材料长期存在的一个问题：富镍层状氧化物的性能衰减。这些材料有望为锂离子电池和下一代固态电池提供高能量密度，但由于容易产生微裂纹，它们往往会随着时间推移发生性能退化，从而缩短电池寿命。2019年，我们在期刊《Nature Energy》上发表了一篇论文，报道通过自建的CVD工艺在晶界处施加聚合物涂层可以抑制开裂，但其背后的机制仍未得到解决。”

Qiang Liu及其同事发表早期论文后，一些储能材料研究人员开始思考：在电极材料中对晶界进行涂覆，除了保护表面之外，究竟为何还能防止电池内部发生性能衰减。这一问题促使Qiang Liu进一步研究导致脆性正极材料发生退化的机械因素。

Qiang Liu说道：“疫情期间，我开始徒步旅行，剧烈运动导致膝盖疼痛，于是我开始服用一些软骨补充剂。这一经历启发我研究软骨如何分散和管理应力，从而防止在反复载荷作用下发生损伤。这一类比让我想到，晶界涂层可能充当一种机械缓冲层，就像软骨在关节中分散应力一样，将应力分散到颗粒内部。我和团队——尤其是博士生Yutong Qiang Liu以及我的导师Guohua Chen教授——设计了一种聚合物结构来验证这一想法。大量实验和表征结果越来越支持这一假设，表明这种涂层能够充当应力耗散缓冲层，抑制电池运行过程中的动态开裂。”

图片来源：期刊《Nature Nanotechnology (2026)》. DOI: 10.1038/s41565-026-02224-y

能重新分配机械应力的形状记忆涂层

大多数广泛使用的正极材料都会随着锂离子的嵌入和脱出发生膨胀和收缩，由此在晶界处产生内部应力，即材料内部晶体彼此接触的界面。这一过程在富镍层状氧化物中尤为明显，而这类材料被广泛用于制造高容量电极。

Qiang Liu解释道：“传统方法的目标是增强材料强度，提高其发生开裂的阈值，但并没有改变应力形成的基本机制。我们的方法有所不同。我们并不是让材料变得更硬，而是在特定位置让材料变得更柔软，以吸收并耗散体积变化产生的能量，从而防止应力集中和开裂。”

具体而言，Qiang Liu及其同事在正极活性材料颗粒表面沉积了一层极薄的聚合物。这层薄涂层就像减震器一样，可以分散应力，并容纳正极颗粒内部的形变。

Qiang Liu说道：“我们的应力去局域化策略（stress‑delocalization strategy），直击电池反复循环工况下失效的根本原因。为验证该策略的潜力，我们表征了这种柔性晶界界面在模拟电池循环及外部应力作用下的表现。研究发现，相较于未涂覆颗粒，涂覆颗粒可以更好地维持结构完整性，进而获得更优异的电化学性能与更长循环寿命，验证了我们的应力耗散设计思路。”

研究人员在多种广泛使用的正极材料上测试了这一方法，包括含不同镍含量的层状氧化物以及磷酸铁锂（LiFePO₄）。结果发现，这种涂层能够有效减少这些材料中的裂纹形成，从而提高其耐久性。

Qiang Liu表示：“我们的聚合物涂层并非简单地增强材料强度，而是在锂离子嵌入/脱出过程中，使晶界处的机械应力实现去局域化并得到耗散，从而减少裂纹的萌生和扩展。我们显著提升了电池性能。由于涂层能够在反复循环和高倍率运行过程中保持结构完整性，电池的循环稳定性和倍率性能均得到改善。我们还将研究结果与近期的大量文献进行了对比，结果显示，我们的涂层方案具有较强的竞争力。”

图片来源：期刊《Nature Nanotechnology (2026)》. DOI: 10.1038/s41565-026-02224-y

进一步改进和测试新型涂层

研究人员开发的新型涂层最终有望推动更长寿命、更高能量密度电池的发展。这类电池还能够实现更快充电，这对于电动汽车和电网储能设备尤其具有优势。

这种涂层背后的化学-机械（chemo-mechanical）原理也可能很快启发研究人员开发类似的应力保护层，以减少更广泛化学体系和成分的正极材料发生开裂。

Qiang Liu说道：“我们的研究结果为涂层设计和晶界工程带来了新的机遇，可以针对性地调控材料的机械韧性，从而有望提高安全裕度，并进一步优化不同电池技术的性能。作为未来研究的一部分，我们将扩展材料体系和工作条件，寻找并评估更多聚合物涂层，使其能够在更加严苛的条件下以及不同正极化学体系中保持有效。”

目前，Qiang Liu及其同事正计划设计具有更高形变容忍度、更高电压稳定性和更强热稳定性的新型聚合物及多层涂层。此外，他们还希望在更多种类的活性材料上测试这些涂层，包括富锂层状氧化物、钴酸锂以及其他高能量密度正极材料。

Qiang Liu称：“我们很快将把化学稳定性、机械缓冲和界面效应整合到一个统一的设计框架中，并通过实验和多尺度建模进行指导，从而建立用于开发稳健涂层的设计规则。此外，我们计划将应力去局域化理念应用于全固态电池（ASSBs），以改善界面接触，并降低实际堆叠压力下的开裂。这包括在关键界面——例如正极/固态电解质、负极/固态电解质界面——引入弹性聚合物中间层，以增强界面结合、容纳形变，并在Li⁺嵌入/脱出过程中分散应力。”

作为未来研究的一部分，研究人员计划在不同结构配置、采用不同类型电解质的全固态电池中评估该涂层的性能。测试将重点关注电池的界面阻抗、循环稳定性、安全性和热行为，目标是实现能够在更低压力下运行、同时保持机械完整性的高能量密度全固态电池。

最后，研究人员还将努力提高涂层的可规模化制造能力，确保其能够方便地应用于商用电池。他们将开发相应工艺，使电池制造商能够处理数百公斤活性材料，并以均匀、一致的方式完成涂覆。

Qiang Liu补充道：“我们计划与产业界建立合作关系，开展快速筛选、工艺-结构-性能关系研究以及经济性评估，为商业化提供指导。我们还将评估该技术与现有电池生产线的集成情况，并考虑良率、废料、环境影响和安全性。我们的总体目标是提供可用于产业化的涂层工艺和集成策略，推动应力去局域化涂层在高能量电池中的广泛应用，从而为电动汽车、电网储能和消费电子产品带来明确的应用价值。”

普渡大学Edwardson工业工程学院助理教授Yu She研发了这项能够在任务过程中调整运动方式的水下机器人技术。他说道：“它会根据任务需求改变运动方式：是节省能量、航行更远、顺流移动、主动调整位置，还是摆脱受限区域。”

Yu She表示，水下机器人面临的一大挑战是，不同任务阶段往往需要采用不同的运动方式，包括被动漂流、浮力驱动滑翔和推进器驱动航行。每种方式都有各自的优势和局限。

他说道：“我们的技术将这三种运动模式集成到一个紧凑的水下平台中。机器人可以根据任务需求或环境条件选择合适的模式，而不必被固定在某一种运动方式上。”

这项技术尤其适用于需要水下机器人长时间运行、穿越受限或不确定环境，并在一次部署任务中灵活调整运动策略的场景。例如海洋和湖泊监测、洋流与水流测绘、水下结构巡检、冰架下方探索、环境传感以及分布式水下数据采集等。

Yu She已将这项创新披露给普渡创新技术商业化办公室（Purdue Innovates Office of Technology Commercialization），该办公室已申请专利以保护相关知识产权。

图片来源：普渡大学

传统水下机器人存在的局限

Yu She表示，如果水下机器人无法根据任务调整运动策略，任务的效率和可靠性可能下降，甚至导致任务失败。

他说道：“纯漂流平台可以随洋流移动，却无法主动驶向目标，也难以摆脱不理想的航行路径。纯滑翔平台续航能力可能较强，但在狭窄或复杂环境中可能难以行动。纯推进器驱动的航行器虽然机动性好，却可能快速消耗电量，从而限制任务持续时间。”

这些局限可能给终端用户带来一系列问题，包括运营成本上升、任务时间缩短、数据覆盖范围减少，以及机器人丢失或被困的风险增加。此外，用户可能不得不部署多个功能各异的专业化水下机器人，而不是使用一个综合平台。

他补充道：“在极地或海洋监测等科学应用中，这些局限还可能降低可获取数据的质量和数量，从而影响我们对重要环境过程的理解。”

开发、验证与下一步计划

这款集成式机器人通过协调浮力调节、内部配重移动、可折叠翼和推进系统，使机器人能够在一次水下部署任务中切换多种运动状态。

他说道：“当需要提高能效或跟踪环境变化时，它可以随周围水流漂移；当需要低功耗远距离航行时，它可以进行滑翔；而在需要主动机动、定点保持或摆脱受限环境时，则可以使用推进器驱动。”

这款机器人相当于“三合一”：既可以充当漂流器，也可以作为滑翔机或动力驱动航行器。目前，不同运动模式之间的切换仍需人工操作，但未来研究将探索实现自主模式切换。

他表示：“作为漂流器时，它会调节浮力，随周围水流移动。作为滑翔机时，它通过改变浮力并移动内部配重来调节俯仰角，同时展开水动力翼，将垂直运动转化为向前运动。当需要主动控制时，它可以利用推进器和转向机构进行更直接的机动。”

在水下测试池中进行的原型机概念验证测试展示了多项关键功能，包括可折叠翼机构的水下运行、浮力调节式下潜与上浮、推进器辅助平移，以及通过协调浮力调节、俯仰控制和机翼展开实现滑翔模式运动。

Yu She说道：“测试证实，各主要子系统能够在水下协同工作，机器人也能够实现预期的三模式运动行为。下一步将重点评估能效、续航能力、机动性、模式切换时间、控制精度和实际环境适应性等量化指标。”

他称，下一阶段的工作将包括对机器人架构进行严格的性能评估，并推动其达到实际部署要求。

他表示：“具体来说，我们希望量化能耗、续航能力、机动性、滑翔效率、模式切换性能，以及机器人在更真实水下环境中的鲁棒性。我们还将开发更先进的闭环控制和自主模式选择算法，让机器人能够根据任务目标和环境反馈，自主决定何时漂流、滑翔或启动推进系统。”

无人驾驶车辆正成为一个快速增长的产业。市场研究公司Grand View Research统计，2025年全球无人驾驶车辆市场规模达到293亿美元，预计到2033年将增长至676亿美元。其应用领域十分广泛，包括军事监视、包裹配送、科学研究和商业农业等。

不同应用场景都面临一个共同挑战：如何为车辆规划行进路线。车辆一开始可能只掌握需要搜索区域的大致范围，但随着获取的信息越来越多，原先的规划也需要随之调整。

Rohan Ghuge想知道，究竟需要多少信息才足以做出调整。他问道：“你到底需要多少数据，才能说，‘好了，现在该停下来了。我需要改变想法，改变一直在走的路线了。’”

图片来源：Unsplash / CC0公有领域

动态调整路线

Rohan Ghuge表示，当搜索人员不知道目标物体或其他数据具体位于何处时，路径规划大致存在两种极端情况。

在完全自适应模型中，车辆首先按照预设路线行驶，然后根据获取到的每一条新信息实时调整路线，比如根据拍摄到的森林某一区域的照片改变行进方向。

另一端则是非自适应模型：路线一旦确定，无论之后获得什么新信息，都不会改变。

两种模型各有优缺点。完全自适应模型能够规划出更优路线，但不断重新计算路径需要更多时间和计算资源。非自适应模型可能更快，但由于不会根据新信息调整路线，完成目标的效果可能较差，比如找到迷路的徒步者。

对于无人驾驶车辆来说，还要考虑电池续航以及数据上传频率等实际问题。

Rohan Ghuge与密歇根大学的Rayen Tan和Viswanath Nagarajan合作，希望找到准确性与效率之间的最佳平衡点。

搜索速度更快

研究人员测试了一种介于非自适应模型和完全自适应模型之间的混合模型。该模型先让机器人按照指定路线行驶，只有在每一段路线结束后——研究人员称之为一个“轮次”（round）——才重新计算路径。相关论文《Informative Path Planning With Limited Adaptivity》（有限自适应的信息路径规划）已发表于期刊《INFORMS Journal on Computing》。

第一轮采用非自适应方式，之后的轮次则逐步提高自适应程度。通过计算机模拟，研究团队发现：

* 采用两轮自适应的混合模型，搜索速度是完全自适应模型的15倍。

* 两轮自适应搜索的成本仅比类似的完全自适应搜索高12%。

* 超过前三轮后，准确率并没有明显提升。

Rohan Ghuge说道：“你其实不需要所有数据，也能做出不错的决策。如果是按轮次依次进行搜索，两三轮就足够了。”

对于希望快速解决问题的企业或机构而言，无论是开展搜救行动，还是帮助公用事业公司定位停电故障源，以小幅成本增加换取更快的响应速度，都可能带来巨大的优势。

Rohan Ghuge说道：“不断重新规划本身可能成本很高。当机器人只需要改变几次解决方案时，依然可以获得完全自适应方案的大部分优势。这种方式更加实用，而且只需付出少量额外成本。”

尽管潜力巨大，但目前大多数采用固态电解质传输氧离子的燃料电池都需要在500°C以上的高温下运行。这是因为其电解质只有在高温下才能快速传输氧离子。

高温运行不仅会增加燃料电池的工程设计难度，还会加速其内部组件的损耗。如果能找到在更低温度下传导带电粒子的合适材料，就有望简化燃料电池设计，并延长其使用寿命。

据外媒报道，近日，北京科技大学、海南大学等机构的研究人员开发出一类新的层状薄膜材料，其中原子形成了一种独特的排列模式，即Aurivillius型结构。研究团队在一篇发表于期刊《Nature Energy》的论文中指出，其中性能最佳的薄膜在350°C下表现出较高的离子电导率，并有望在更低温度下提升燃料电池的功率输出。

Chuanrui Huo、Shiqing Deng及其同事在论文中写道：“固体氧离子导体是固体氧化物燃料电池等高温（>500°C）电化学能源技术中的关键功能材料。让这些器件在更低温度下运行，可以简化系统设计、降低材料劣化程度并拓宽材料选择范围，但目前很少有导体能在这一温度区间实现足够高的离子迁移率。我们报道了一系列基于((Na0.5Bi0.5)n–1TinO3n)(Bi2O2)（n=4、5、7和8）Aurivillius型薄膜的氧离子导体，其低温性能颇具潜力。”

图片来源：Huo等人，《Nature Energy》，2026年

可在更低温度下传导氧离子的层状材料

Huo、Deng及其同事制备了四种成分略有不同的相关薄膜材料。这些材料由钠-铋-钛氧化物层块组成，层块之间由规则排列的氧化铋层隔开。不同材料中的层块分别包含4层、5层、7层或8层类钙钛矿层。

在制备薄膜时，研究团队首先采用了脉冲激光沉积技术。该方法利用激光脉冲从固体靶材中轰击出材料，使其沉积到支撑表面上，形成薄而有序的层状结构。

研究人员加入少量镁或锶，以调节薄膜的结构以及氧空位的数量。氧空位是晶格中的空缺位点，氧离子可以在这些位点之间迁移。研究发现，掺杂4%镁的Aurivillius型薄膜具有最佳的电导率。

论文作者写道：“这些Aurivillius相具有周期性排列的氧化铋层和四方畸变的Na0.5Bi0.5TiO3晶格，形成了明确的周期性快速离子传导通道，使其在350°C下的离子电导率达到0.025 S·cm−1。通过将原子尺度电子叠层成像与第一性原理计算相结合，我们认为，这些引人注目的特性源于局域晶格拉伸，以及特定氧化铋插层所诱导的独特双离子传导路径。”

燃料电池初步测试

为了验证这些材料的应用潜力，研究人员将优化后的镁掺杂薄膜用作实验室规模固体氧化物燃料电池的电解质，并分别向阳极供应氢气、向阴极供应空气。随后，他们在350°C下进行了200小时测试，以评估燃料电池的耐久性，并在400°C下测定其最大功率密度。

论文作者写道：“我们构建的燃料电池在400°C下实现了0.726 W·cm−2的最大功率密度，展现出良好的技术应用潜力。”

Huo、Deng及其同事开发的Aurivillius型材料仍有进一步优化的空间，也可以集成到采用不同结构设计的其他燃料电池中。未来，这类材料有望助力开发更耐用的固体氧化物燃料电池，同时简化其热管理系统。

这也是机器人研究人员多年来致力于研发“像鱼一样游泳”的机器人的原因之一——让机器人通过弯曲身体而不是旋转螺旋桨来游动。问题在于，大多数仿鱼机器人都是针对特定尺寸和特定任务设计的，因此想要放大或缩小，通常就意味着要从头开始设计。

据外媒报道，一个工程师团队表示，他们找到了解决这一问题的方法。他们推出了ScaFi，一款以鳕鱼、鲭鱼等鱼类为原型的机器人。这些鱼在游泳时，会让身体的大部分弯曲集中在靠近尾部的位置。这种运动方式在自然界中能够适应非常广泛的体型尺寸。

纽约大学坦顿工程学院（NYU Tandon School of Engineering）的Nana Obayashi说道：“目前，如果你想监测一条溪流，然后再去监测一个湖泊，基本上就需要两台完全不同的机器人，而且都得从头开始设计和测试。我们所关注的环境并非千篇一律，因此我们认为工具也不应该千篇一律。”据悉，她目前是机械与航空航天工程助理教授，也是纽约大学机器人与具身智能中心（NYU Center for Robotics and Embodied Intelligence）的教员。在EPFL攻读博士期间，她曾负责这项研究。

图片来源：纽约大学坦登工程学院

可扩展的尾部设计

正如研究团队在期刊《npj Robotics》发表的论文中介绍的那样，ScaFi由刚性前部和柔性尾部组成，尾部采用玻璃纤维杆制成。一台电机拉动两根在尾端附近交叉的肌腱，使尾部产生仿鱼游动所需的S形弯曲。

随着机器人尺寸变化，唯一需要调整的是构成尾部的杆件直径。随着机器人尺寸增大，杆件也按比例加粗，从而保持相似的尾部弯曲特性。而底层电机机构和交叉肌腱系统则保持不变。

这一设计有望减少针对不同环境开发仿鱼机器人的工程工作量。同时，它也为研究人员提供了一个研究平台，用于探索游泳性能如何随尺寸变化——无论是对真实动物还是定制机器人而言，这都是一个很难系统研究的问题。

跨溪流和湖泊开展测试

研究团队制造了三款机器人，长度分别约为0.6米（2英尺）、1.1米（3.6英尺）和2.9米（9.5英尺），并测试了它们的游动性能。

最小的机器人产生的水流涡旋与真实鱼类游动时留下的水流模式相似。在三种尺寸下，对运动进行体型尺度校正后，机器人的游动方式都高度一致。研究人员认为，这表明即使机器人长度扩大近5倍，其仿鱼游动模式依然能够保持。

团队还进行了实地测试：中型机器人被部署在瑞士一条溪流中，最大的机器人在日内瓦湖进行测试，最小的机器人则在深度仅15～30厘米（6～12英寸）的溪流中运行。在溪流测试期间，即使GPS信号中断，机器人仍能继续游动。

能效却没能同样顺利扩展

能效方面的表现却没有那么理想。两款较小的机器人表现相近，但最大的机器人始终效率较低，并需要配备功率更大的电机。

研究人员认为，阻力和惯性可能是造成这一差异的原因，但具体原因尚未确定。这意味着，该团队成功实现了游动方式随尺寸的扩展，却还没有让驱动这种游动所需的能耗同样实现良好的尺度扩展。

扰动测试也显示出了类似的权衡关系。最小的机器人机动性最强，但受到外力偏离航向后恢复得最慢；较大的机器人虽然灵活性较低，却更加稳定。

研究人员认为，这种围绕一个关键结构参数进行尺度扩展的方法，也可能适用于其他柔顺机器人，包括水下以外的机器人。至于能耗性能能否像游动方式一样实现有效扩展，目前仍有待进一步研究。

图片来源：华东师范大学

甲烷是一种强效温室气体，其来源包括天然气基础设施、畜牧场、垃圾填埋场和煤矿等。天然气基础设施的泄漏通常肉眼不可见，还会引发火灾和爆炸隐患。

“双光梳光谱技术能够同时高精度地测量多种气体，但其对环境噪声非常敏感，这会降低其性能。我们的研究正是为了解决并克服这一关键挑战，”华东师范大学研究团队负责人李文雪表示。“配备我们光谱系统的SUV可以昼夜巡逻居民区街道。如果地下天然气管道发生甲烷泄漏，该系统可以捕捉气体浓度，记录GPS坐标，并通知维修人员。”

研究人员在期刊《光学快报》（Optics Express）上发表了他们基于中红外双光梳光谱技术的新型车载系统。他们证明，该系统能够识别模拟的天然气泄漏，并绘制多个室外地点和道路环境中排放源周围的二维气体扩散分布图。

李教授表示：“随着技术的进一步发展，这项技术可以帮助城市和企业量化难以检测的温室气体排放，为减排政策提供数据支持。更精准的甲烷泄漏定位可以实现有针对性的维修，减少资源浪费，改善附近居民的空气质量。这项技术还可以集成到无人机上，用于在非道路区域进行甲烷检测，从而进一步拓展其潜在应用。”

从实验室到实际应用

中红外双梳光谱技术利用两个精确匹配的频率梳（产生多个等间距波长的光源）来检测气体。中红外区域尤其有用，因为许多分子在该区域具有强烈且独特的吸收特征，使其非常适合灵敏的气体检测。

虽然双梳系统在实验室中应用广泛，但将其应用于实际现场却面临诸多挑战。这些系统通常依赖于精确校准的光学元件，包括固定望远镜和反射镜，这限制了其自由移动和搜索未知泄漏源的能力。在实际环境中，辐射源可能分散在各个区域，并随风向变化而移动。

为了应对这一挑战，研究团队结合多项先进技术，打造出一套紧凑型系统，能够在移动车辆上可靠地进行高精度气体检测。该系统利用特制的抗振光纤激光器产生频率梳。研究人员还开发了一种方法，使两个频率梳光源能够自然同步，无需复杂的硬件来主动保持相位一致。

图片来源：华东师范大学

中红外光进入一个紧凑的开放式气体池，该气体池能够有效地穿过周围空气，形成一条25米的路径，从而在无需大型仪器的情况下提高系统的灵敏度。

“我们的系统无需在现场预先部署任何硬件，在运动过程中即可保持接近实验室级别的检测精度，支持高达100公里/小时（62英里/小时）的车速，并能对气体羽流热点进行地理定位，”研究院Luo说道。“此外，整个硬件结构紧凑，功耗相对较低，并采用模块化即插即用设计。”

系统路测

为了测试新系统，研究人员在大学校园内以约20公里/小时（12英里/小时）的速度进行了短途行驶，并在多个地点采集数据。随后，在城市道路和高速公路上进行了1小时、47公里（29英里）的路测，速度最高可达100公里/小时（62英里/小时），每秒采集一次读数。

该系统的品质因数达到了3.4 × 10⁶ Hz，与典型的实验室中红外双光梳光谱系统相当。它还能以66 ppb的精度测量甲烷，以114 ppm的精度测量水蒸气。在长距离城市测量期间，背景甲烷平均浓度为1.815 ppm，水蒸气平均浓度为1.072%。测量结果保持稳定，为识别局部气体浓度升高提供了稳定的基线。

研究人员还进行了受控甲烷释放测试，驾驶车辆驶过两个模拟泄漏点，以检测和定位甲烷羽流。他们围绕其中一个泄漏点绕圈行驶，生成了二维浓度图，该图与当地的风向模式高度吻合。

测试证实，该硬件能够承受真实道路上的振动和户外天气条件，并能准确检测大气背景浓度以及来自受控泄漏源的高浓度气体羽流信号。

为了推进研究原型的发展，研究人员计划通过扩展光谱覆盖范围来提高性能，从而实现多种痕量气体的同时检测，并进一步抑制长时间积分期间的基线漂移。他们还计划开发针对海量移动数据优化的自动化分析软件，并继续小型化系统，以降低其尺寸、重量和成本。最终，他们希望将该系统集成到无人机平台上，用于监测非道路区域。

图片来源：名古屋大学

据外媒报道，由名古屋大学（Nagoya University）材料与系统可持续发展研究所（IMaSS）的王海涛（Haitao Wang）和王佳（Jia Wang）领导的研究团队开发了一种降低p型GaN接触电阻的新方法。他们在p-GaN表面沉积了一层超薄镁层，并在600°C（1112°F）下进行5分钟的热处理，在不损伤表面的情况下实现了(1–3) × 10⁻⁴ Ω cm²的接触电阻。这是目前报道的薄型p型氮化镓（GaN）接触电阻率最低的器件之一。相关研究成果已发表在期刊《应用物理快报》（Applied Physics Letters）上，有望提高电动汽车和数据中心等场所使用的各种电子设备的能效。

p-GaN接触的挑战

镁掺杂p型GaN由名古屋大学的Isamu Akasaki和Hiroshi Amano开发，其蓝色LED的研究成果获得了2014年诺贝尔物理学奖。在这种材料中，通过添加少量的镁来产生空穴，镁的价电子比周围的镓少一个，这一过程称为掺杂。

然而，镁在室温下是顽固的电子受体。因此，金属-半导体边界没有足够的可移动空穴，形成一个称为耗尽区的宽势垒。该势垒对电荷流动产生高阻力，因此需要更多的能量来驱动电流通过它。

应对这种高电阻率的一种方法是生长界面处空穴浓度高的重掺杂GaN层。但这是一个成本高昂且费力的过程，在后续的器件制造阶段（例如等离子蚀刻）中很容易受到损坏。

一层薄薄的镁层就能解决问题

几年前，同一研究团队尝试将一层金属镁直接沉积在氮化镓（GaN）晶片上，并采用一种称为退火的热处理方法进行处理。这层镁层相对较厚，厚度达几十纳米。在此过程中，他们还发现了一种非凡的超晶格结构的出现。

“这种超晶格对于基础科学来说非常有趣，”领导2024年发表在《自然》杂志上的这项研究的Jia Wang说道，“但当时，退火后的表面过于粗糙，引发了人们对器件可靠性的担忧，特别是对于薄的p型GaN而言，因此这种方法的一些优势未能得到充分展现。”

为了解决表面粗糙度问题，Haitao Wang转而沉积更薄的镁膜。问题在于镁的高活性，使其在空气中极易氧化。为了防止氧化，通常会使用一层保护盖层将镁与空气隔离。但所有使用盖层的样品都出现了不必要的杂质。

图片来源：名古屋大学

“然后我尝试了一个不加盖层的样品作为对照，结果出乎我的意料，”Haitao Wang表示，“我发现盖层并没有起到任何作用。”很可能只有最外层的镁被氧化，即使总厚度不超过10纳米，其余部分也能保持完好。

研究人员对这层薄层进行了一种称为“软退火”的热处理。在软退火中，样品被加热到比常规退火更低的温度（600°C/1112°F）和更短的时间（5分钟）。在此过程中，超薄镁层迅速被消耗，因为镁会扩散到p型GaN的表面区域。令研究人员欣喜的是，这种新的表面比他们之前的研究结果更加光滑。

这种超薄、超高浓度的镁掺杂层缩小了接触耗尽区，并促进了空穴隧穿，从而降低了接触电阻。

此外，这种“自上而下”的晶体生长工艺比“自下而上”的晶体生长工艺更简单、快捷、成本更低。它还可以应用于器件加工之后，使其更具灵活性，并与现有的制造工艺兼容。因此，它有望加速高效半导体的商业化进程。

“我们目前正在将这种方法应用于不同类型的器件，例如电动汽车中的LED和晶体管，”Haitao Wang说道。

图片来源：USPTO

通用汽车的这项专利申请描述了一种可折叠的后排扶手，它还可以用作小型桌子或工作台。该扶手专为后排长座椅设计的车辆而打造，并通过枢轴关节与座椅靠背连接。不用时，扶手可收纳于座椅靠背的凹槽内，几乎与周围表面齐平。乘客需要使用时，可将扶手拉下覆盖在中间座椅垫上。铰链还可以将扶手固定在完全抬起和完全放下之间的几个角度。

除了支撑乘客手臂外，扶手还可以包含一个铰链盖下的储物格。此外，还可以选配托盘部分。这些功能使得扶手无需在车厢其他位置安装独立组件即可实现多种功能。

图片来源：USPTO

其主要特点是扶手内部隐藏着一个可伸缩面板。该面板通过导轨系统从两侧滑动，从而调整位置，使其覆盖扶手左侧或右侧乘客的座椅垫和腿部。导轨可以固定面板，使其处于完全收纳、完全展开或介于两者之间的任何位置。

通用汽车概述了两种方案：一种采用单面板设计，另一种采用两块拼接面板设计。在两块拼接面板的设计中，两部分在存放时可以堆叠在一起。组件滑出后，上部面板绕铰链旋转，直至与下部面板并排，形成一个更大的水平表面。根据铰链的布置方式，下部面板可以向车辆侧面或前方展开。该枢轴还可以在面板承重时将其锁定到位。

图片来源：USPTO

这个扩展平台旨在像桌子或办公桌一样使用，可以放置笔记本电脑、平板电脑或智能手机。这对于需要在旅途中办公的乘客来说尤其方便。

不同的动态高斯散射（DGS）方法在特定条件下表现良好，因为每种运动表示方法都有其自身的优势和局限性。因此，单一的表示方法往往难以泛化到异构的真实世界动态环境中。

图片来源：釜山国立大学

混合专家的两种方法

据外媒报道，为了克服这一局限性，釜山国立大学（Pusan National University）Kyeongbo Kong教授领导的研究团队开发了两种互补的专家混合框架，以结合多种运动表征的优势。MoE-GS独立训练多个动态高斯模型，然后通过学习到的专家路由自适应地融合它们的输出。

相比之下，MoDE使用共享的高斯表征，在联合优化过程中集成多个形变专家。这些框架并非依赖单一运动模型，而是利用多个专用模型的互补优势来改进动态场景重建。

该论文发表于期刊《IEEE Transactions on Pattern Analysis and Machine Intelligence.》。

更适合混合运动

“我们进行了系统分析，发现现有的动态高斯散射方法在各种场景下都无法始终保持最佳性能。基于此，我们提出了MoE-GS，这是首个通过专家混合架构自适应地融合多个专用动态高斯模型的框架，而非依赖单一表示，”Kong表示。

研究人员发现，与依赖单一动态表示相比，融合互补的专家模型能够更精确地重建包含多种运动类型的复杂场景。自适应路由策略使框架能够针对每个区域和时间步长融合最合适的专家模型，从而在保持对各种动态场景灵活性的同时，提高重建质量。

物理人工智能的基础

该团队认为，这种自适应方法可以通过异构运动更可靠地重建复杂环境，从而增强机器人、数字孪生、自主系统和空间计算中使用的人工智能系统。

展望未来，他们认为，随着人工智能朝着与物理世界更自然地交互的方向发展，准确地建模不同的现实世界动态将变得越来越重要。他们希望他们的工作能为动态场景理解、世界模型和物理人工智能的未来研究提供宝贵的基础。

Kong表示：“我们的研究结果表明，组合多个专门的运动表示可以是处理异构动态的有效方法，而单一表示很难一致地建模。”

图片来源：施耐德电气

目前，加拿大道路上已有近百万辆插电式电动汽车，联邦政府的激励措施也促使更多车主选择电动汽车，因此，家用充电已成为电动汽车车主体验的重要组成部分。家用充电不仅方便快捷、运行成本更低，还能确保日常用车无忧，但安装和房屋是否具备相关条件的不确定性可能会阻碍许多加拿大人接受家用充电桩。施耐德充电桩正是为了消除这些障碍而打造的。

施耐德电气加拿大家庭和商业解决方案部副总裁David O’Reilly表示：“加拿大人不必在在家充电和进行昂贵的电力升级之间做出选择。凭借内置的SmartAmp，Schneider Charge可在家庭现有的电力容量内工作，让更多的人可以放心地插入电源，享受便利和日常准备，从而使电动汽车的拥有变得更加容易。”

在现有的家居环境中即可实现充电

施耐德充电系统的核心是SmartAmp，它内置负载管理系统，能够实时监控家庭用电量并动态调整充电速度，确保系统始终在配电盘的额定容量范围内运行。由于监控功能已集成在配电盘内（系统自带），因此无需额外的能源监控硬件，即使没有Wi-Fi连接，负载监控也能持续进行。这使得安装更加快捷简便，并且在许多家庭中，无需昂贵的配电盘或服务升级即可轻松添加二级充电器。

通过施耐德充电应用程序，用户可以根据分时电价制定智能充电计划，监控充电过程，并在电价最低时优先充电，从而优化家庭能源使用并控制成本。

专为加拿大车道和加拿大冬季气候打造

Schneider Charge提供高11.5千瓦/48安培的二级充电功率，并提供NACS (J3400)和J1772两种连接器选择，可与家庭现有电动汽车以及未来可能添置的新车完美匹配。该产品适用于室内和室外安装，可在低至-30°C的温度下正常工作，并通过了能源之星认证，并享有三年质保。

对于电工和承包商而言，Schneider Charge的安装设计更加便捷。eSetup应用程序使调试过程简单易行，可重复操作，从而有效缩短工时。加拿大的房主可通过施耐德电气与Qmerit安装商网络的合作，获得认证安装服务。

Schneider Charge目前可通过电气分销商和主要零售商的线上平台购买，并将于今年晚些时候在加拿大各大零售商的实体店上架。

图片来源：Aeonsemi

Arcadium™是Aeonsemi的专有硅振荡器技术。与依赖机械谐振器的石英和MEMS振荡器不同，Arcadium™振荡器采用标准CMOS工艺实现的电子LC谐振器，无需任何机械谐振结构。先进的片上DSP、传感和补偿功能可确保在不同温度范围内保持精确的输出频率。这种基于CMOS的架构能够简化半导体供应链，实现快速频率定制和可扩展的生产。Arcadium™振荡器已出货超过5000万个，广泛应用于网络、数据中心和工业领域，迄今为止未发生任何现场返修故障——这充分证明了Aeonsemi全硅振荡器技术的卓越可靠性。

“客户不仅重视Arcadium™的性能和灵活性，也重视我们能够快速响应他们的时序需求，”Aeonsemi首席执行官Yunteng Huang表示，“我们为Arcadium™卓越的可靠性记录感到无比自豪，并很高兴能将这项久经考验的技术应用于更小巧、更低功耗的平台，该平台专为下一代汽车、机器人和物理人工智能系统而设计。”

ArcadiumNano™基于Arcadium™系列久经考验的可靠性和精简的CMOS供应链，与上一代Arcadium™器件相比，功耗降低了高达80%，工作温度范围扩展至+125°C，封装选项也更加丰富，涵盖了行业标准的1.2 × 1.0 mm (1210)、2.0 × 1.6 mm (2016)、2.5 × 2.0 mm (2520)和3.2 × 2.5 mm (3225)封装。 1.62 V至3.63 V的连续供电范围、内置SSC和两周内可定制的样品，进一步简化了其在各种应用中的采用。

ArcadiumNano™主要特性

• 封装选项和工作温度范围：

3.2 × 2.5 mm、2.5 × 2.0 mm、2.0 × 1.6 mm：-40°C至+125°C，AEC-Q100 1 级

1.2 × 1.0 mm：-40°C至+105°C，扩展工业级

• 宽连续电压范围：1.62 V至3.63 V

• 出色的电源噪声抑制：内置LDO

• 频率稳定性：在整个工作温度范围内总稳定性为±50 ppm

• 扩频时钟：可编程中心/下扩频高达±3.9%

• 快速定制：两周内可提供定制样品

固态电解质是解决这些挑战的一种很有前景的方案。它们具有电化学稳定性好、机械柔韧性强和制造工艺优势等优点。尽管如此，其实际应用仍受到离子电导率低的限制，这会阻碍锂离子迁移，并加剧与锂金属负极的界面问题。

图片来源：全南国立大学

据外媒报道，由韩国全南国立大学（Chonnam National University）高分子工程系及高分子科学与工程学院教授Mincheol Chang领导的研究团队，开发出一种新型三层复合固体电解质（CSE），能够增强锂金属电池（LMBs）中的离子传输并抑制枝晶形成。

Chang教授解释说：“受贻贝用于附着在岩石上的天然粘附蛋白的启发，我们的三层复合材料将化学活性陶瓷填料与柔性三嵌段共聚物相结合，从而提高了离子电导率和机械强度。”该研究成果发表于期刊《先进材料》（Advanced Materials）。

一种具有不同功能的分层设计

所提出的三层结构由柔软的外层构成，该外层由聚环氧乙烷/双(三氟甲磺酰)亚胺锂(LiTFSI)基体组成，包裹着一个由聚多巴胺(PDA)包覆的Li7La3Zr2O12 (LLZO)颗粒（作为陶瓷添加剂）和聚乙二醇-嵌段-聚丙二醇-嵌段-聚乙二醇(PPP)（作为韧性聚合物组分）增强的中央硬层组成。该三层膜采用溶剂辅助分散、流延成型、热层压和热压等工艺制备而成。

柔软的外层设计用于与电极和锂离子传输通道紧密接触。同时，中心PDA@LLZO-PPP层形成机械强度高且导电性强的骨架。具体而言，化学活性PDA包覆的LLZO（PDA@LLZO）颗粒通过PDA和PEO链之间的氢键耦合以及渗流导电通路，提高了锂离子的迁移率。

PDA还通过与TFSI⁻离子选择性相互作用来提高锂离子浓度。柔性PPP聚合物增强了混合网络，提高了其机械弹性，并有助于抑制锂枝晶的生长。

循环稳定性显著提升

实验表明，优化后的CSE-30设计（PDA@LLZO掺入量为30 wt%，且各层厚度相等）的离子电导率比纯PEO高出近四倍。此外，其锂离子迁移数（衡量锂离子传输效率的指标）高达0.81。

在对称电池测试中，CSE-30实现了超过1000小时的稳定循环，且无枝晶生长。在全电池测试中，其容量为133.6 mAh g⁻¹，经过1000次充放电循环后容量保持率超过80%。

此外，在柔性软包电池结构中，即使电池被折叠或部分切割，仍能继续为LED供电，展现出优异的机械耐久性和功能可靠性。

“我们的电解液专为下一代锂金属电池而设计，可延长电动汽车的续航里程，提升电池安全性，并应用于柔性可穿戴电子设备和长循环寿命的电网级储能系统，” Chang教授表示。

总而言之，这种三层结构设计为开发更安全、更持久的电池提供了一个切实可行的方案，为锂金属电池在电动汽车、消费电子产品、可穿戴设备和电网级储能领域的应用铺平了道路。

市场对能够紧密贴合皮肤或曲面的柔性近红外传感器的需求也在不断增长。然而，目前可穿戴设备中使用的大多数近红外传感器都依赖于安装在柔性基板上的刚性硅光电探测器，这限制了它们在需要反复弯曲的应用中的适用性。

基于有机半导体和量子点的柔性光电探测器已被研究作为替代方案，但有机半导体通常存在耐久性不足的问题，而量子点的环境稳定性有限，会导致性能下降。

图片来源：期刊《先进科学》

据外媒报道，为了克服这些局限性，韩国材料科学研究院 (KIMS) 能源与环境材料研究部首席研究员Jung-Dae Kwon、Yonghun Kim和尹钟元Jongwon Yoon领导的研究团队开发了一种柔性近红外光电探测器，其光响应度比传统探测器高出五倍以上，且在反复弯曲的情况下仍能保持性能。这项技术有望成为下一代柔性光电器件的核心平台，包括可穿戴医疗保健设备、医疗诊断传感器和光通信接收器。

该器件采用异质结结构，结合了与传统CMOS半导体制造工艺兼容的n型氢化非晶硅 (n-a-Si) 和能够高效吸收近红外光的碲 (Te)。

研究人员同时优化了磷掺杂和器件的内部电场结构，在保持其在反复弯曲下的机械耐久性的同时，显著提高了其光敏性和探测性能。

该研究成果发表在期刊《先进科学》（Advanced Science）上。

精细调控电荷流动

该光电探测器采用柔性无色聚酰亚胺（CPI）衬底，通过依次堆叠碲、氢化非晶硅、前表面场（FSF）层和透明电极制成。碲吸收近红外光并产生载流子，而n型非晶硅层则促进载流子向电极的传输。

研究人员精确控制了非晶硅中的磷掺杂浓度，以减少内部缺陷并改善电荷传输性能。

他们还在透明电极和n型非晶硅层之间引入了FSF层。由此产生的电场结构能够更有效地引导光生载流子向电极移动，同时抑制电子-空穴复合，从而最大限度地减少电信号损耗。

应力下响应更强

因此，与传统器件结构相比，所开发的光电探测器的光响应度提高了约5.1倍，探测率提高了约2.6倍。此外，该器件在400至1600纳米的宽波长范围内均表现出稳定的光探测性能。

经过4000次弯曲循环后，该器件仍保持了初始光响应度的90%以上，展现出优异的机械耐久性，适用于柔性器件应用。

该研究的关键在于，研究团队并非通过开发新型吸光材料或改进光敏层本身来提升光电探测性能，而是同时优化氢化非晶硅的材料质量和半导体器件的内部电场结构。

这种方法无需引入额外的复杂制造工艺即可显著提升光电探测器的性能，从而在降低制造成本和商业化潜力方面具有优势。

适用于大面积可穿戴设备

由于该技术基于与传统CMOS制造工艺兼容的无机半导体，因此也非常适合大面积制造。它在柔性基板上保持高性能和机械耐久性的能力，使其尤其适用于贴附于皮肤的传感器和集成在曲面上的电子器件。

该技术有望成为各种柔性光电应用的关键平台，包括可穿戴医疗保健设备、医疗诊断传感器、光通信接收器以及用于自动驾驶汽车和机器人的图像传感器。

“这项研究表明，通过同时控制半导体材料的微观结构和器件的内部电场，可以显著提高柔性近红外光电探测器的性能，”KIMS首席研究员兼项目负责人Kwon教授表示。

“我们期望这项技术能够成为可穿戴光学传感器和下一代光电系统的核心组件。我们将继续研究，通过整合大面积制造和低功耗运行技术，打造下一代柔性光电平台，”他补充道。

图片来源：Fraunhofer ISE

“扩大生产面积是有机光伏技术面临的主要挑战之一，”Fraunhofer ISE有机和钙钛矿光伏部门负责人Uli Würfel博士解释道。小型手工太阳能电池在实验室中取得的良好结果往往无法转化为工业化生产，因为其制造工艺无法应用于大面积生产。

“我们现在首次成功地使用狭缝涂布工艺几乎无损耗地涂覆了太阳能电池的所有层，这对我们来说是一项重大突破。”太阳能电池的背电极是在前一道工序中使用溅射法涂覆的，这也是一种成熟的制造方法。

平衡透明度和输出

在半透明有机光伏器件的开发过程中，透光率与随之而来的效率损失（以光利用效率 (LUE) 表示）之间始终存在权衡。研究人员利用210.25平方厘米的半透明有机光伏组件，实现了高达9.26%的效率，平均可见光透过率为43.2%。这相当于高达4.0%的光利用效率。该项目的研究成果已于8月初发表在期刊《焦耳》(Joule)上。

“现在我们已经掌握了制造工艺，我们乐观地认为，我们可以在不影响效率的前提下显著提高透明度，”Würfel补充道。

从玻璃幕墙到柔性薄膜

透光率超过50%的有机太阳能组件可替代建筑立面或温室中的窗户玻璃。在需要有色玻璃的场合——例如汽车车顶和外墙构件——较低的透光率甚至可能成为优势。

每个组件中，超过100个太阳能电池通过激光结构化技术互连。这些太阳能电池由以下部分组成：反射近红外光的背电极（通过溅射沉积在玻璃基板上）；由有机半导体制成的吸收层；以及由聚合物PEDOT:PSS制成的无金属顶电极（使用狭缝涂布法分层涂覆）。Heraeus Epurio为该顶电极开发了一种新型PEDOT:PSS配方，这有助于光伏组件实现更高的透光率。

狭缝涂布技术与卷对卷工艺兼容，因此也适用于薄膜太阳能组件的生产。“作为该项目的一部分，我们已经生产出首批柔性有机光伏组件，这些组件在直径为15毫米（0.6英寸）的杆上经过1274次弯曲循环后，仍能保持100%的初始效率。” Fraunhofer ISE有机和钙钛矿光伏研究员Mathias List博士解释道。ROWO Coating公司负责生产用于此目的的薄膜。“下一步的目标是在此基础上实现更大面积的组件生产。”

图片来源：TI

现有的无芯解决方案仅限于单轴测量，而TMCS2100-Q1传感器是首款能够同时测量水平和垂直方向磁场的传感器。这种多轴测量精度比单轴测量高20倍，在0.4毫米的位移范围内，误差小于1%，在0.1毫米的位移范围内，误差低至0.25%。如此高的精度可显著提升电动汽车动力总成扭矩控制回路的性能，在各种负载和温度条件下最大限度地提高效率和功率输出。

“工程师们首次拥有了一款突破现有解决方案局限性的霍尔效应电流传感器，这对于800V架构提高牵引逆变器精度要求尤为重要，”德州仪器(TI)传感产品副总裁兼总经理Jason Cole表示。“TMCS2100-Q1的开发得益于TI先进研发中心Kilby Labs的尖端研究成果，旨在为汽车制造商提供一种工具，以构建混合动力汽车（HEV）和电动汽车（EV），更精确的电流测量可直接转化为更长的续航里程、更平顺的驾乘体验和更高效的电机控制。”

汽车制造商不断致力于减轻牵引逆变器的重量并提高其效率，以延长续航里程并提升车辆性能。传统的测量方法给设计人员带来了一个根本性的权衡：

• 采用磁芯（或C型磁芯）的解决方案虽然精度高，但体积和重量都比较大。

• 无磁芯方案体积更小，但由于位移误差和磁串扰，精度有所降低。

TI目前的传感技术通过以下方式解决了这一权衡问题：

• 同时测量两个轴向：车辆行驶过程中的振动会在传感器和导体之间产生位移，导致单轴差分无芯传感器精度下降。TMCS2100-Q1传感器通过同时测量水平和垂直轴上的磁场，显著降低了振动引起的误差。

• 保持精度：降低误差并保持精确的电流测量可最大限度地减少磁串扰的影响和转矩脉动，从而避免加速顿挫、电机噪声和运行效率低下，最终缩短续航里程。

TMCS2100-Q1传感器无需磁芯即可实现高精度测量，从而能够设计出更小巧、功率密度更高的牵引逆变器，帮助汽车制造商打造更高效、续航里程更长、驾驶体验更佳的电动汽车。该器件是TI汽车产品组合中的最新创新成果，体现了我们持续致力于解决客户在整车制造过程中遇到的各种挑战。

图片来源：威世

此次发布的符合AEC-Q200标准的器件可在高达+150 °C的高温下工作，为DC/DC电源、LCD显示器、照明驱动器、车载以太网和电池供电设备提供噪声抑制和滤波功能。虽然环形共模扼流圈的直流电阻(DCR)通常为23 mW，但ICM5050-A、ICM6050-A、IFLN-1210BE-A和IFLN-1812CZ-A的直流电阻低至0.4 mW至12 mW，可降低功率损耗并提高这些应用的效率。

ICM5050-A和ICM6050-A是绕线式铁氧体共模电感器，5050封装尺寸的电流处理能力高达11 A，6050封装尺寸的电流处理能力高达14 A。它们的封装尺寸分别为12.0 mm x 11.0 mm x 6.0 mm和15.0 mm x 13.0 mm x 6.0 mm，可以替代尺寸通常为19 mm x 30 mm x 28 mm的大型环形共模电感器，从而节省电路板空间。

IFLN-1210BE-A和IFLN-1812CZ-A是采用精密绕线工艺的铁氧体共模电感器。这些器件在紧凑的1210和1812封装尺寸下，在100 MHz时可提供高达11 Ω的出色共模阻抗，使其成为抑制CAN、LAN和汽车DC/DC转换器中EMI噪声的理想选择。

图片来源：罗姆

随着电动汽车向更高电压发展，碳化硅（SiC）在牵引逆变器等高功率应用中的应用日益广泛。与此同时，650V IGBT也被广泛用作低功率辅助系统的开关器件，例如汽车电动压缩机和高压加热器。硅基IGBT也广泛应用于工业设备，特别是电机和压缩机，预计市场需求将持续增长。

这些应用需要更高的节能效果和更小的设备设计，因此对具有更高可靠性、更小尺寸和更高效率的功率器件有着强劲的需求。特别是，逆变器和加热器电路需要足够的短路容限，以承受短路期间检测和中断过电流所需的时间。

为了满足这些市场需求，罗姆重新设计了器件结构，包括工艺和边缘端接结构，开发出第四代IGBT，该器件兼具低损耗特性和高短路容限，同时满足更高的电压要求。通过改进器件结构，产品提高了电流密度，同时降低了导通损耗和开关损耗。此外，尽管在降低损耗和提高短路容限之间存在权衡，但该产品在Tj = 25°C时仍能保证7 µs的超长短路耐受时间。这有助于提高应用效率和可靠性。

该产品线包括12款采用TO-247N封装的产品，即RGAxxTS65HR/RGAxxTS65EHR系列，以及10款裸晶圆产品，即SG83xxWN系列。罗姆还在开发12款采用TO-247-4L封装的产品，即RGAxxTR65HR/RGAxxTR65EHR系列。电路设计所需的设计模型和资料也可从ROHM官方网站下载。

TO-247N封装产品和部分裸晶圆产品现已上市。用户可通过DigiKey和Farnell等在线分销商购买TO-247N封装产品。

展望未来，罗姆计划在现有封装基础上进一步扩展产品线，并开发采用TO-263L封装和顶部冷却（TSC）封装的紧凑型表面贴装IGBT产品。罗姆将继续拓展其高性能IGBT产品线，助力汽车和工业设备应用实现更高效率的驱动和小型化。

应用示例

• 汽车电动压缩机

• 汽车高压加热器（PTC加热器、冷却液加热器）

• 工业设备逆变器

图片来源：Addionics

凭借这项新技术，Addionics正在解决市场的痛点。电池性能的提升，为企业拓展新市场、新应用领域以及在以往无法涉足的地区和行业扩大业务打开了大门。传统电池在低温下性能下降，造成了成本高昂且复杂的限制。电动汽车的电池在低温下可用能量减少，而车辆却需要消耗更多能量用于车厢加热、电池加热以及充电前的热准备。因此，在严寒的冬季，电动汽车的续航里程可能会损失高达40%。电动半挂卡车需要电池提供巨大的动力，因为满载的卡车重量巨大，且在高速公路上以持续高速行驶；寒冷天气导致的动力下降可能迫使车辆减少有效载荷或避开冬季路线。此外，冰冻条件还会缩短国防无人机的任务时间、缩小作战半径，并限制其发射和机动所需的可用能量。对于太空任务而言，在寒冷条件下保持电池处于合适的温度需要加热能量、热硬件以及额外的储能。降低电池的加热需求可以为整个航天器动力系统带来益处，包括电池、太阳能电池阵列和发射质量。

Addionics的智能3D多孔集流体改变了电池内部的传输结构。这种多孔结构允许电解液和锂离子穿过集流体平面，从而在整个电极中创建额外的通道。这缩短了有效传输距离，提高了活性物质的可及性，并将电化学反应分散到更大的体积内。通过改善电池内部离子、电子和电化学反应的传输方式，该技术使电池在温度降低时仍能保持更高的性能。

“通过革新电池架构，Addionics正在消除电气化系统面临的一些最大限制，”Addionics首席执行官兼创始人Moshiel Biton博士表示。“电池需要在任何地点和温度下都能发挥最佳性能，才能确保其所驱动的产品始终可靠运行。Addionics正引领着将曾经不可能的事情变为现实的潮流。我们正在助力打造一个全天候运转的世界——无论何时何地，即使在严寒中也能如此。”

Addionics通过先进的架构不断重新定义电池性能。公司与全球领先的机器人和物理人工智能相关应用领域的企业开展合作，涵盖国防、航天、汽车、储能和下一代工业应用等行业。

图片来源：旭化成

随着电动汽车（EV）和人形机器人的日益普及，锂离子电池需要提供更高的能量密度。为此，研发工作主要集中在用硅基材料部分替代负极中的石墨，以及提高正极材料的工作电压。

然而，硅基负极在初始充电过程中会遭受显著且不可逆的容量损失，严重限制了电池的寿命和总能量密度。为了弥补这一缺陷，需要增加正极活性材料的用量，这反过来又会导致更高的材料消耗和成本。

旭化成公司将目光投向了碳酸锂，它价格相对低廉，并且作为锂离子电池（LIB）材料的应用历史悠久，可作为现有方法的替代方案。然而，由于碳酸锂的分解电压远高于锂离子电池的标称工作电压范围，因此将其用于锂预掺杂应用一直较为困难。

旭化成开发的锂预掺杂技术，通过在电解液中添加特殊添加剂，促进碳酸锂在标准锂离子电池典型电压下的分解。这样，碳酸锂就可以预先添加到正极中作为牺牲锂源，并在初始充电过程中分解以提供锂。使用低成本的碳酸锂可以显著提高能量密度。内部测试表明，采用90%石墨和10%二氧化硅负极的镍锰钴（NMC）电池，能量密度提高了10%。此外，该技术在降低每瓦时成本的同时，还能提高循环寿命，无需对现有电池生产线进行重大改造即可应用，并且有望广泛应用于各种正负极材料体系。

旭化成计划对这项技术进行许可授权，并提供灵活的合作框架，以支持分阶段实施，并根据每位客户的发展阶段量身定制方案。该战略是公司中期经营计划（MTP）的一部分，该计划还包括其“技术价值业务创造”（TBC）计划。通过TBC，旭化成旨在通过提供包括许可授权在内的多种形式，从其丰富的无形资产（例如专利、专有技术、数据和算法）中创造价值。通过这种基于许可授权的业务发展模式，公司目标是在2025至2027财年期间至少达成10项新的许可协议，并在2030年左右实现累计利润贡献100亿日元以上。

图片来源：KAIST

由机械工程系Kang Taek Lee教授领导的研究团队与材料科学与工程系EunAe Cho教授合作，构建了一个基于商用石墨负极微观结构和规格的三维数字孪生模型。利用该模型，研究人员定量分析了快速充电过程中出现的局部衰减机制。

锂离子电池的负极由石墨（用于储存锂）、粘结剂（用于将石墨颗粒粘合在一起）以及充满电解液的孔隙（锂离子在其中移动）组成。充电时，锂离子会进入负极的石墨颗粒中，并嵌入其中储存。

但如果充电速度过快，部分锂离子无法及时进入石墨，而是以金属锂的形式沉积在石墨表面——这种现象称为锂沉积。这类似于停车场入口处车辆拥堵的情况，因为车辆同时到达而无法及时进入。如果这种情况持续下去，会降低电池的性能和寿命。

微观损伤难以追踪

充电过程中，石墨表面会形成一层称为固体电解质界面（SEI）层的薄保护膜。形成良好的SEI层至关重要，但如果SEI层过厚或分布不均，则会降低电池性能。此外，充电过程中锂离子渗入石墨颗粒时，颗粒膨胀并挤压周围材料，从而在电极内部产生机械应力。

这些过程在微观尺度上同时发生，使得实验难以区分它们各自的影响。现有的计算模型主要依赖于电极的平均特性，难以捕捉电极内部复杂的结构和位置依赖性行为。

三维重建真实阳极

为了解决这个问题，研究团队基于实际商用石墨阳极的结构，构建了电池电极的“三维数字孪生”模型。该团队重建了石墨颗粒、将它们粘合在一起的粘合剂以及锂离子穿过的充满电解液的孔隙——所有这些都以三维形式呈现。

利用这个虚拟电极，研究人员改变了电极的厚度、孔隙率和粘合剂的分布，然后模拟快速充电过程，以分析锂离子的运动方式。他们还研究了锂沉积的位置、保护膜的形成方式以及阳极哪些部分承受了集中应力。

粘结剂的分布改变了结果

结果表明，即使总充电容量相近，阳极的内部衰减行为也会因粘结剂和孔隙在电极内部的排列方式而显著不同。

在 50 微米 (μm) 的阳极中，粘结剂分布引起的充电容量差异在 4% 以内——这意味着充电性能几乎没有明显差异。然而，在电极内部，锂离子嵌入的位置以及性能衰减反应发生的位置却存在明显差异。

具体而言，当粘结剂集中在隔膜附近时，锂离子传输的可用孔隙空间减少，导致锂离子更难穿过阳极。这就像道路变窄会造成交通拥堵一样。在这种情况下，与粘结剂均匀分布的阳极相比，集流体附近的锂沉积增加了10%以上。

相反，当粘结剂相对均匀地分布在整个电极中时，锂离子传输更加均匀，保护膜的形成也更加均匀。

更厚的电极提高了性能的竞争力

随着电极厚度的增加，这种差异也越来越大。在厚度为 83 μm 的阳极中，两种粘结剂分布之间的充电容量差异扩大到约 18%。这表明，制造更厚的电极以存储更多能量，不仅需要精心设计材料的用量，还需要精确设计材料在电极内部的排列方式。

孔隙的位置也会影响电极所承受的应力。当孔隙充足时，周围区域可以容纳充电过程中膨胀的石墨颗粒。而当孔隙不足时，石墨颗粒没有足够的膨胀空间，导致应力集中在特定区域。

物理测试前的设计工具

通过这项研究，研究团队提出了一种快速充电锂离子电池的新设计方向：研究人员不应仅仅关注电极中粘合剂和孔隙空间的含量，还应考虑它们的分布位置和方式。

利用三维数字孪生技术，可以在虚拟空间中检查电池内部的潜在问题，而无需手动构建和测试多种电极设计。这种方法有望帮助确定最佳电极结构，从而促进开发充电速度更快、使用寿命更长的电池。

“这项研究的意义在于，它利用三维数字孪生技术揭示了仅凭整体充电性能难以发现的电池内部问题，”Lee说道。他补充说，合理安排电极内部的粘合剂和孔隙空间有助于设计出储能更多、充电速度更快、使用寿命更长的电池。

这短短一瞬间的循环塑造了金属的微观结构——其内部结构的微观排列和特征，这些因素决定了最终零件的强度、韧性和耐久性。这个过程逐层重复，直到得到所需的三维（3D）零件。

图片来源：加州大学圣巴巴拉分校

为了了解这种快速加热、熔化和凝固过程如何影响最终部件，并能够逐层调整部件的性能，首先需要了解熔池在演变过程中瞬态热条件的变化。激光并非仅仅熔化材料表面，而是熔化表面以下的区域，从而形成三维熔池。问题在于，熔化点的凝固和微观结构的形成是三维的，发生在研究人员的相机无法观测到的区域。

这就引出了一个问题：“我们如何才能确定熔池表面以下控制金属凝固并最终决定其性能的瞬态热条件？”这将有助于理解并最终控制三维金属打印过程。

据外媒报道，在最近发表于《通讯材料》（Communications Materials）的一项研究中，加州大学圣巴巴拉分校（University of California Santa Barbara）的研究人员开发出一种将高速红外成像与计算建模相结合的方法，从而能够穿透表面，将实验可观测的范围扩展到其下方的隐藏区域。简而言之：利用可测量的信息重建了无法测量的信息。

利用高速红外成像技术捕捉熔池表面

在研究中，研究人员使用激光熔化MAR-M247，这是一种用于涡轮叶片和其他需承受极端高温的部件的镍基高温合金。红外摄像机可以实时追踪激光在材料表面移动时温度的快速变化。

在本研究中使用高速红外成像技术来追踪熔池表面温度。然而，一个重要的问题仍然存在：“我们如何利用这些表面测量数据来揭示熔池边界以及表面下方的凝固条件？”

将实验扩展到三维空间

一种方法是开发激光熔化模拟程序，并尝试从头开始计算所有过程——激光能量如何吸收、热量如何扩散以及熔融金属如何运动。这些模型确实功能强大，但计算成本高昂，并且依赖于一些难以确定的假设和材料属性。

研究人员没有运行模拟程序，然后将其与红外数据进行比对，而是将测得的表面温度直接输入到三维计算机模型中，并利用其物理原理重建了快速变化的测量表面温度下方的热场演变过程。

这种实验与仿真相结合的方法具有独特的优势：红外相机已经捕捉到了表面复杂物理过程的真实结果，因此可以利用这些测量数据来构建模型，而不是使用基于假设的解决方案。最终，研究人员得到了表面下方温度场的三维重建——这得以窥见仅凭实验无法展现的区域。

三维观察熔池凝固过程

通过重建温度场，研究人员追踪了熔融金属和固态金属之间三维边界的移动。这使研究人员能够计算一些极难直接测量的参数：熔池不同部分的凝固速度以及材料凝固过程中温度的分布情况。

重要的是，研究人员发现这些条件并非均匀一致。即使激光速度恒定，凝固行为在边界处也会有所不同——这比将凝固过程视为基于激光功率和扫描速度的单一代表性条件要详细得多。

从温度到微观结构

研究人员使用电子显微镜对凝固材料进行了观察，并将其与基于重建的三维凝固条件构建的集成模型预测结果进行了比较。重建的条件捕捉到了实验观察到的不同激光加工条件下特征微观结构长度尺度和生长方向的变化。

这种联系在实验室之外也至关重要。如果想要制造出性能可预测、可靠的3D打印零件——例如涡轮叶片、医疗植入物、航空航天部件或其他关键应用——那么在制造过程中，仅仅了解激光功率和扫描速度是不够的。

研究人员需要了解这些参数如何产生局部热条件，这些条件如何驱动凝固，以及凝固如何构建最终的微观结构。建立这种工艺-结构关系是制造出性能更可预测的零件的重要一步。

实验和模型相辅相成，共同完善彼此的认知。

实验告诉研究人员实际发生了什么，但仅限于仪器能够触及的范围：在本例中，即熔池表面。模型可以带研究人员进入无法直接测量的区域，但其精度取决于模型中预设的假设。将两者结合起来，可以弥补彼此的盲点——这一经验不仅适用于3D打印，也适用于其他工程过程，因为在这些过程中，重要的物理现象往往发生在难以直接观察的区域。

预测材料形成过程

想象一下，一台3D打印机配备红外摄像头，实时监测材料表面的构建过程，并将数据输入到基于物理的快速模型中。该模型能够重建表面之下的隐藏状态，并预测微观结构逐层发展的过程。

研究人员的长期愿景是，这些信息能够帮助构建闭环反馈系统，实现实时逐层过程控制——识别不良的加工条件，并在其影响最终部件之前进行调整。

在实现这种实时控制成为常规操作之前，还有大量工作要做。但这项研究指明了一条途径：从研究人员可见的表面获取信息，延伸到无法看到的区域，并最终与材料的结构和属性本身相连。

图片来源：Waymo

这些专用集成电路（application-specific integrated circuits，ASICs）已投入生产，用于Waymo最新一代自动驾驶出租车。Waymo表示，该款ASICs总共可提供超过1000 TOPS（每秒超过1000万亿次运算）的机器学习性能，专用于前端处理和人工智能模型。该数据指的是整个定制芯片的性能，而非单个芯片的性能。Waymo表示，他们对整个计算堆栈进行了优化，以最大限度地提高性能，尤其是在其车辆通常运行的低批量模式下。按此标准衡量，该芯片的性能与英伟达最新的自动驾驶系统处于同一水平。

这款芯片旨在与Waymo的专有传感器协同工作，以提升车辆在密集城市环境中的反应速度和导航性能。通过本地处理海量传感器数据，这些芯片能够帮助车辆的AI模型解读周围环境，并以极低的延迟做出驾驶决策。

Waymo长期以来一直采用来自英伟达和AMD等供应商的现成芯片构建其计算系统。该公司表示，这种做法并未改变，而是会继续下去：每一代计算系统都将合作伙伴提供的商用芯片与内部定制芯片相结合。Waymo列出的合作伙伴包括AMD、美光、英伟达、三星、闪迪、Socionext和台积电，这些公司都是其当前自动驾驶计算系统背后的合作伙伴。

随着人工智能开发成本的不断攀升，Alphabet致力于掌控自身计算基础设施，而定制芯片的研发也与此战略相契合。谷歌此前已为人工智能数据中心设计了专属处理器，将这一策略应用于自动驾驶汽车领域，可谓是顺理成章的延伸。

Waymo表示，这些芯片正被应用于其与吉利控股集团旗下品牌极氪合作开发的下一代无人驾驶出租车Ojai上。Ojai是一款专为自动驾驶而设计的厢式旅行车，标志着Waymo的战略转型，不再像以往那样对捷豹I-Pace等现有乘用车进行自动驾驶硬件的改装。目前，Waymo的商业车队中拥有约300辆Ojai，并计划于今年晚些时候将业务拓展至丹佛、拉斯维加斯和圣地亚哥。

图片来源：现代威亚

两台扁平机器人，宽1.2米，长2.1米，厚110毫米，滑入停在停车场入口处的一辆中型SUV GV80的前后轮下方。机器人利用激光雷达传感器读取轮胎尺寸和位置，伸出四条60厘米长的机械臂，将车辆抬升约10厘米，然后以每秒1.2米的速度将其移动到空位。这些机器人可以前进、后退、侧向移动，并可360度旋转，当有人经过时，它们会立即停止。在双排停车区域，另一组机器人将前面的车辆推开，腾出一条通道。这就像现实版的“俄罗斯方块”。

这些机器人最大承重可达3.4吨，足以移动重达近3吨的特斯拉Cybertruck皮卡，其纤薄的设计也使其能够容纳低底盘跑车。即使驾驶员停车不稳，机器人也能检测车轮位置并进行相应调整。

现代威亚此前已为现代汽车集团位于新加坡、美国和韩国蔚山的工厂开发了用于车辆运输的机器人。在尝试将这些机器人商业化应用于停车机器人时，它们面临着安全法规的挑战。然而，上个月监管政策的放宽为将它们集成到公寓中打开了大门。

由现代汽车、现代威亚和现代工程建设公司组成的联合机构将于下个月开始在京畿道始兴市Hillstate The Wave City地下53个停车位的区域部署这些机器人。这标志着韩国首次在住宅小区进行停车机器人的实际应用试验。该项目将测试57种场景，包括通过墙面控制面板或应用程序预订停车、车辆重新定位以及应对电动汽车起火等。公寓机器人代客泊车的时代正在到来。

建筑行业对此表现出浓厚的兴趣，因为机器人可以让相同面积的停车场增加20%至50%的车辆停放量。随着“剐蹭”事故的增多，停车位宽度从2.3米增加到2.5米，但机器人可以将宽度缩减至2.1至2.4米。即使是三车并排停放，机器人也能将其重新定位。通常，将一个拥有100个停车位的停车场扩建到120个停车位需要花费20亿韩元用于挖掘和加固，但机器人可以省去额外的挖掘工作。

在当天公布的模拟演示中，驾驶员直接将车停在地下五层需要3分33秒。而使用停车机器人，驾驶员只需51秒即可将车停在地下一层的出入口区域并离开。之后，机器人只需1分38秒即可通过车辆升降机将车辆运送到地下五层并完成停放。

◇地下停车场设计正在改变

人们不禁会问，提着购物袋和孩子走到指定的卸货区是否会很不方便。关键在于设计：在每个楼栋的电梯厅附近设置卸货区可以缩短路径。反之，减少卸货区则会延长路径，并在高峰时段造成拥堵。

如果机器人停车普及，地下停车场的设计将会发生改变。现代威亚的机器人通过摄像头读取每隔2米贴在地板上的二维码来移动。无需再划线，停车位可以根据车辆大小灵活调整，而人流量较少的区域可能需要重新设计照明和通风标准。取而代之的是，卸货区、机器人等候/充电站和控制室将会出现。

建筑公司和协会官员尤其关注责任和成本问题。目前尚无关于机器人损坏车辆造成刮擦的赔偿标准。此外，如何处理因停电、火灾或系统故障导致的机器人停机问题也尚未解决。

图片来源：提雅智行

背景

汽车行业正迈入软件驱动车辆（SDV）时代，车辆性能日益依赖于软件、人工智能和高性能计算，而非仅仅依赖于固定功能的硬件。与此同时，端到端（E2E）人工智能模型正成为自动驾驶的新基础，而汽车计算平台也在快速发展，以支持日益苛刻的人工智能工作负载。因此，要实现量产级自动驾驶，人工智能软件、系统软件和汽车处理器之间必须紧密集成。

作为Autoware的主要开发商，提雅智行与瑞萨电子展开合作，旨在进一步扩展开放生态系统，推动更安全、更智能、更持续发展的出行方式。

合作范围

1. 建立开放的参考平台

提雅智行将采用瑞萨电子的R-Car Gen 5作为Autoware和未来原生AI自动驾驶技术的主要参考计算平台之一。

两家公司将共同优化并向全球汽车制造商和一级供应商推广这一软硬件一体化平台，从而加速SDV的开发和部署。

2. 在瑞萨R-Car Gen 5上优化Autoware软件和参考AI模型

提雅智行将把Autoware软件移植并优化到瑞萨R-Car Gen 5汽车SoC上。基于此软件基础，提雅智行还计划将其参考AI模型——端到端自动驾驶AI模型——部署到R-Car Gen 5上。

通过将传统的自动驾驶软件与原生AI驾驶模型集成到同一计算平台上，此次联合开发旨在提供高度可扩展的自动驾驶解决方案，涵盖当前量产的高级驾驶辅助系统以及未来的L4级自动驾驶系统。

3. 探索下一代人工智能计算技术

提雅智行着眼于当前一代汽车SoC之外，正在开发针对基于Transformer的自动驾驶人工智能以及包括激光雷达和4D雷达在内的下一代传感技术而优化的AI加速器。

初步演示

提雅智行计划在Automotive World 2026上，演示Autoware及其参考AI模型在瑞萨电子R-Car X5H芯片上的运行情况。此次演示将展示如何在统一平台上集成开放式自动驾驶软件、原生AI驾驶模型和车规级计算。

相关引述

“智能自动驾驶车辆（SDV）需要的不仅仅是强大的AI模型，”提雅智行创始人兼首席执行官Shinpei Kato表示，“它们还需要能够让这些模型在量产车辆中高效、安全且大规模运行的计算平台。我们很高兴能够深化与瑞萨电子的合作，通过结合Autoware、我们的参考AI模型和瑞萨电子的下一代R-Car车规级SoC，构建一个开放的原生AI计算平台。我们将继续扩展以Autoware为中心的开源生态系统，同时加速从L2+/L2++到L4的可扩展自动驾驶解决方案的部署。”

瑞萨电子公司副总裁兼SoC事业部负责人Aish Dubey表示：“我们很高兴能与提雅智行将合作关系发展为全面的业务合作。R-Car Gen 5代表了我们对新一代汽车计算的愿景，在这个愿景中，软件、人工智能和车辆智能必须在一个通用平台上协同工作。通过与提雅智行的合作，我们正在帮助实现这一愿景。”

图片来源：Solera

Solera致力于满足全球保险公司、评估师和多厂运营商不断变化的需求，并通过互联的汽车生态系统将所有利益相关者聚集在一起。通过持续投资人工智能、数据和互联技术，Solera正在打破传统壁垒，简化复杂的工作流程，并重新定义行业的运营方式。

“作为我们创新愿景的一部分，并始终以客户需求为中心，我们在逐行Qapter估价中创建了一个名为“ADAS操作”的特殊字段，将其与车辆诊断数据分离，从而为客户提供他们所需的成本和运营效率方面的清晰度和详细信息。这种对详细信息的升级访问方式影响着我们的运营方式，改进了所有相关人员的工作流程，并推动了整个行业的发展。”Solera北美理赔产品管理总监Jeremy Smolen表示。

此次ADAS集成为碰撞维修树立了新标准，在估价中提供了一个全面的独立校准操作视图。通过提供更高的透明度、更清晰的运营信息和数据驱动的智能，它使企业能够更准确、更自信地评估维修需求。

“ADAS校准已成为现代碰撞维修中最关键、也是最缺乏标准化的环节之一。如今，每次维修都会涉及到传感器、摄像头、模块和软件驱动的程序，但业内一直缺乏统一的方法来确定所需的校准内容和所需时间。通过将Azimuth的校准识别引擎和工时数据库直接集成到Qapter中，Solera正在帮助将软件级别的清晰度和可验证性带入这个长期以来一直不透明的流程。此次合作使保险公司和MSO能够以统一、透明的方式了解与实际维修计划相关的ADAS要求——随着车辆向完全软件定义的平台过渡，市场迫切需要这样的信息，”Azimuth Claims Solutions首席执行官Charles Rich表示。

水系锌离子电池采用水系电解质。电解质是一种能够使离子在电池内部移动的物质。由于水系锌离子电池起火风险相对较低、成本低且环境负担较小，因此正受到关注，被视为大规模储能系统（ESS）的下一代技术选择。

由于锌离子带有电荷且为二价离子，其在电极内部移动速度较慢，因此很难同时实现高容量和快速充放电性能。相比之下，质子尺寸极小，移动速度非常快，是一种理想的载流子。

然而，当过多质子进入电极时，电极表面会形成副产物，从而阻碍锌离子的移动并降低电池性能。因此，质子长期以来一直被视为会损害电池性能的“捣乱者”，研究重点也一直放在抑制其反应上。

图片来源：KAIST

将质子的反应活性转化为优势

在发表于期刊《Chem》的这项研究中，研究团队采取了不同的方法。研究人员没有抑制质子反应，而是精准控制锌离子和质子的存储顺序，使两者都能用于储能。

为实现这一目标，研究人员在二维导电MOF的微孔中引入胺官能团，并对材料进行设计，使其只有在达到特定电压时才会与质子发生反应。通过设计胺官能团，使其仅在特定电压下存储质子，研究人员实现了先存储锌离子、再额外存储质子的过程。

这一原理类似于先将较大的鹅卵石放入空瓶中，再用细沙填充鹅卵石之间的空隙。电极先存储尺寸相对较大的锌离子，再加入尺寸更小的质子，从而提高了电极的利用效率。

实际测试中，锌离子首先在较高电压区间内被存储，而随着电压降低，质子进一步被存储。在研究团队开发的Cu₃(HHTATP)₂电极材料中，锌离子和质子在不同电压区间内依次参与储能。

这种顺序尤为重要。如果质子过早发生反应，就可能形成副产物，阻碍锌离子的移动。通过使质子仅在锌离子完成存储后才发生反应，研究人员减少了两种储能过程之间的相互干扰。

快速循环下仍保持较高容量

新开发的电极材料在0.5 A g⁻¹的电流密度下实现了368.7 mAh g⁻¹的高储能容量。简单来说，这意味着少量电极材料就能够存储大量电能。

即使充放电速率提高16倍，该电极仍能保持初始储能容量的46.9%，接近一半。通常情况下，随着充放电速率提高，电池能够存储的能量会减少，但这种新型电极即使在快速充放电条件下，仍能保持较高的储能容量。此外，在超过500次快速充放电循环后，该电极仍表现出稳定的性能。

研究团队利用多种X射线分析技术证实，锌离子首先被存储，随后质子进一步被存储。研究人员还发现，质子的存储以及随后释放的过程可以重复进行。

水系电池的分子设计蓝图

这项研究意义重大，因为它解决了多孔电极材料难以同时实现高容量和快速离子传输的问题。尤其是，该研究证明可以通过分子层面的设计控制不同离子的存储顺序，为下一代水系锌离子电池的发展提供了新方向。

研究结果提出了一种新的设计思路，有望使安全、经济的水系锌离子电池在实现快速充放电的同时存储更多能量。这一方法有望帮助提升水系电池在大规模储能系统等应用中的性能。

Sarah S. Park表示：“这项研究证明，过去被视为可能损害电池性能的‘捣乱者’——质子，实际上可以被用于存储更多能量。我们预计，将这一原理应用于各种电极材料，将推动开发出能够快速存储更多能量的电池。”

日本注塑成型企业内浜化成（Uchihama Kasei）与立邦汽车涂料（Nippon Paint Automotive Coatings，NPAC）联合开发出日本首项用于大型热塑性树脂汽车外饰件的模内涂装技术，标志着可持续制造领域取得重要进展。

该创新工艺通过注入涂料，在注塑成型部件表面形成覆盖层。传统喷涂部件需要在高温条件下干燥1小时，而新工艺则完全省去了喷漆房和干燥炉。

图片来源：NPAC

环保与效率优势

该技术可缩短加工时间，使二氧化碳（CO₂）排放量减少60%，并实现挥发性有机化合物（VOC）零排放。NPAC开发的无溶剂涂料在保持与传统涂装方法相当的质量水平的同时，可使VOC排放减少超过99%。

在模内涂装工艺中，涂料利用率达到100%，而喷涂的利用率约为70%。新工艺的涂料固化时间不到1分钟。

增强设计能力

通过模内转印形成的漆膜，其表面平滑度优于喷涂工艺。精准的图案复现能力可减少外观缺陷，提高生产效率。

该技术能够精确形成喷涂无法实现的几何图案和浮雕效果。纳米级图案转印还能够通过结构色实现虹彩效果，为汽车设计开辟新的可能性。

为实现这一技术突破，研究人员结合模内涂装工艺，对涂料中的树脂和催化剂性能进行了优化，从而打造出一种兼顾高精度设计表现与高效制造的创新技术。

格拉斯哥大学的研究人员一直在探索，人类本能地从彼此身上读取的社交线索，能否被用于在必要时有效地将驾驶员的注意力重新引导回道路。

这项发表于《ACM人机交互汇刊》（ACM Transactions on Computer-Human Interaction）的研究首次表明，通过增强现实（AR）眼镜显示一个会转身观察并引导驾驶员注意潜在危险的机器人动画形象，其效果可能与更传统的视觉警告同样有效。

研究人员还发现，虚拟代理所具有的“个性”可能存在一个上限：一旦个性过强，其视觉线索就可能开始分散驾驶员的注意力，而不是帮助驾驶员集中注意力。

图片来源：格拉斯哥大学

让驾驶员随时准备接管控制

该团队的研究结果可能帮助汽车制造商找到更有效的方法，应对向自动驾驶汽车转型过程中面临的最大挑战之一。条件自动驾驶汽车虽然大部分时间可以自行驾驶，但并非完全自动驾驶，因此驾驶员即使视线转移到其他地方，也必须持续了解道路状况，以便在紧急情况下重新完全接管车辆控制权。

格拉斯哥大学计算机科学学院的Thomas Goodge是该论文的第一作者，并在其博士项目的最后阶段开展了这项研究。

Thomas Goodge表示：“我的博士研究一直围绕条件自动驾驶汽车背后的一个看似矛盾的问题展开——当驾驶员因阅读、回复电子邮件或在手机上玩游戏等任务而分心时，我们如何让他们仍然意识到道路上的危险？”

他说道：“在现实生活中，人们仅凭对方转头的方式，就能知道谈话中的另一方正在关注哪里。如果一个人越过另一个人的肩膀向后看，这通常意味着那里有什么值得你转头去看的东西。”

同时，他还补充道：“此前的心理学研究已经充分证实，人类处理社交线索的效率高于处理视觉线索，但我们的安全关键系统几乎没有利用这一点。相反，这些系统使用灯光、闪烁信号和蜂鸣声，而这些提示可能很难被立即理解。我们很想探索，利用人类与生俱来的这种能力，是否能够帮助我们更有效地发现危险。”

为了研究利用社交线索的潜力，研究团队开展了两项实验室实验。他们招募了48名志愿者，让他们坐在模拟驾驶座上，面前的显示器播放一系列预先录制的真实道路驾驶场景行车记录仪视频。

在实验室测试社交线索

在实验室测试期间，志愿者佩戴AR眼镜，并参与一款简单的混合现实游戏，需要通过注视宝石来将其“击碎”。与此同时，行车记录仪画面在他们面前播放，以模拟驾驶员因进行非驾驶任务而只能将部分注意力放在道路上的情况。

就在视频中的道路画面即将切换为黑屏之前，AR眼镜中的视觉警告会提醒参与者注意道路上的潜在危险。随后，研究人员向他们提问，要求他们说明危险是什么，并预测接下来可能发生什么。同样的实验也由一个对照组重复进行，对照组观看视频，但不参与游戏。

视觉警告采用两种不同形式：一种是移动到危险目标下方的彩色标记条；另一种是研究团队设计的机器人头部，其会转头看向危险所在方向。

在第一项实验中，研究团队发现，在两种警告方式下，分心驾驶员的表现均明显差于对照组，他们经常错过视频中的危险。

第二项实验在视觉警告中增加了额外线索。除了指向危险的位置外，标记还会变成红色；与此同时，机器人的头部转动时，其头部两侧也会变红。在这两项测试中，参与者正确预测危险的比例均约为80%，与未分心的对照组处于相同水平。

研究团队还调查了机器人表现出的情绪状态是否会影响实验结果。当研究人员为机器人增加出汗、颤抖等明显的紧张迹象后，参与者开始因试图准确判断机器人的情绪而分心，并经常无法正确发现道路上的危险。

图片来源：格拉斯哥大学

当个性成为干扰因素

格拉斯哥大学计算机科学学院教授Stephen Brewster是该论文的共同作者，同时负责ViAjeRo项目。该项目旨在研究如何利用虚拟现实（VR）和增强现实（AR）技术改善人们乘坐自动驾驶汽车时的出行体验。

他说道：“这一结果十分引人注目，表明模拟肢体语言可以有效帮助提醒驾驶员注意危险，同时也为开发一种极具实用价值的方案指明了方向，助力人类对自动驾驶汽车开展协同接管。”

他还表示：“随着汽车逐步走向自动驾驶，制造商也在整合人工智能语音识别等功能，让驾驶体验更加具有社交属性。我们的研究表明，在危险感知中加入社交线索，可能有助于驾驶员与汽车协同工作，从而最大限度地提升自动驾驶汽车的安全性。”

同时，他称：“不过，这项研究也凸显了一个需要在系统开发过程中解决的潜在问题。一些参与者将超出预期的责任交给了视觉线索，他们相信自己可以等待标记或机器人变红，而不是更加密切地关注道路。找到适当校准驾驶员信任程度的方法至关重要，以确保人类不会将对道路状况的感知能力完全交给汽车。”

研究团队已经计划扩大研究范围，进一步探索虚拟代理在最大限度提升驾驶员安全方面的潜力。

Thomas Goodge补充道：“目前正在使用的安全关键系统中，很少有系统利用社交信息。在这项研究中，我们有意选择研究如何向参与者呈现视觉信息。下一步是引入声音、对话等其他交互模态，并测试驾驶员对更加具备对话能力的虚拟代理的反应，而不是仅仅观察一个虚拟代理。”

为了构建一个能够可靠地模拟各种物理场景的人工智能系统，工程师需要规模庞大的物理数据，而这在目前尚不可行。这是因为即使生成神经网络能够理解的少量数据点也非常耗时。神经网络依赖于被称为“数值求解器”的算法来计算3D形状不同点的物理属性。这是一个非常复杂的过程，但耗时过长，限制了可用于测试飞机设计是否安全且符合空气动力学原理的数据量。

图片来源：arXiv (2026). DOI: 10.48550/arxiv.2602.20399

据外媒报道，由麻省理工学院（MIT）计算机科学与人工智能实验室 (CSAIL) 和清华大学的研究人员开发的一种名为“GeoPT”的新型预训练方法，使仿真模型能够以更广泛、更高效的方式学习物理原理。它以三维形式虚拟地重现日常机械相互作用，展示粒子在接触物体时如何停止运动。这些模拟使模型能够理解物理定律，从而更精确地模拟现实世界，达到峰值性能的速度提高一倍，并且与现有模型相比，训练所需的数据量最多可减少60%。

不久的将来，该项目有望帮助工程师预测车辆（如汽车和飞机）、日常用品（包括椅子和容器）以及机器人如何响应各种物理因素，例如风、水和碰撞。研究人员认为，他们的工作也可能成为构建物理基础模型的重要一步，这种基础模型是一个基于大量数据训练的骨干系统，可以帮助人工智能工具泛化到不同的任务中。

“我们认为，继文本和像素之后，物理学是人工智能模型的第三种模态，”麻省理工学院博士生、计算机科学与人工智能实验室（CSAIL）研究员Minghao Guo说道。“我们的通用模型具有构建物理世界模型的灵活性。许多模型，例如那些生成机器人数据和视频的模型，已经非常擅长处理文本和视觉数据，但如果能够获得物理精度，它们就能获得更真实的结果。”

易于使用

使用GeoPT，用户只需上传战舰、客机和卡车等物体的3D模型，并指定要模拟的力的方向和速度即可。结果会生成一种热图，显示物体在不同位置受到的影响。如果您知道要模拟的力的速度和方向（速度），就可以在GeoPT中捕捉到它。这在您想要模拟诸如汽车撞墙后的样子、光线在物体周围反射的方式以及船只在湍流中是否能保持漂浮等情况时非常有用。

但GeoPT是如何如此精准地“掌握”物理原理的呢？它的知识来源于“合成动力学”，即小粒子与复杂3D形状之间的一系列相互作用。GeoPT研究了130万个合成动力学样本，其中微小的球体以不同的速度和角度运动，直到停在物体上的某个特定点。

这些粒子一旦接触物体，就会“粘附”在物体上，而不是穿过物体或弹开。想象一下，用弹珠和玩偶来学习物理相互作用——类似地，模拟模型可以使用合成动力学来感受物理，然后再用标记数据进行训练。

行业成功案例

研究人员发现，GeoPT在模拟工业场景方面表现尤为出色，其各项基准测试结果均优于目前最先进的仿真模型。共同点在于：它比其他工具更快达到峰值性能，同时所需的标注数据量也显著减少。

例如，在一个包含复杂三维形状及其对风流和表面压力响应的数据集上，GeoPT在速度、精度和效率方面均超越了现有最先进的模型。在模拟战斗机对风的响应时，GeoPT的速度和精度表现同样出色。当GeoPT测试船体如何应对空气和波浪时，它仅需比现有模型少60%的标注数据即可捕捉到物理力，并且达到峰值精度的速度是现有最佳模型的四倍。

该系统甚至成功模拟了不同类型汽车与其他物体碰撞后的变形情况。它能够准确预测三维车辆的变形方式，且所需数据量少于目前最先进的基准模型。同样，尽管事先从未对该三维模型或光物理进行过训练，但它对光线穿过一个玩具兔子的模拟结果也十分准确。

“如果你的模型在工业基准测试中表现良好，那就意味着它能够解决最棘手的物理难题，”论文共同第一作者、CSAIL研究员Haixu Wu表示，“GeoPT能够在几秒钟内完成超过1亿个网格点的高保真模拟。这使得该工具对于希望测试车辆蓝图而无需进行大量物理实验的工程师来说极其有用。”

研究人员补充说，他们的系统只是他们一直致力于构建的物理世界模型的一个预览版。该团队希望扩大系统规模，训练更多形状并模拟更复杂的物理现象。例如，更深入的方法可以帮助模拟天气模式、测试不同材料并生成逼真的视频。

“使用合成动力学数据是将物理学融入基础模型的一种令人兴奋的范式，”Meta公司的人工智能研究科学家Fei Sha表示，“它挑战了物理学和几何学在计算中必然纠缠在一起，并且必须获取昂贵且专门数据的传统观念。在广泛的应用领域取得的成功使我们来到了这个重要的节点：我们现在就可以快速构建物理基础模型。”

图片来源：DGIST

在自动驾驶汽车和联网汽车领域，“集成感知与通信（ISAC）”——一种使车辆能够在感知周围环境的同时与其他车辆或道路基础设施进行信息交换（通信）的下一代移动技术——至关重要。

然而，随着数据传输量的增加，传统方法需要多个信号处理单元，这使得系统更加复杂，并显著增加了计算负担。

利用分数阶傅里叶变换简化接收

Kim领导的团队通过将“分数阶傅里叶变换 (FRFT)”——一种用于精确分析频率随时间变化的复杂信号的数学技术——应用于汽车雷达接收信号，在解决这一难题上取得了突破性进展。该研究成果发表于期刊《IEEE Wireless Communications Letters》。

该团队设计了一种方法，将分散的信号能量集中到一点，从而实现更高效的数据提取。因此，仅使用单个接收机处理结构即可快速准确地识别通信信息，而无需复杂的多信号处理单元配置。

高速行驶下的稳定性能

研究团队模拟了77 GHz车载雷达环境，包括240公里/小时（149英里/小时）的高速行驶以及复杂的无线电波反射条件，并进行了实验。结果表明，与传统方法相比，该技术在补偿雷达信号扩散的同时，显著提高了目标测距和检测性能，并实现了更稳定的通信性能。

尤其值得一提的是，即使在高速行驶且多径传播严重的恶劣条件下，该技术在确保足够信号强度的情况下，也能将距离测量误差控制在1米（3.3英尺）以内，并实现接近100%的目标检测率。

可与现有雷达广泛兼容

最重要的是，由于该技术无需对现有汽车雷达系统的硬件结构进行大幅改动即可应用，因此有望在自动驾驶汽车、联网汽车、无人机和无人驾驶车辆等各个领域得到广泛应用。

“这项研究提出了一种核心技术，该技术能够利用单个汽车雷达同时执行通信和周围环境检测，并大幅降低接收器的数据处理负担，”Kim表示。“我们期望它能为推进下一代自动驾驶和智能交通系统的发展做出重大贡献。”

图片来源：康斯坦茨大学

据外媒报道，由康斯坦茨大学（University of Konstanz）计算机科学家Andreagiovanni Reina领导的一个国际研究团队发现，一条受生物决策启发的简单规则可以帮助机器人集群快速达成明确的共识——即使集群中流传的部分信息不可信。发表在期刊《自然通讯（Nature Communications）》上的研究表明，这种广泛应用的交互规则可以降低机器人集群在现实世界应用场景中因信息噪声而产生的脆弱性。

复制信息——还是先暂停一下？

更详细地说，研究人员比较了机器人在接收到与自身观点相冲突的信息时可以采取的两种简单应对方式：第一种方式称为“直接切换”，即机器人立即放弃当前观点，采纳刚刚接收到的信息。这种方式所需的内存或计算能力极少，但冲突或不准确的信息会导致群体反复切换观点，而无法形成明确的多数意见。

第二种方式称为“交叉抑制”，引入了一个短暂但重要的中间步骤。“关键在于犹豫不决。与机器人自身观点相冲突的信息不会立即被复制。相反，机器人会暂停片刻，暂时保持中立，然后再接受新的证据，”Reina解释道。这条规则的灵感来源于蜜蜂寻找新巢穴的行为：支持某个地点的蜜蜂会发出停止信号，阻止其他蜜蜂宣传竞争地点。“这种简单的行为可以防止蜂群在不同的备选方案之间摇摆不定，从而最终就单一目的地达成共识——同样的原理也适用于机器人。”

当少数机器人误导群体时

研究人员考察了机器人群体可获取信息的几种不可靠方式。例如，一些机器人可能会固执地支持某个选项，而忽略所有相反的信息。另一些机器人则可能偶尔依赖自身有限的观察，而不是来自群体的信息。此外，机器人之间交换的信息可能会因技术故障或蓄意的外部操纵而被篡改。

“我们都熟悉这样一种情况：少数但坚持不懈的个体对集体决策产生重大影响，”Reina说道。“类似的情况也发生在人类社会、动物群体和人工智能系统中。对于机器人群体而言，其来源可能是故障机器人、不完整的传感器数据或网络攻击。” 研究表明，在存在此类干扰的情况下，直接切换机制通常会导致群体内部出现弱势多数或长时间的犹豫不决。相比之下，交叉抑制机制通常能够帮助群体更快地做出更清晰的决策。即使机器人需要在两个以上的选项中进行选择，或者机器人群规模变大，这种优势依然存在。

最令人惊讶的结果之一是，适度的干扰有时可以提高交叉抑制的准确性。少量不可靠的信息可以防止群体选择较差的选项，从而增加做出更优决策的可能性。“这意味着，稳健的群体系统并非总是需要消除所有噪声源。在合适的条件下，不完美实际上可以帮助群体避免做出错误的决策，”Reina解释道。

细胞、大脑和蜂群中都存在相同的解决方案

交叉抑制并非蜜蜂独有，但类似的抑制性相互作用模式出现在生物组织的不同层级——从神经元网络到控制细胞周期的分子调控网络。尽管存在差异，这些系统都遵循相同的“赢者通吃”逻辑：相互竞争的方案会抑制彼此，直到最终形成一个明确的结果。“当相同的模式出现在如此不同的尺度上时，它可能指向一个强大的通用原则，可以将相互竞争的信号转化为一个清晰的决策——我们可以借鉴这一原则来构建更优秀的机器人集群，”Reina说道。

因此，这项研究将生物学和工程学双向联系起来。自然系统为设计稳健的自主机器人提供了灵感，而数学分析和机器人实验则可以帮助研究人员理解为什么类似的决策模式会在自然界中反复出现。对于未来的机器人集群而言，这种仿生机制可以支持快速决策，例如，确定首先搜索灾区的哪个部分、哪种环境威胁需要最紧急的响应，或者有限的资源应该部署在哪里。

在众多正在研发的正极材料中，层状钠镍锰氧化物（Nax[Ni,Mn]O2）脱颖而出，成为极具潜力的候选材料。特别是Na[Ni1/2Mn1/2]O2的O3型多晶型，因其在初始状态下含有化学计量比的Na+，并能提供相对较大的可逆容量而备受关注。

然而，由于充放电过程中体积变化较大，该材料存在严重的容量衰减问题。为了解决这个问题，之前的研究探索了异质金属取代。在众多候选材料中，钪离子（Sc³⁺）在改善循环性能方面展现出潜力。然而，这些性能提升背后的确切机制仍有待深入研究。

探究钪的双重作用

据外媒报道，在此背景下，由日本东京理科大学（Tokyo University of Science，TUS）应用化学系教授Shinichi Komaba和副教授Shinichi Kumakura领导的研究团队，研究了将Sc³⁺掺入O₃-Na[Ni₁/₂Mn₁/₂]O₂ (NNMO)中对其晶体结构和电极性能的影响。

图片来源：东京理科大学

该团队成员还包括东京理科大学的Kodai Moriya和博士生Sho Toriumi，以及与Yoshitaka Tateyama和助理教授Hoang Duc Luong合作的研究团队。

该研究发表于期刊《Small》。研究人员采用了两种方法来研究掺入Sc³⁺的影响：掺杂和表面包覆。

“Sc离子可以通过两种方式掺入材料内部：掺杂到体相结构中，或者通过外部包覆。这两种方法都能改善循环性能，但其潜在机制尚未阐明。”Kumakura说道。 “在本研究中，我们探讨了钪如何通过掺杂和涂层两种方式改善钠离子电池的性能，并阐明了它们不同的作用机制。”

掺杂和包覆提升耐久性

研究人员采用体掺杂法合成了钪掺杂的NNMO样品，命名为NNMSOx，其中“x”表示钪掺杂的百分比。由于NNMSO8具有优异的循环性能，因此本研究重点关注了它。研究团队还制备了钪包覆样品，其中NNMO颗粒经过异丙醇钪溶液的湿法处理，然后在800℃下退火，得到NNMO-SC800。

随后，研究团队使用纽扣式非质子钠电池评估了合成样品的电化学性能。结果表明，掺杂和包覆均显著提高了电池的充放电耐久性，100次循环后的容量保持率从未掺杂NNMO的18.6%提高到NNMSO8的67.8%和NNMO-SC800的75.4%。性能的提升归功于Sc3+掺杂抑制了副反应并稳定了体结构。

在NNMSO8中，Sc³⁺掺杂结构稳定了体相；而在NNMO-SC800中，Sc³⁺包覆相则起到保护层的作用，抑制了界面降解。

此外，NNMSO8的充放电曲线比NNMO更平滑。研究团队发现，这种平滑度是由于Sc³⁺取代抑制了Na⁺/空位有序化所致。相比之下，NNMO-SC800的充放电曲线形状没有明显变化，表明Sc³⁺主要存在于表面。两种改性材料均表现出更优异的倍率性能。

研究人员进一步评估了以NNMSO8或NNMO-SC800为正极、硬碳为负极的钠离子全电池。两种全电池的长期循环性能均显著提升。经过300次循环后，采用NNMSO8的全电池容量保持率为71.4%，而采用NNMO-SC800的电池容量保持率为91.2%。

尽管不同电池体系之间的直接比较较为复杂，但这种耐久性提升幅度相比目前领先的钠离子正极材料而言，无疑是一项重大进步。

性能提升背后的两种机制

为了解性能提升的根源，研究团队进行了详细的结构和机理分析。他们发现，掺杂和包覆通过不同的机制改善了循环性能。

电化学惰性的Sc³⁺离子（其离子半径与过渡金属相当）掺入晶格后，会固定一部分Na⁺离子，这些Na⁺离子则起到稳定层状结构的支柱作用。这使得充放电曲线更加平滑，并减轻了较大的体积变化。

相比之下，Sc³⁺包覆会在NNMO颗粒表面形成类似O₃-NaScO₂的相，而不会改变其体相结构。该包覆层能有效抑制副反应，从而改善循环性能。

总体而言，包覆增强了循环稳定性，但无法阻止长期循环过程中晶体结构的损失；而掺杂则抑制了体相降解，但不能完全缓解容量衰减。

从模型体系到实用材料

“我们的研究结果表明，体掺杂和表面涂层的协同作用是提高钠离子电池性能的一种很有前景的策略，”Komaba表示。“这将有助于延长钠离子电池的寿命，从而拓宽其应用范围。”

虽然钪是展示这些独特结构机制的理想模型体系，但其成本和可获得性意味着该团队下一步的关键在于将这些见解应用于更丰富、更经济的元素，以便进行商业化规模生产。

这项研究为开发更长寿命、高性能的钠离子电池提供了宝贵的设计原则。

图片来源：弗林德斯大学

“水系锌碘可充电电池正逐渐成为大规模储能领域锂离子电池的可行替代方案，我们团队目前正与业界合作，为该电池系统建立一个原型平台，”弗林德斯大学科学与工程学院化学系副教授、Matthew Flinders Fellow研究员Zhongfan Jia表示。

解决碘穿梭问题

碘是可进行可逆电化学反应的最简单分子之一，其理论电荷容量可达211 mAh/g（毫安时/克）。然而，这项新兴电池技术面临的主要挑战是如何防止多碘物种穿过隔膜。

弗林德斯大学团队开发的系统基于一种低成本的有机环糊精基聚合物主体材料，该材料能够有效地捕获和释放AZIB中的多卤化物。该电池可在1.3至1.4伏(V) 的电压下运行，在7分钟内充满电的情况下，容量可达200 mAh/g，循环寿命可达8000次；或者在3分钟内充满电的情况下，容量可达150 mAh/g，循环寿命可达60000次以上。

环糊精是一类由淀粉经酶促转化而来的环状低聚糖。它们广泛应用于食品、医药和化妆品原料中，其独特的亲水性外层和疏水性内腔使其成为包覆多碘化物的理想材料。这种新型的主客体化学机制能够有效抑制多碘化物的穿梭效应。

“该体系提供了一种利用廉价、可生物降解的低聚糖衍生的聚合物来缓解多碘化物穿梭效应的新方法，从而有望实现可持续、长寿命的水系锌碘电池，”Jia教授说道。

来自瑞典斯德哥尔摩皇家理工学院（KTH Royal Institute of Technology）和英国南安普顿大学（the University of Southampton）的研究人员开发出一种新型扁平石英光纤，其性能与传统圆形光纤不同。发表于期刊《Nature Communications》的这项研究提出了一种高纵横比平台，可以通过工程化设计，使光纤对压力、温度以及其他物理变化产生强烈响应。

研究团队通过构建具有可控内部微结构的带状几何形状，证明光纤本身的形状可以成为传感器的功能组成部分。不同于目前广泛采用的将圆形光纤压扁的技术，研究人员从一开始就采用预制成型的方法制造扁平光纤，并利用激光玻璃加工技术在光纤内部加入空气通道、金属填充物等结构。

在实验室演示中，这种扁平光纤的压力灵敏度最高可达到传统圆形光纤设计的1,000倍。研究团队还通过在部分内部微结构中填充一种锡基合金，展示了灵敏度增强的温度传感版本。

光纤形状的新作用

KTH研究人员Pawel Maniewski表示：“这不仅仅是一种外观不同的光纤，而是为光纤开辟了一个全新的设计空间。通过改变几何结构，我们可以让玻璃材料本身对周围物理环境的变化产生更强烈的响应。”

这项突破得益于KTH与南安普顿大学在激光玻璃加工、特种光纤制造和光学传感等领域的合作。最终制成的光纤仍然能够与现有光学系统兼容，同时具备新的机械性能和传感能力。

图片来源：Pawel Maniewski

从飞机到电池

这种技术具有广泛的潜在应用。扁平光纤可以嵌入复合材料中，使飞机、无人机和基础设施能够更好地感知内部的应变和压力。同一平台也可以用于更智能的电池技术，因为电池内部的压力和温度变化能够作为异常行为的早期预警信号。

与电子传感器不同，光纤不受电磁干扰影响，同时具有重量轻、体积小以及能够在恶劣环境中工作的特点。这些特性使其在航空航天、能源系统、生物医学设备和先进制造等领域具有吸引力。

图片来源：Pawel Maniewski

超越光传输功能

研究人员认为，这项工作预示着光纤技术可能发生更广泛的转变。未来，人们或许不再仅仅利用光纤传输光信号，还可以利用光纤自身的几何结构来调控材料感知、响应和通信的方式。

南安普顿大学教授Chris Holmes表示：“这赋予了光纤一个新的维度。下一步是将这一平台从概念验证阶段的传感应用推进到实际系统，包括智能无人机、先进复合材料以及更安全的能源技术。”

如今，AI无处不在。它被嵌入各种边缘设备中——之所以称为“边缘设备”，是因为这类设备位于网络边缘，可以在本地处理数据，而无需依赖远程数据中心。例如，智能手机和摄像头、导航和交通控制工具，以及娱乐和购物平台等，都属于此类设备。

然而，AI不断融入日常生活，也带来了较高的能耗和硬件需求。对于家庭自动化中枢、汽车车载交互系统等边缘设备而言，这尤其具有挑战性，因为它们的计算能力有限。如果每台设备都具备数据中心级别的处理能力当然很方便，但这并不现实。

部分计算、能耗和硬件需求来自数据处理，而处理过程可能速度较慢、产生散热问题，并加快边缘设备电池的耗尽。以语言为例：人类通过直接或间接与AI交互来完成越来越多的任务，这意味着许多应用都需要处理人类语言，无论是识别、翻译还是理解语音或文本。即便只是判断当前使用的是哪种语言——英语、法语、阿拉伯语等——也会对处理能力提出要求，从而给小型电池供电设备带来较大的计算负担。

协同设计硬件与软件

为了促进边缘设备上的数据处理，马萨诸塞大学阿默斯特分校Riccio工程学院电气与计算机工程系教授、纳米器件与集成系统实验室负责人Qiangfei Xia与学术界和产业界的研究人员开展合作，不仅重新设计了算法，还重新设计了硬件。相关研究发表于期刊《Nature Communications》。

传统方法通常是在现有硬件上运行AI算法；相比之下，Xia团队将算法与硬件协同设计，使二者能够充分发挥彼此的优势。

该团队的解决方案结合了超维计算（hyperdimensional computing，HDC）算法与模拟存内计算（analog in-memory computing，IMC）硬件，从而支持包括语言识别在内的边缘AI应用。

HDC是一种受大脑启发的AI计算方法，它使用大型数学模式表示信息，而不是处理精确数值。这些模式能够通过更加简单、高效的计算完成特定AI任务。

IMC硬件——具体而言是一组忆阻器阵列（memristor array）——使基于HDC的算法能够部署在边缘设备上。忆阻器是一种能够在同一物理位置同时存储和处理数据的电子元件，从而减少在独立的存储单元与处理单元之间搬运数据的需求。

将芯片的固有差异转化为优势

Xia表示，该平台既可以对语言特征进行编码，也可以执行语言识别。“编码部分利用了忆阻器器件固有的随机性，而许多人认为这种随机性是该器件技术的一个缺点。”

从本质上看，研究人员将一种缺陷转化成了优势：忆阻器芯片天然存在的器件差异性能够提供有用的随机性，从而实现高效的数据编码。

该系统在语言识别任务中实现了95.24%的准确率，并将计算资源需求降低90%，这是目前采用新兴硬件平台实现的HDC系统所报道的最高准确率。

这项研究也是Xia实验室此前工作的自然延伸。他说道：“科学研究遵循一条不断上升的螺旋线。每一次迭代都建立在此前的思想之上，从而带来更深入的理解和更大的科学进步。”

Xia补充说：“这项工作是我们忆阻器研究的又一个里程碑。该系统级芯片建立在我们此前的研究基础之上，涵盖模拟忆阻器器件、忆阻器-CMOS电路集成、忆阻器交叉阵列以及机器智能应用。”

从实验室概念走向更广泛应用

Xia表示，这一想法最早于2019年提出。当时，马萨诸塞大学阿默斯特分校本科生研究员Daniel Belkin开始研究一种小型忆阻器交叉阵列。不过，这一方法的开发需要经历一段时间的研究和实验。

Xia坦言：“只有当这项技术发展到系统级芯片（system-on-chip）阶段后，实际的语言处理演示才成为可能。”

同时，Xia指出，该项目只是将忆阻器芯片应用于AI的一系列研究之一。“同一块芯片还被用于射频信号处理和智能传感。”他表示，团队还将发表另一篇关于忆阻器芯片应用于无线接收器的论文。

目前这项研究未来也有望应用于语音语言处理。Xia说道：“我们在这项工作中展示了书面语言处理能力；我们认为，它同样能够处理口语语言，从而在手机、扬声器、汽车、机器人等边缘设备上实现高能效的自然语言处理。”

参与该项目的Xia团队成员包括：前马萨诸塞大学阿默斯特分校博士后研究员Yi Huang，现任田纳西大学诺克斯维尔分校助理教授；马萨诸塞大学阿默斯特分校博士生Alireza Jaberi Rad；前学生Daniel Belkin；TetraMem公司的Ning Ge；TetraMem公司及南加州大学洛杉矶分校的J. Joshua Yang；以及TetraMem公司的Miao Hu。

图片来源：Yi Huang

Xia表示：“这项工作的跨学科性质表明，新型AI硬件的开发需要学术界与产业界开展合作，并需要覆盖整个技术栈的互补专业知识，包括器件、电路、算法、架构和系统等领域。”

据外媒报道，一项发表于期刊《Advanced Science》的新研究提出了另一种解决方案：BioflexBot。这是一种采用简易设计的新型机器人，能够模仿人手的核心动作，甚至在部分动作上超越人手。

研究人员没有按照人手复杂的解剖结构制造机器人手，而是希望通过螺旋弹簧、约束外壳和基础气动系统来实现人手的基本动作，并利用压缩空气控制机械运动。经过针对精度和运动范围的优化，BioflexBot仅需两个气动输入，就能够完成捏取、旋转、钩取和抓握等动作。

图片来源：Unsplash，CC0公共领域授权

测试机器人的核心动作

研究人员验证了BioflexBot能够复现这些人手的基本动作。

在模拟捏取动作时，BioflexBot成功操纵了一根针灸针，并利用移液管稳定转移液体，完成了医疗保健或实验室环境中常见的精细操作。

在旋转动作方面，BioflexBot旋转瓶盖的幅度几乎是人手的4倍。

研究人员还展示了BioflexBot钩取工具箱、护目镜等物体的能力。最后，他们发现，BioflexBot能够牢固抓握不同尺寸的物体，其可抓握物体的尺寸最大可达到类似系统的近13倍。

更大的伸缩范围带来更多应用可能

除了能够可靠地模仿传统的人手动作外，BioflexBot在性能上还超越了人手，其伸展和收缩幅度达到人手的3.5倍。

因此，BioflexBot能够抓取复杂物体、触及较远距离、在狭窄空间内递送物体，并依次搬运多个物体。

研究人员展示了BioflexBot的三种潜在应用：检查航空发动机叶片、与人形机器人集成完成日常任务，以及开展化学实验。

这些研究结果表明，BioflexBot的简易设计能够以极低成本实现高度灵巧的操作能力，并有望应用于多个行业。未来，研究人员将进一步把这一原型转化为全自动化平台。

论文作者之一、现任香港中文大学（深圳）研究人员的Yingtian Li博士表示：“通过利用结构智能和物理智能，我们致力于打造一种简易设计，使机器人既能够实现跨尺度抓取，又能够完成复杂的类人操作。”

论文作者之一、南京信息工程大学的Yang Yang博士表示：“不同于大多数机器人手以较高的硬件和控制成本复制人手的形态，我们的方法只关注模仿人手的功能，而不是复制其形状。”

图片来源：阿德莱德大学

“目前，肼的工业合成方法是利用氨或通过成熟方法制备的尿素衍生物，”论文第一作者Pengtang Wang博士表示。“这些方法已经发展并应用了几十年，但它们依赖于其他危险化学品，并且消耗大量能源，因此成本高昂且对环境构成挑战。开发一种新的、温和的替代工艺，将是朝着更环保、更经济的肼生产迈出的重要一步。”

研究团队开发了一种电化学策略，利用电能和氯化钠将尿素转化为肼，相关成果发表在期刊《自然·合成》（Nature Synthesis）上。

“之所以选择尿素作为原料，是因为它在人类尿液中含量丰富，”Wang博士说道。“将这种易得的资源转化为肼，有望为燃料生产提供一条潜在途径，包括应用于燃料电池和长期太空任务。氯化钠通过在电极表面生成吸附氯物种来促进反应。”这些吸附氯物种与尿素反应生成N-氯脲，然后通过简单的水解过程转化为肼。”

利用这一策略，研究人员实现了高产率的肼生产，并证明了其对不同尿素来源的通用性，包括纯尿素、富含尿素的废水和人尿。

“尽管这种电化学策略能够高效地将尿素转化为肼，但实际工程挑战和相关的成本瓶颈，例如盐的积累和产品分离所需的能源消耗，仍有待解决，”Wang博士表示。未来的研究将着重于降低成本、简化产品分离、改进连续系统运行以及开发更实用的反应器设计。我们相信，凭借这些工程技术的进步，这项技术有望为利用可再生电力生产肼提供一条可持续的替代途径。”

图片来源：CSIR-CSI

全息光栅是一种微观光学结构，它利用激光记录的干涉图案来精确地重定向和塑造光线。在近眼显示器中，全息光栅可用于将光耦合进出透明波导，从而将数字图像传输到观看者的眼睛。

“随着增强现实技术日益融入日常生活，对轻便、节能且易于制造的显示技术的需求也日益增长，”印度科学与工业研究理事会中央科学仪器组织（CSIR-CSI）和科学与创新研究院（AcSIR）的研究团队负责人Raj Kumar表示，“我们设计的堆叠光栅能够在降低功耗的同时产生明亮的图像，这对于制造轻便的电池供电型增强现实眼镜尤为重要，这些眼镜能够在明亮的室内外环境中显示清晰的虚拟图像。”

研究人员在期刊《应用光学》（Applied Optics）上发表了一篇关于采用堆叠全息光栅的实验室原型报告。这项新设计得益于一种无需棱镜的制造方法，该方法无需对准多个光栅，从而简化了多层全息光耦合器的制造和复制。

“这项技术可用于增强现实眼镜中的透视显示器，用于导航、工业辅助、教育、医疗可视化、维护、培训以及其他需要将颜色信息叠加到现实世界中的应用，”论文第一作者、来自CSIR的Sheenam Saxena表示。“这项技术也有可能扩展到大型显示器的制造，例如车载抬头显示器（HUD）。”

层叠式设计提升图像亮度

AR眼镜中使用的近眼显示器将小型显示屏与图像合成器相结合，可将数字内容与现实世界环境无缝融合。全息波导是一种很有前景的图像合成器选择，因为它利用全息光栅将数字图像引导至用户眼睛，同时保持轻薄。

然而，传统的全息光栅制造方法依赖于笨重的棱镜，这使得制造过程复杂化。尽管已经实现了全彩全息波导，但红、绿、蓝（RGB）光栅被记录在单个光敏聚合物薄膜上，这降低了衍射效率，导致图像亮度降低。

为了制造能够产生更明亮图像的全彩波导，研究人员开发了一种无棱镜多层结构，该结构将每种颜色的光栅分别记录在光敏聚合物薄膜中，并在制造过程中将这些层堆叠起来。这既保持了它们的相对对准，又无需进行复杂的后处理对准。

“我们的方法采用了一种更简单、更灵活的制造工艺，同时还允许对每个颜色通道进行独立优化，”Kumar说道。“这提高了整体光效率，使得在相同的输入功率下能够产生更明亮的虚拟图像，从而降低了显示光源所需的功率。”

方法测试

为了验证这项技术，研究人员将堆叠式RGB全息光栅集成到透明玻璃波导中，作为输入耦合器和输出耦合器。工作时，显示器发出的光线垂直入射到输入耦合器上，并被以足够大的角度导入玻璃波导，使其被捕获并通过全内反射在波导中传播。当导光到达输出耦合器时，光线将被引导出玻璃波导，进入观看者的眼睛。

研究人员使用微型数字显示器生成测试图像，并使用准直透镜将图像光线垂直导入输入耦合器。结果表明，明亮的红色、绿色、蓝色和全彩图像均成功传播，证实了这种无棱镜堆叠式RGB方法的有效性。

接下来，研究人员计划全面提升显示器的性能，而不仅仅关注单个全息耦合器。这包括扩大视场角和提高色彩均匀性。这项技术在商业化之前，需要将其集成到类似眼镜的紧凑型原型机中，并评估其亮度、图像质量、功耗、佩戴舒适度和长期可靠性等因素。

在众多方案中，采用相变材料的潜热储能（LHTES）系统具有独特的优势。这些优势包括高能量存储密度以及能够在近乎恒定的温度下释放大量热能，这对于稳定的热管理至关重要。事实上，一些研究表明，LHTES系统可以将供暖和制冷能耗降低高达45%。

仿真瓶颈阻碍设计

尽管具有这些优势，但对地下热能储存（LHTES）系统进行精确建模和优化仍然是一项重大挑战。其中涉及的耦合传热和流体流动过程难以精确模拟。虽然物理实验能够提供可靠的真实数据，但它们通常仅限于实验室规模的系统。

另一方面，计算流体动力学（CFD）仿真可以捕捉不同尺度下的这些复杂物理过程。然而，CFD仿真计算成本高昂且耗时，使得大规模设计优化难以实现。

让AI掌握系统物理规律

据外媒报道，在一项新研究中，由韩国韩巴特国立大学（Hanbat National University）建筑系统工程系助理教授Joo Hyun Moon领导的研究团队开发了一种混合物理信息神经网络（PINN）框架，用于优化潜热储能（LHTES）系统。该研究成果于2026年7月30日发表在期刊《储能杂志》（Journal of Energy Storage）上。

图片来源：韩巴特国立大学

“潜热储能系统利用一种特殊的蜡状材料，称为相变材料。这种材料熔化时会吸收大量热量，冷却凝固时又会释放热量，就像一个储热电池，”Moon解释道。“使用传统的计算机仿真来测试每一种新设计既缓慢又耗费计算资源。在我们的PINN框架中，我们教会AI模型物理定律，使其能够准确地重现系统的行为，并快速探索数万种可能的设计方案。”

从稀疏数据到数字孪生

为了开发数据驱动的PINN模型，研究人员首先创建了一个高保真度的真实数据集，该数据集能够捕捉LHTES系统的物理特性。为此，他们开发了一个实验室规模的LHTES实验装置以及相应的CFD模型。随后，他们利用实验测量数据验证了CFD仿真结果，结果表明两者吻合度极高，偏差极小。验证完成后，研究人员利用该CFD模型生成了一个包含15个高保真度模拟的稀疏数据集，作为PINN的训练数据。

所提出的PINN框架采用零维物理模型，并将系统的控制物理方程直接嵌入为损失函数。其关键创新之处在于，PINN能够学习特定案例的有效传热系数，同时通过响应面模型捕捉几何效应。

通过专注于发现能量守恒规律，PINN即使在稀疏数据上训练也能避免过拟合。响应面模型(RSM)则使该框架能够在优化过程中预测任意未知几何形状和流动条件下的传热特性。PINN和RSM共同构建了LHTES系统的快速数字孪生模型。

随后，该数字孪生模型与非支配排序遗传算法II (NSGA-II)相结合，以执行多目标设计优化。该优化同时寻找能够最大化总放热量和平均放热量，并最小化泵送功率的设计方案。

扁平管道更受青睐

在数值实验中，PINN以极高的精度重现了CFD仿真预测的行为，同时实现了快速、自主的设计优化。使用多目标设计优化流程获得的最优设计与性能最佳的基准设计性能相近，同时显著降低了泵送功率。此外，结果表明扁平管道更具优势。

除了建筑领域，这种基于物理原理的设计方法还有助于改善电动汽车电池、数据中心、冷链物流和太阳能热系统的热管理。早期研究也表明，更智能地控制潜热存储可以将电力成本降低70%以上，这表明该技术在减少能源消耗和排放方面具有更广泛的潜力。

Moon总结道：“我们的方法将LHTES设计流程从对离散案例的手动评估转变为对整个设计空间的自主探索。它为工程师提供了一个实用的工具，用于开发更高效的热能存储系统，有助于降低建筑物的能源消耗和碳足迹，同时支持更可持续的能源未来。”

图片来源：丰田

带手动换挡功能的自动变速箱已经存在了几十年，但真正称得上优秀的却只有近十年左右的时间。比如像保时捷和大众Tiptronic系统那样，配备液力变矩器自动变速箱，并通过换挡拨片实现近乎完全控制的车型。现在，几乎所有车型都配备了类似的控制系统。

这些系统的问题在于如何保护车辆免受驾驶员的“伤害”。如果想在时速100英里（约160公里）时把手动挡挂到二挡，车辆可以轻易换挡，同时发动机可能也会因此而爆炸。但自动变速箱不可以。反过来也一样，手动挡会在怠速行驶时轻松地挂到六挡，导致车辆熄火。带换挡拨片的自动变速箱则不会。

丰田的这项新技术可以让汽车记住那些看似不可能的指令，并在条件允许时立即执行，而且是“马上”执行。

普通汽车在急刹车但发动机转速仍然过高时，会直接忽略降档指令，但丰田的这项新技术不会。它会记住指令，并在发动机转速下降后立即切换到相应的挡位。这个过程可能只有一秒钟甚至更短的延迟。

丰田的这项技术还能主动改变允许降挡的转速。如果快速刹车，发动机转速会持续下降。因此，在发动机红线转速为7000 转/分的情况下，它或许能在紧急制动时达到6500 转/分甚至更高，而不是像通常那样只允许降挡到6000 转/分。

它甚至可以允许在略高于红线转速的情况下降挡，因为它知道紧急制动会在短时间内降低发动机最终转速。这样既能保护发动机，又能提升响应速度。

此外，它还能阻止在停止加速或加速到红线转速时发生的自动升挡。驾驶员可以通过手动开关来阻止升挡，因为驾驶员知道他们即将停止加速、即将再次加速，或者其他即将发生的情况。

图片来源：USPTO

通用汽车的这项专利申请描述了一种车辆车窗系统，该系统能够在不遮挡或阻挡驾驶员视线的情况下，帮助减少眩光。该系统有望应用于车辆挡风玻璃、侧窗或其他玻璃表面。

图片来源：USPTO

该系统采用电致变色技术，将目标车窗分割成多个独立控制的区域，称为像素。当通过导电涂层施加电流时，某些像素会变暗，但仍能保持一定的可见度。较小的像素响应速度更快，使系统能够更精确地定位每个阴影区域。根据需要，像素还可以呈现多种形状。

图片来源：USPTO

该系统还集成了一个面向驾驶员的摄像头，用于记录驾驶员的视线、头部位置和整体姿态。驾驶员眼球表面的反射光有助于控制器识别明亮物体，例如太阳或驶近车辆的前灯。然后，控制器会确定驾驶员透过玻璃看到的每个物体的位置，并将该位置与一个或多个车窗像素关联起来，通过向相应的像素发送电压来限制亮度，使玻璃的相应区域变暗。多个明亮物体可以被分别检测和遮挡。

图片来源：USPTO

车辆行驶过程中，该过程将持续运行。当驾驶员改变视线或头部位置，或者车辆和光源移动时，控制器可以调暗新的像素并调亮其他区域。另一种方案可以结合GPS信息来计算太阳相对于车辆的位置，从而使玻璃的相应部分在太阳照射到驾驶员视野的相应区域之前就开始变暗。

图片来源：USPTO

近年来，福特通过多项专利探索了内饰组件调节自动化的理念，例如自动调节安全带和乘客舱座椅调节系统等。如今，这项新公布的专利将这一理念进一步推进，提出了一种新的自动内饰组件调节系统方案。

在这种情况下，福特提出了一种系统，该系统能够检测乘员的体型，并自动调整车内几乎所有可调节的部件，使其完美贴合乘员，无需手动调整。该系统会在每次有新乘员进入车内时自动调整这些设置，当然，用户也可以进行修改。如果乘员对系统的调整不满意，他们可以提供反馈并进行微调，这使得该系统能够不断学习和改进。

图片来源：USPTO

车辆的计算机包括一个处理器和存储器，用于存储处理器发出的指令，以：识别乘员的体型分布；根据乘员的体型分布确定车辆内部组件的位置设置；启动内部组件向预设位置的自动调整；在检测到乘员不适（可通过听觉和/或视觉感知）时中止自动位置调整。

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：A*STAR Q.InC

该团队利用这一平台展示了商用级陀螺仪的灵敏度，为精密传感技术奠定了基础，这些技术有望在GPS信号无法覆盖的区域（例如地下或水下）提供导航支持。

这项发表在期刊《自然通讯（Nature Communications）》上的研究，为长期存在的抗磁悬浮难题提供了一种解决方案，并为超灵敏传感技术建立了一个全新的平台。

旋转对称性实现极低能量损耗

能量损耗极低的机械系统能够探测到极其微弱的力和运动，因此可用于精密传感。虽然悬浮技术消除了物理接触摩擦，但抗磁悬浮技术历来受限于涡流阻尼——一种会耗散能量并减缓运动的机制。

A*STAR Q.InC团队利用旋转对称性克服了这一挑战。当转子绕其中心轴旋转时，它在每次旋转过程中几乎都处于相同的磁场中，从而极大地抑制了原本会使其减速的涡流。因此，转子旋转运动的能量损耗比其横向和垂直运动的能量损耗慢约10万倍。

这使得该团队实现了3.85微赫兹的耗散率，这是毫米级机械转子迄今为止报道的最低值。

“尽管大型转子能够更有效地与微弱信号相互作用，但长期以来，实现极低的能量损耗一直是一个挑战，”A*STAR Q.InC科学家、该研究的首席研究员陈先峰博士表示，“我们的工作克服了这一难题，为推进精密传感和探索大型机械系统中的量子行为建立了一个平台。”

长时间旋转实现商用级陀螺仪灵敏度

陀螺仪是惯性导航系统的核心组件，即使在GPS信号不可用的情况下，也能使车辆跟踪姿态变化。然而，其性能很大程度上取决于核心旋转元件的稳定性。因此，更稳定的陀螺仪可以帮助车辆在没有外部信号的情况下更长时间地精确导航。

研究团队利用实时控制和精确施加的静电力，将转子加速到每分钟930转。在高真空环境下，即使驱动装置关闭，转子仍持续旋转超过10小时。

由此产生的稳定性使该平台能够检测到低至每秒0.0065度的旋转，使其灵敏度达到商用级水平。模型进一步表明，通过进一步开发，其灵敏度有望达到要求更高的导航级水平，并有望应用于自主水下航行器和其他GPS信号受限的运行环境。

在新加坡构建未来传感能力

该平台由A*STAR Q.InC牵头研发，融合了四项鲜少在单一系统中实现的卓越能力：毫米级被动悬浮、室温运行、高转速以及在该尺度下创纪录的低旋转能量损失。

“这项工作展现了基础科学的进步如何为新加坡建立具有战略意义的重要能力，”A*STAR首席量子科学家、A*STAR Q.InC负责人Lam Ping Koy教授表示。“通过整合A*STAR及新加坡更广泛的量子研究生态系统在先进控制、悬浮物理、精密工程和传感方面的专业知识，我们正在为未来技术奠定基础，这些技术有望满足导航及其他领域的实际需求。”

该团队下一步将提高转子的转速，增强其稳定性，并使支撑系统更加紧凑。其长期目标是开发一种经济实惠、具有商业可行性的传感器平台，用于实际导航应用。

图片来源：提雅智行

高性能计算技术，包括图形处理器（GPU），在加速人工智能的快速发展中发挥了核心作用。然而，L4级自动驾驶要求人工智能模型在真实世界和实时约束下持续运行。这就需要一种新的方法，既能补充现有的高性能计算技术，又能进一步提升能效、适应性、透明性和可验证性。

通过这项计划，提雅智行将独立设计一款支持Autoware（全球领先的自动驾驶开源软件）的自动驾驶人工智能芯片，并评估其作为SoC组件的有效性。除了芯片的逻辑设计外，提雅智行还将开源编译器和相关工具链。通过开放这些技术，提雅智行旨在建立一个开放的生态系统，使半导体制造商能够利用其平台技术加速L4级自动驾驶SoC的商业化进程。

能效

自动驾驶人工智能越来越依赖于大规模Transformer模型，这些模型能够以集成的方式处理传感器输入，例如摄像头图像和点云数据，涵盖从感知到运动规划的整个过程。本计划将专注于Transformer推理，并开发一种专用架构，以简化通用计算所需的复杂控制机制。

人工智能模型执行所需的数据将被预先高效地存储在芯片内部，并在芯片内部重复使用，从而降低外部存储器传输和计算控制所消耗的功耗。该架构还将集成专用的计算电路，用于Transformer中常用的操作，例如矩阵乘法和注意力机制。

提雅智行并非仅仅优化芯片的峰值性能，而是致力于提升整个自动驾驶系统（包括Autoware）的每瓦性能。该设计支持灵活部署于各种应用场景，从功耗仅为几瓦的嵌入式设备到功耗高达几十瓦的车载电子控制单元均可适用。

适应性

围绕自动驾驶人工智能的技术格局正在快速发展，这使得基于特定模型或硬件配置设计的架构难以持续适应变化。为了应对这一挑战，提雅智行将引入张量算子集架构 (TOSA)，这是一种标准化的中间表示，用于连接人工智能模型和人工智能芯片。

使用PyTorch等框架开发的人工智能模型的操作将被转换为通用的TOSA表示。然后，在人工智能芯片上执行之前，将通过TOSA进行优化和代码生成，从而实现人工智能框架和硬件之间的松耦合。

因此，人工智能模型架构或计算方法的变更主要可以通过对编译器和运行时等组件进行软件更新来实现，而无需从头开始重新设计整个芯片。提雅智行目标是实现软件定义的SoC，其性能和能效可以通过软件进行持续优化。

透明度

在诸如L4级自动驾驶等安全关键型应用中，不仅需要了解人工智能模型本身，还需要了解其运行所在计算系统的内部架构和处理流程。根据这项计划，提雅智行将开源其自动驾驶人工智能芯片的逻辑设计，以及编译器和相关工具链。

通过公开设计信息，提雅智行将使半导体制造商和开发人员能够查看芯片的内部架构和软件行为，并根据其车辆平台、人工智能模型、性能要求和功耗限制来修改、扩展和重用这些技术。

正如Autoware实现了自动驾驶软件的协同开发一样，提雅智行将把同样的开源理念扩展到人工智能芯片设计及相关工具链领域。这将构建一个生态系统，使自动驾驶人工智能技术能够持续改进和发展，而无需依赖特定的半导体产品或封闭的开发环境。

可验证性

在芯片上执行人工智能模型的过程涉及模型格式转换、计算优化、量化、舍入和其他变换。这些过程对于提高性能和能效至关重要，但它们也可能引入影响最终计算结果的数值差异。因此，需要一种机制来评估这些差异的影响。

提雅智行将以TOSA及其明确定义的操作规范为基础，构建编译转换过程并引入形式化验证技术。对于选定的转换和操作，该计划将建立机制，在转换前后对数值一致性以及是否符合预定义的误差容限进行数学验证。

通过这种方式，提雅智行不仅追求高处理性能，还追求一种执行环境，在该环境中，芯片执行前应用于AI模型的转换过程可以被追踪，并且最终处理结果的正确性也可以被验证。这将有助于为自动驾驶AI构建更可靠的执行环境。

图片来源：首尔大学

散射——即光在遇到物质时向多个方向分散的过程——在决定众多光学技术的性能方面起着至关重要的作用，这些技术包括眼镜和相机镜头的抗反射涂层、显示器扩散器、自动驾驶汽车的激光雷达传感器以及光通信组件。最终，精确控制散射的能力是决定光学技术竞争力的关键因素。

该研究团队由首尔国立大学工程学院（Seoul National University College of Engineering）电气与计算机工程系Sunkyu Yu教授和Namkyoo Park教授领导，与首尔大学（University of Seoul）Xianji Piao教授合作。新的理论框架名为“非厄米统计晶体学“Non-Hermitian Statistical Crystallography”，不仅考虑了折射率，还考虑了吸收和放大效应。

基于折射率和吸收/放大效应之间的统计相关性和旋转对称性，该理论为分类和设计开放无序材料的散射特性提供了一个概念框架。该研究成果发表于期刊《先进科学》（Advanced Science）。

从晶体到超均匀无序结构

迄今为止，精确控制光的主要方法之一是利用晶体结构，其中原子或微结构以规则的间隔重复排列。然而，研究人员将注意力转向了超均匀结构，这种结构在近距离观察时显得不规则，但在更大尺度上却均匀分布。

用音乐会现场的观众来类比：近距离观察时，人们的站位可能看起来杂乱无章，但如果没有空位或过度拥挤的区域，从远处看，整体密度就显得均匀。类似地，超均匀结构在局部呈现无序状态，但在更大尺度上则均匀分布。这类结构对某些类型的光散射极小。

当这种散射抑制作用扩展到一定的波长和方向范围时，就会出现一种被称为“隐形超均匀性”的现象。就像隐形飞机在某些雷达波长下几乎不留下任何反射信号一样，这种材料在特定的波长和方向范围内对光也变得“隐形”。

以往对超均匀性的研究主要集中在能量守恒的材料上。然而，在实际的光学系统中，光可以通过外部能量的输入而被吸收或放大。能量可以以这种方式进入或离开的开放波系统被称为非厄米系统。

研究人员提出，不应将光的“损耗”和“增益”视为需要消除的问题，而应将其视为新的设计变量。换句话说，他们将理论扩展到能量与外部环境交换的开放系统，从而建立了一种控制散射的新原理。

通过互相关设计方向

研究人员首先确定了非厄米超均匀性所需的条件。他们证明，当折射率和吸收/增益特性均独立满足超均匀性时，可以在长波长范围内保持散射抑制，同时还能调整所需的散射特性。

研究团队随后发现，互相关（描述了折射率和吸收/增益特性在空间上的相对关系）是决定特定方向散射的关键因素。

图片来源：期刊《先进科学》

通过控制这种互相关性，研究人员设计出了定向散射，这种散射可以抑制一个方向上的光，同时增强另一个方向上的光。他们特别证明了可以设计出具有奇数重旋转对称性的散射图样，而这种图样在传统的能量守恒材料中难以实现。

研究人员进一步将这些设计原则组织成一个新的分类框架，称为非厄米统计晶体学。传统的晶体学通过X射线衍射图样为理解和设计晶体结构提供了基础，而新的框架意义重大，因为它拓宽了无序开放材料中可实现的散射响应范围。

潜在用途及后续步骤

该研究团队提出的原理最终可用于设计光学器件，以抑制不必要的散射或将光线定向到所需方向，应用领域包括光通信和光子集成电路、光学传感器和激光雷达、显示器和照明以及医学光学成像。

在光通信领域，该方法可用于设计减少不必要反射的组件；而在自动驾驶汽车的光学传感器领域，它有助于开发抑制特定方向杂散光的技术。该框架还有望促进对制造缺陷具有较强鲁棒性的光学器件以及定向光学传感器的设计。

相关研究人员表示：“这项研究将非厄米波物理和超均匀材料这两个研究领域联系起来，并提出了一个新的框架，用于设计即使在无周期性的无序开放材料中的散射方向性和对称性。”

他们补充道：“接下来，我们计划将提出的理论应用于物理材料平台，并将研究扩展到强多重散射和非厄米能带现象。”

图片来源：Kinetic Technologies

Kinetic Technologies首席技术官Jan Nilsson表示：“随着汽车电子系统日益复杂，满足汽车电源瞬态要求变得越来越具有挑战性。KTS1642Q集成了关键的保护功能，可帮助设计人员满足ISO 16750-2电气应力条件和ISO 7637-2瞬态要求，同时减少元件数量、最大限度地降低功率损耗并加快系统认证。”

现代车辆的ECU会受到反接电池、冷启动、跨接启动、负载突降和电感开关瞬态等冲击的影响。KTS1642Q可帮助设计人员构建稳健的电源架构，以应对这些冲击，同时保护下游敏感电子元件。

该器件的工作电压范围为4V至40V，提供-28V反接电池保护、固定20.3V过压保护、典型360ns过压保护响应、41mΩ导通电阻、6A输出电流、带自动重试功能的过温保护、电池检测和故障报告功能。

与合适的外部TVS二极管配合使用时，KTS1642Q可满足ISO 7637-2瞬态要求，并帮助设计人员应对ISO 16750-2的电气应力条件。

目标应用

• 汽车电子控制单元 (ECU)

• 高级驾驶辅助系统 (ADAS) 摄像头模块

• 数字视频录像机 (DVR)

• 数字仪表盘

• 信息娱乐系统和主机单元

• 无线充电

• 车载信息服务

主要特性

• 4V–40V工作电压范围

• -28V反向电池保护

• 20.3V固定过压保护 (OVP)

• 360ns典型过压保护响应时间

• 41mΩ MOSFET

• 6A连续输出

• 符合IEC61000-4-2（4级）标准的输入静电放电 (ESD) 保护

接触：±8kV

空气：±15kV

其他引脚HBM：±2kV，符合AEC Q100-002标准

• 故障标志输出

• 符合AEC-Q100标准

• -40°C至+125°C工作温度

• 4mm × 4mm TDFN封装

器件供货情况

KTS1642AQGDV-TR（高电平有效使能）和KTS1642QGDV-TR（低电平有效使能）现已上市。

图片来源：康考迪亚大学

据外媒报道，康考迪亚大学（Concordia University）化学与材料工程系的博士后研究员Andre Mayer在Pantcho Stoyanov的指导下，通过康考迪亚大学热喷涂与表面工程研究中心开展研究，探索了一种新型涂层，该涂层有助于提高发动机在高温下的性能。相关研究论文发表在期刊《通讯材料》（Communications Materials）上。据悉Fadhel Ettouil也为这项研究提供了支持，他为研究中心提供了专用设备的技术支持。

正如Mayer解释的那样，他最初研究的是发动机部件上氧化物（例如铁锈）的形成过程——这一过程通常被认为是有害的。

“但实际上，当部件在高温等极端条件下运行时，这些氧化物发挥着重要作用，”他说道。“它们会形成一层保护层，防止金属表面在运行过程中相互粘连。”

他引用了美国宇航局伽利略号任务的一个著名例子：由于缺乏氧化物，机械部件在严酷的太空环境中粘连在一起。

在研究燃气轮机发动机表面氧化物的形成过程时，研究团队致力于以更可控的方式模拟某些有益氧化物的形成。

“我们开发了一种由钴和铬氧化物制成的涂层，其化学成分与天然存在的氧化层（称为釉层）相似。这些保护层通常只在非常特定的运行条件下，在某些发动机部件上形成。通过从一开始就涂覆具有类似化学成分的涂层，即使在不满足这些条件的情况下，我们也能提供类似的保护，”Mayer解释道。“虽然我们的新型涂层只有头发丝那么细，但它们可以彻底改变表面性能。”

这种新型涂层不仅能改善发动机模拟工况下的磨损和摩擦性能，还能自我修复因金属在高温下膨胀而产生的裂纹。研究团队发现，涂层在使用后冷却过程中，裂纹会自行愈合并消失，从而保持涂层的完整性。

Mayer表示，这项创新有望延长发动机的使用寿命，并减少所需的维护次数。此外，该涂层的成分还能解决常用发动机材料面临的其他挑战，例如成本上涨和供应问题。

这项技术目前正在申请专利，研究团队正在探索将这项发现应用于包括航空以外领域在内的未来应用的可能性。

“我们对这项工作的更广泛潜力感到兴奋，”Stoyanov说道。“虽然它的灵感来源于航空航天发动机面临的挑战，但同样的概念可以应用于许多工程领域，尤其是在那些部件需要在极端条件下运行的领域。”

康考迪亚大学热喷涂与表面工程研究中心的研究人员致力于开发此类新型涂层技术，以满足行业对更高耐磨性和耐久性的需求。该中心由Stoyanov和加拿大热喷涂与表面工程研究主席Christian Moreau共同领导。

图片来源：沃尔沃汽车

Safety Coach会分析刹车、加速和转弯等驾驶行为，并根据沃尔沃数十年来积累的驾驶安全研究成果，为每位驾驶员生成动态的个人评分。在瑞典和挪威，分享驾驶数据的客户还将获得沃尔沃保险公司（Volvia）提供的基于驾驶数据的保险优惠，随着应用覆盖范围的扩大，更多类似权益也将陆续推出。

这款应用程序由沃尔沃与剑桥移动远程信息处理公司（CMT）合作开发。CMT 是一家远程信息处理和人工智能公司，其算法能够计算出每位用户的Safety Coach评分。该公司表示，其项目通常能够减少超速和急刹车等驾驶行为。该应用程序将首先应用于2020年款及之后搭载基于谷歌安卓系统的沃尔沃车型，涵盖XC40、EX90和ES90等车型。

沃尔沃汽车公司驾驶员行为专家Mikael Ljung Aust在一份声明中表示：“我们的研究表明，许多交通事故都包含某种程度的意外情况。而可预测性有助于预防此类事故的发生。”CMT联合创始人兼首席执行官William V. Powers补充道，像Safety Coach这样的安全驾驶项目有助于培养良好的驾驶习惯，并可获得个性化的保险福利。

这款可选应用程序将通过车载信息娱乐系统屏幕和沃尔沃汽车移动应用程序，直接为驾驶员提供实时驾驶洞察和技巧。这些技巧基于驾驶员在日常交通中的驾驶行为，例如刹车、加速和转弯。

这些技巧的制定参考了沃尔沃汽车数十年来积累的无与伦比的真实世界安全知识和数据。每位沃尔沃车主都将获得专属的动态安全教练评分，激励他们成为更优秀、更安全的驾驶员。

图片来源：耐世特

轻量化、灵活且适应性强的设计

HMDD是耐世特最新推出的线控转向系统直驱手轮执行器产品组合，可将驾驶员的转向输入转化为驱动车轮的数字指令，同时为驾驶员提供转向路感反馈。除了耐世特提供的仪表板下方低位安装方案外，HMDD还为汽车制造商提供了更大的灵活性，使其能够选择最符合自身车辆布局、驾驶舱设计和驾驶体验策略的执行器架构。

HMDD结合了紧凑的高位安装架构、直接驱动的响应速度和固定式轮毂，为汽车制造商重新构想驾驶舱创造了新的机遇，包括：

• 更灵活的转向界面设计，包括中央轮毂控制和显示方案、可收纳或可重新配置的转向界面以及更丰富的方向盘安装位置选择。

• 新一代安全气囊集成，得益于固定式轮毂，无需旋转系统所需的对称式驾驶员安全气囊设计。

• 与传统的柱式转向架构相比，重量最多可减轻23%，具体取决于车辆应用和封装要求。

• 可扩展集成于内燃机、混合动力和电动汽车平台，支持12V和48V电气架构以及左舵和右舵配置。

解锁软件定义车辆的运动控制

HMDD进一步强化了耐世特的线控（SbW）产品组合，该产品组合是耐世特更广泛的Motion-by-Wire™底盘控制战略的一部分，该战略涵盖转向、制动、后轮转向和软件驱动的运动控制。这些技术的结合实现了协调的运动控制，从而在安全性、性能和效率方面超越了机械系统本身所能达到的水平。

“耐世特的HMDD为汽车制造商提供了一种重新思考驾驶舱和驾驶体验的新方法，同时增强了转向手感、空间布局灵活性和关键安全性能，”耐世特汽车研发执行总监Michael Hales表示。“随着车辆越来越依赖软件定义，像HMDD这样的技术有助于为差异化的转向体验和未来的车辆架构构建更灵活的基础。”

对于驾驶员而言，HMDD旨在通过平顺、直接的扭矩响应和可调节模式，提供卓越的转向手感，从而带来逼真的路感反馈和更佳的驾驶人车合一体验。其直驱配置和灵活的软件调校，能够支持未来通过软件进行功能升级，包括随着OEM软件战略的推进，可能进行的OTA空中升级。

对于OEM而言，耐世特HMDD创造了标准化和扩展线控转向硬件的机会，同时通过软件定义的转向手感、驾驶舱体验和用户功能，实现品牌差异化。这种方法有助于降低零部件的复杂性，加快开发速度，并为未来的软件驱动型车辆打造更灵活的基础。

图片来源：Stoneridge

EVO ECU平台旨在应对当今商用车日益复杂的系统需求，提供灵活、高性能的电子控制解决方案，帮助OEM降低系统复杂性，同时实现先进的连接性、诊断功能以及面向未来的软件驱动功能。

Stoneridge全球产品与项目管理副总裁Christian Leblanc表示：“商用车正变得越来越互联和智能化，但传统的车辆架构并非为支持当今的创新步伐而设计的。EVO提供了一个可扩展的平台，有助于简化集成，提升车辆性能，并赋予我们的客户所需的灵活性，以便他们能够随着技术的不断发展而进行调整。”

降低复杂性，提升功能

与依赖众多独立电子控制单元的传统架构不同，EVO将处理功能整合到一个集中式平台中，该平台专为满足商用车的独特需求而设计。这种方法能够实现更快的软件更新、更高效的诊断，并能够在无需重大硬件变更的情况下引入新功能。

对于车队运营商而言，EVO旨在通过增强诊断、远程软件更新和提升车辆智能化程度，帮助提高车辆正常运行时间并降低维护复杂性。

“车队客户是我们开发过程的核心，”Leblanc表示，“EVO有助于更快地排除故障、减少服务中断，并能够在车辆的整个生命周期内持续提升车辆性能。”

可扩展、安全且面向未来

软件模块化和网络安全是EVO ECU开发的基础要素。通过与Green Hills Software的合作，Stoneridge实现了可扩展的软件架构，该架构允许在引入新功能的同时，保持安全关键功能之间的隔离。

EVO ECU平台专为商用车辆应用而设计，能够承受严苛的运行环境，包括极端温度、振动、灰尘和车辆连续运行。其坚固耐用的车规级设计也使其非常适合各种车辆应用，包括公共汽车、长途客车和非公路用设备。

“商用车辆的运行环境极其严苛，因此需要专门针对这些环境而设计的技术，”勒布朗说道。“EVO平台从零开始研发，旨在提供客户期望的可靠性、性能和灵活性。”

该平台的可扩展架构提供额外的处理能力和连接性，以支持包括高级驾驶辅助系统、更多摄像头应用、传感器集成以及未来人工智能功能在内的新兴技术。

“在日益增强的互联性、自动化和不断变化的监管要求的推动下，我们的行业正在经历一场重大变革，”Stoneridge总裁兼首席执行官Natalia Noblet表示。“EVO体现了我们致力于帮助客户应对这一变革的承诺，我们打造的灵活平台旨在支持当下和未来的创新。”

EVO ECU平台由Stoneridge与技术合作伙伴瑞萨电子（Renesas Electronics）合作开发，融合了车规级处理能力和商用车专业知识，旨在支持下一代互联交通。Stoneridge采用了多层安全防护方案，旨在保护关键车辆系统，同时支持未来的软件扩展。

“Stoneridge的EVO ECU平台展示了商用车制造商如何为应对严苛的运行环境而实现车辆电子设备的现代化，”瑞萨电子副总裁兼高性能计算SoC事业部负责人Aish Dubey表示。“我们的合作将Stoneridge在商用车领域的专业知识与瑞萨的R-Car系统集成芯片、电源管理和可编程混合信号技术相结合，为互联和软件定义商用车打造了一个可扩展的车规级基础架构。”

此外，在既有合作关系的基础上，Stoneridge与indie Semiconductor紧密合作，共同开发了驱动EVO ECU平台的图像处理器。该处理器在设计过程中直接采纳了Stoneridge工程团队的意见，旨在满足商用车对性能、市场领先的图像质量和可扩展性的高要求。

图片来源：KAIST

KAIST方面宣布，由电气工程学院和半导体技术研究生院的Shinhyun Choi教授领导的研究团队开发出一种可编程动态忆阻晶体管（PDM），这是一种时间响应特性可以调整为多种状态并保持的半导体器件，以及基于该器件的集成阵列。

忆阻晶体管是一种新一代半导体器件，它将存储器的信息存储功能与晶体管的计算功能相结合。在所开发的PDM中，它能够在处理数据的同时保留先前的信息，从而可以调整并保持其响应特性以适应传入的数据。

如今的计算机和智能手机需要复杂的软件处理来分析随时间变化的数据，这导致巨大的计算负载和高功耗。为了解决这个问题，研究人员一直在研究能够让半导体硬件直接处理数据的技术。然而，传统器件的响应速度是固定的，一旦制造完成就无法更改。

研究团队通过在晶体管内部引入双层结构克服了这一限制，该结构结合了用于累积和处理数据的电荷存储层以及用于以非易失性方式控制响应速度的电子捕获层。

图片来源：KAIST

在研究团队开发的PDM中，输入数据在电荷存储层进行处理，而电子捕获层则通过多层控制来调节半导体恢复到初始状态的速度。实验中，该团队成功地将电流恢复时间调整了约5倍，并将特征频率调整了10倍以上。

尤其是在预测快速和缓慢变化复杂混合的数据时，与传统的固定响应半导体器件相比，PDM将预测误差降低了高达40倍。PDM通过使用配置为匹配不同输入时间尺度的响应特性，即使在手写或物体移动速度变化的情况下也能实现精确的信息处理。响应特性一旦设置完成，器件即可记住这些设置，无需持续的外部电源，也无需对输入数据进行复杂的预处理。由于它与广泛应用的商用半导体工艺中使用的材料完全兼容，因此也极具大规模生产和商业化优势。

研究团队制造了一种PDM阵列，并利用它预测复杂数据，结果证实其精度可与传统的软件系统相媲美，而能耗却低得多。

图片来源：KAIST

“这项研究展示了一种人工智能半导体，其响应特性可编程，能够高效处理不同速度变化的数据，”Choi教授表示，“我们期望它能成为一项核心技术，在提升自动驾驶汽车、机器人和可穿戴设备等人工智能设备性能的同时，降低其功耗。”

图片来源：宾利

宾利现有的驾驶模式可以调节悬架、动力系统和操控性能，而Curation Engine则在此基础上更进一步，重塑整个座舱的氛围，而非仅仅调整个别功能。宾利表示，该系统运用感官神经科学原理，对照明、音响和空调进行协同校准，旨在帮助驾乘者根据不同的旅程感受更平静、更专注、更活力充沛或更投入。

宾利提供四种体验模式：

宾利模式（Bentley Mode）是车辆的默认设置，也是宾利品牌精髓的最佳体现。一个多世纪以来，宾利始终致力于将奢华与性能完美融合，打造出兼具跑车灵魂的豪华旅行车。全新Torcal延续了这一理念。宾利模式温暖、动感且完美平衡，将舒适性、精湛工艺与真正的驾驶乐趣融为一体，营造出精致优雅却又以驾驶者为中心的驾乘环境。

舒适模式（Comfort Mode）旨在减少干扰，营造轻松氛围。该模式会柔化车内照明，营造更加宁静的氛围，并放慢车厢内的节奏。乘客甚至可以选择“数字排毒”模式，减少信息流，让注意力从屏幕上转移开来，最终拥有一个静谧的环境，专为长途旅行和静谧时刻而设计。

运动模式（Sport Mode）能够提升感官体验，增强每一次互动。音效更加震撼，视觉提示更加清晰，座舱氛围也愈发鲜明。每个细节都经过精心调校，旨在强化驾驶者与车辆之间的联系，营造出充满激情与活力的氛围。此模式旨在让每一次操控更加灵敏，每一次反应更加精准，每一次旅程更加愉悦。

Torcal独有的焕新模式（Refresh Mode）为奢华旅行开启了全新维度。新鲜空气循环增强，车内照明更加明亮，营造出更加轻盈、清新、活力四射的氛围。焕新模式旨在缓解疲劳，提升警觉性，帮助驾乘者在长途旅行中保持精神焕发。焕新模式出人意料却效果显著，它展现了奢华如何不仅影响舒适度，更能提升幸福感。

宾利Torcal的Curation Engine不仅仅是一系列设置的集合，它代表了一种全新的汽车奢华理念。通过智能地协调驾乘者周围的感官环境，宾利Torcal能够创造出在旅途中不断适应、响应和演变的体验。

图片来源：Imagry

该巴士为10.3米长的M3类电动巴士，已获得欧盟GSR2安全法规下的整车类型认证预认证。Imagry和UNVI表示，软件集成仅用了不到三个月的时间，远低于行业平均水平。两家公司均未透露巴士的电池规格或续航里程，也未详细说明在德国的具体部署地点。

目前尚不清楚这项无需高清地图的服务是否会从上线之初就完全自动驾驶，还是会先配备一名安全驾驶员。不过，以往的自动驾驶巴士服务——即便采用的技术比Imagry公司的更成熟——通常也会在初期配备安全驾驶员，即便只是为了让乘客安心。

值得注意的是，这项服务上线时将不使用高清地图，因为传统的工程理念实际上更倾向于为这类车辆配备高清地图。固定的公交线路具有可预测性和重复性，而这正是高清地图的优势所在：厘米级的路缘几何形状能够实现轮椅坡道的精准对接；预先构建的世界模型可以释放车载计算资源，用于追踪行人和交通状况；以及即使在暴雨或暴雪遮蔽了摄像头的车道线的情况下，存储的空间参考也能继续发挥作用。

由于公交部门只需勘测一组固定的线路而非整个城市，因此在这种特定应用场景下，高清地图的维护成本相对较低。Imagry的无地图方案从几个对公交运营商至关重要的实际角度颠覆了这一逻辑。正是由于省去了高清地图所需的勘测、点云处理和验证步骤，软件集成才得以在不到三个月的时间内完成，而非数年，从而使运营商能够在几周内开通或扩展线路。欧洲的道路也经常出现施工、封闭和绕行，当实际情况与存储的数据不符时，依赖地图的公交车可能会被困。

这就是无地图方案的优势：它能够直接读取道路的实际状况。然而，这种方案也存在一些不足。高清地图最显著的优势在于能够确保车辆与预先勘测的路缘石实现亚英寸级的精准对接，但如果没有存储的测量数据，这一优势就难以复制。为了解决这个问题，Imagry将其自动驾驶感知系统与专门训练用于实时检测站台边缘的附加传感器相结合。

在联合国欧洲经济委员会（UNECE）通过首个国际统一的SAE 4级及以上自动驾驶系统监管框架（该框架得到了欧盟、美国、中国和日本的支持）几周后，Imagry-UNVI的自动驾驶系统正式发布。该框架不具有约束力，因此Imagry-UNVI在德国的部署初期将遵循现有的德国WVTA和GSR2法规。德国大力推进自动化——尤其注重公共交通和商业运输而非自动驾驶出租车——很大程度上是由于日益严重的司机短缺问题。然而，这种情况并非德国独有：全球交通运输行业正面临着20%的司机缺口，并且每年还在以大约1个百分点的速度恶化。

UNVI计划未来将合作扩展到其他车辆配置，两家公司都看到了在校园、机场和医院等场所（这些场所的运行区域虽然明确但可变化）的应用潜力。在这些环境中，基于感知系统的系统可能更合适；而基于感知系统的系统则依赖于预先勘测的高清地图，并且每次路线或建筑布局发生变化时都需要更新地图。

图片来源：Stellantis

“车迷们对技术本身并不感兴趣。但如果技术能够提升性能且没有任何负面影响，他们就会全力支持。”美国品牌和北美市场营销负责人Tim Kuniskis表示。 “eBoost Air正是带来了这种切实的好处。这是一个巧妙而简单的理念，它直接解决了涡轮迟滞问题，体现了SRT最擅长的——快速行动、挑战固有观念、追求更高性能。”

传统的涡轮增压技术通过将空气强制送入发动机来提升动力。涡轮增压器利用发动机废气驱动，而这些废气通常会被浪费掉，因此这项技术非常高效。涡轮增压器通过捕获强制送入的废气来驱动涡轮，从而形成强制进气系统，减少泵气损失，并为发动机提供更多氧气。其结果是更强劲的燃烧，从而产生更大的动力。更大的涡轮增压器可以强制更多的空气进入发动机，产生更大的动力。但是，对于更大的涡轮增压器来说，这个过程只有在发动机转速较高、排气压力较大时才能有效。在较低转速下，排气压力不足以使涡轮增压器充分运转，这就是通常所说的涡轮迟滞。SRT的eBoost Air电子增压技术通过快速而强大的电动涡轮机产生正压来填补转速间隙，从而更快地启动涡轮增压器，提高油门响应和加速性能，解决了这个问题。

“SRT部门正利用快速研发和跨职能工程来评估新兴的性能技术，”SRT运营主管Tom Sacoman表示。“就此而言，通过在废气能量可用之前，以机电方式预先启动涡轮增压器，我们能够显著提高增压响应和驾驶性能。”

该电子压缩机位于废气驱动涡轮增压器的上游，并与电子控制旁通系统配合工作。当驾驶员需要立即获得扭矩，而涡轮增压器尚未达到所需的工作转速时，旁通系统会将气流引导至电子压缩机，从而快速建立增压压力，使涡轮增压器达到工作转速。

一旦涡轮增压器能够提供所需的增压值，气流便会恢复到正常的进气路径。对于驾驶者而言，这意味着无需等待更大的涡轮增压器建立增压，即可获得更强劲的响应，并在发动机转速攀升时保持动力输出的持续性。

凭借宽广且响应灵敏的动力输出范围，eBoost Air更接近于机械增压V8发动机那种瞬间爆发、线性输出的驾驶感受。该系统保留了涡轮增压动力系统的优势，同时又释放出全新的性能潜能。

图片来源：Enva

白色HIPS-8513是一种高品质再生高抗冲聚苯乙烯（HIPS）化合物，含有93%的消费后再生材料。该产品采用Enva先进的分拣和混炼工艺开发而成，是迄今为止Enva最白的再生HIPS等级，能够提供现代制造商所需的稳定色泽、优异物理性能和可靠的长期供应。

Enva公司对其再生HIPS化合物的生命周期评估表明，其碳排放量比同等质量的原生HIPS低90%以上，凸显了再生材料能够为寻求降低产品环境影响的制造商带来显著的环境效益。

从废旧冰箱中回收的塑料现在可以转化为优质的、性能与原生材料相当的白色HIPS化合物，适用于各种制造应用。最终形成了一个真正的循环解决方案，既能延长宝贵资源的使用寿命，又能减少对原生塑料的依赖。

白色HIPS-8513主要面向白色家电制造商，适用于冰箱内衬、搁板、托盘和搁板边框等应用。Enva也看到了其在建筑行业的巨大潜力，可用于管道、通风组件、检修面板和阁楼舱口等产品。随着对高质量再生材料的需求持续增长，该公司也在积极开拓汽车行业的市场机遇。

与传统供应链不同，传统供应链中制造商通常从多个供应商采购再生聚合物，而Enva则掌控着从废旧家电的收集和回收到成品塑料化合物生产的每一个环节。这种一体化模式不仅带来了显著的环境效益，也让客户对其原材料供应的长期可用性、可追溯性和稳定性更有信心。

Enva英国塑料业务总经理Bradley Wright表示：“制造商面临着越来越大的压力，既要减少产品对环境的影响，又要保持客户期望的质量和性能。白色HIPS-8513展示了真正的循环经济模式如何实现这两点。通过回收废旧冰箱中的塑料，并将其转化为我们迄今为止最白的再生HIPS等级产品——一种性能与原生材料相当的优质白色HIPS化合物。我们帮助客户减少对原生材料的依赖，同时支持显著降低碳排放。由于Enva管理着从电器回收到化合物生产的每一个环节，我们也能确保材料的稳定性、质量和长期供应，从而让客户充满信心。”

Enva已在先进的家电回收基础设施方面投入巨资，其中包括能够从冰箱和其他家用电器中回收优质塑料的专业设施。该公司目前每年可供应12,000吨优质白高抗冲聚苯乙烯（HIPS），为制造商提供可靠、长期的优质再生材料来源。

这种一体化模式有助于克服制造商面临的关键挑战之一：随着对再生材料需求的持续增长，如何确保优质再生材料的稳定供应。

除了白色HIPS-8513之外，Enva更广泛的再生塑料化合物系列为制造商提供了一种切实可行的替代方案，可替代原生材料，在保持性能和表面光洁度的同时，显著降低碳排放。Enva的配方适用于注塑成型、挤出成型、真空成型和色母粒应用，可根据特定产品需求进行定制，同时支持ESG承诺和更广泛的循环经济目标。

图片来源：arxiv.org

该混合世界模型架构解决了自动驾驶世界模型中的一个根本性权衡问题。像素级模型通过预测未来视频帧来获取环境细节，但计算成本高昂且对视觉噪声敏感。潜在空间模型为了提高效率，在压缩的隐藏表示中运行，但可能会丢失对安全驾驶决策至关重要的真实世界细节。HyWorldVLA兼顾了两者：在训练过程中使用像素级监督作为“看门狗”，强制潜在空间保留足够的帧重建信息；同时在压缩空间中进行推理以提高效率。消融实验证实，移除像素级预测会使PDMS值从90.59降至87.50，而移除潜在空间处理则会降至89.91，这验证了这两个组件都是必要的。

训练流程分为三个阶段。首先，视频变分自编码器（VAE）在文本描述作为语义上下文的引导下，将连续的视频帧压缩成紧凑的潜在特征。其次，将图像、动作、语言和潜在特征转换为统一的离散标记，用于自回归的下一标记预测，同时对像素预测和潜在特征预测进行双重监督。像素标记预测起到质量保证作用，防止潜在特征表示崩溃。第三，动作生成模块将潜在特征与历史信息融合，生成轨迹输出，并通过对候选轨迹进行评分和直接生成连续轨迹来验证其有效性。

潜在特征监督权重至关重要：微调过程中不施加任何约束时得分为90.17，最优权重为0.1时得分为90.59，而过高的权重则降至89.75。这表明适度的约束既能保留预训练的语义信息，又不会限制模型发现与驾驶相关的表征的能力。

图片来源：英飞凌

英飞凌科技存储解决方案高级副总裁Rainer Hoehler表示：“随着软件定义汽车依赖于高性能系统集成芯片（SoC）、日益复杂的固件和大容量数据存储，汽车存储器已成为推动创新的战略性因素。尖端数字座舱和空中升级功能正在推动对高密度NOR闪存的需求。凭借联发科的认证，客户现在可以轻松集成英飞凌的512 Mb NOR闪存，将其作为面向未来的智能座舱存储解决方案。”

联发科副总裁兼汽车事业部总经理Mike Chang表示：“英飞凌的车规级NOR闪存为我们高端天玑智能座舱平台C-X1提供了所需的性能、可靠性和功能安全特性。其高密度设计支持先进的人工智能和用户体验功能，这对下一代软件定义汽车至关重要。基于我们长期的合作，我们将借助英飞凌的行业领先地位，为不断发展的软件定义生态系统提供可靠的骨干网络。”

英飞凌的512MB QSPI NOR闪存存储着SoC级AI驱动功能所需的固件和启动代码，例如语音助手、驾驶员监控、旅行视频博客生成、环境感知和个性化视听推荐。它支持安全启动，并提供关键的冗余机制以增强安全性。该闪存基于英飞凌的MirrorBit技术，具有强大的接口、与主流汽车SoC的广泛兼容性、AEC-Q100认证以及高达+125°C的工作温度支持。

图片来源：三菱化学

碳纤维预浸料是一种片状中间材料，由浸渍树脂的碳纤维组成，是CFRP部件的基础材料，广泛应用于运动、休闲、交通和工业领域。尽管CFRP具有轻质高强的优点，但其抗冲击性能仍存在不足，尤其是在使用高模量碳纤维制造时。

解决关键性能差距

碳纤维增强复合材料 (CFRP) 的损伤通常并非源于碳纤维本身，而是源于支撑树脂或纤维-树脂界面。这种脆弱性使得兼顾刚度和耐久性成为一项长期挑战，尤其对于高模量碳纤维应用而言，尽管其刚度优异，但仍易受冲击损伤。

三菱化学利用其专有的树脂设计技术开发了这些新系列产品，显著提高了高模量碳纤维增强复合材料的抗冲击性和损伤容限。高刚度和优异耐久性的结合有望为碳纤维增强复合材料部件提供更大的设计灵活性，并有助于提升其在各个领域的性能。

图片来源：保时捷

据外媒报道，保时捷（Porsche）最近申请了自动前桥升降系统专利专利，可以解决这个问题：当检测到障碍物时，车头会自动抬起。唯一的问题是，它只会在车辆首次接触障碍物后才会抬起车头。

遇到颠簸时，它会自动抬升

车头抬升装置并非汽车车龄达到一定程度，设计师为了让它看起来“焕然一新”而特意设计的。它是一种装置，通常是连接在前悬架上的液压或气动缸，可以将车头抬高几英寸。

它并非用于越野，而是作为一种临时措施，帮助您轻松越过较高的减速带、驶入车道或通过停车场的急弯。车头抬升后，前保险杠就不会被刮蹭，甚至更糟，被完全撕裂。

这项发明的问题在于驾驶员需要记住使用它。虽然有些汽车现在配备了GPS记忆功能，可以自动保存位置信息，但这仍然需要驾驶员手动设置记忆功能，并在需要记录新的故障点时按下按钮。

该专利描述称还在车内加装麦克风，或者利用车厢内现有的麦克风。当麦克风捕捉到车身面板与沥青或水泥路面摩擦的独特声响时，车头会自动抬起。

一旦摩擦开始，就为时已晚，无法避免损坏，那么这项发明还有什么意义呢？保时捷表示，如果驾驶员决定继续前进或突然倒车，这项发明可以阻止进一步的损坏。我们都看过一些视频，汽车车头越过障碍物后试图倒车，结果车头严重变形甚至脱落。

因此，这项发明无法避免刮蹭，但它可以避免更严重的后果，这仍然具有一定的价值。尤其值得一提的是，它不需要任何额外的部件。

据外媒报道，意大利GenerativeBionics、意大利技术研究院（Italian Institute of Technology，IIT）和曼彻斯特大学（University of Manchester）的研究人员近日提出了一种新的框架，可为设计更加安全、高效且具备自适应能力的人机交互机器人提供指导。该设计策略发表于期刊《Nature Machine Intelligence》，并已成功应用于一款新型人形机器人——ergoCub。

论文第一作者Carlotta Sartore和通讯作者Daniele Pucci向Tech Xplore表示：“这项工作源于我们多年开发多代人形机器人的经验。在这一过程中，我们反复发现，机器人硬件往往被视为固定不变，而控制系统却不得不弥补硬件本身的物理局限。

“结果是，机器人的身体反而成为智能行为发展的限制因素，而不是促进因素，使新型人形机器人能力的开发变得更加缓慢、效率更低。这一点在人机物理协作场景中尤为明显。”

图片来源：《Nature Machine Intelligence》

重新思考人形机器人的设计

在机器人设计过程中，计算机科学家通常只会在规划机器人动作时才考虑人类协作伙伴的存在，而机器人的身体结构设计本身则很少考虑用户的需求和特征。

Carlotta Sartore和Daniele Pucci表示：“自然界提供了完全不同的视角。无论是人类还是动物，其身体结构与智能都是在环境、执行任务以及协作对象的共同作用下协同演化的。这促使我们思考：如果设计人形机器人时，不仅考虑它要完成的任务，还同时考虑与其协作的人，会发生什么？”

基于这一理念，Carlotta Sartore、Daniele Pucci及其团队提出了一种全新的方法，用于在充分考虑人类用户需求和特征的基础上，同时优化人形机器人的身体结构与智能系统。整个方法主要包括两个阶段。

首先，对机器人的形态（morphology）进行优化，即优化其外形和结构。例如，确定四肢长度以及质量在各肢体之间的分布方式。与传统方法分别优化各项参数不同，研究团队建议将人、机器人以及共同执行的任务视为一个整体系统进行建模。

研究人员利用这一方法设计了新型机器人ergoCub。其身体结构经过优化，可在人机协同搬运过程中降低人体生物力学负荷，同时提升机器人的行走能力。

Carlotta Sartore和Daniele Pucci解释道：“身体结构确定后，我们进入第二阶段，即优化机器人的物理智能（physical intelligence）——也就是负责生成和调整机器人运动的控制架构。机器人内部维护着一个人类协作伙伴模型，并利用传感器数据持续更新这一模型。这使机器人能够跟随人的动作、适应不同个体的身体特征，并监测下腰背部生物力学负荷等人体工程学指标。”

在ergoCub机器人上验证该方法

该框架的核心思想是：机器人同样具有所谓的具身智能（embodied intelligence）。换言之，机器人的智能不仅体现在行为上，还体现在其所集成的执行器、传感器、身体结构，以及这些组成部分之间的协同工作方式。

Carlotta Sartore和Daniele Pucci表示：“所有这些设计都明确将人类协作伙伴纳入考虑范围。也就是说，机器人不仅在控制架构中融入了对人类的建模，在物理设计中同样如此，从而形成了一种体现在机器人自身中的共享智能。”

研究团队利用这一方法开发了ergoCub，这是一款专门面向安全、舒适人机协作而设计的机器人。它是在RobotCub Consortium开发、并由IIT首次制造的人形机器人iCub基础上改进而来。

完成具身智能优化后，研究人员开展了一系列实验，评估机器人在人机协同完成手工作业时的辅助能力。实验中，ergoCub与一名参与者共同搬运和操作不同重量的物体，并实时配合其动作。

Carlotta Sartore和Daniele Pucci介绍道：“机器人的名称结合了‘ergonomics（人体工程学）’与‘Cub’，后者代表作为优化基础平台的iCub机器人。实验结果表明，与单独完成任务相比，使用ergoCub协同搬运时，人体腰骶关节（lumbosacral joint）所承受的估算力矩显著降低。此外，在行走实验中，与前代机器人相比，ergoCub实现了更快且更加节能的运动性能。”

展示共享具身智能的优势

这项研究表明，在将机器人与人类视为一个耦合系统的前提下，同时设计机器人的身体结构和行为控制，能够带来明显优势。团队对ergoCub的初步测试显示，这种方法有望提升机器人执行体力任务时的安全性、效率和整体性能。

Carlotta Sartore和Daniele Pucci表示：“我们将优化后的模型转化为一台真实的人形机器人，并通过实验验证，当硬件与控制系统作为一个整体、且明确考虑人类协作伙伴共同开发时，其性能表现更加优异。

“与此同时，我们提出并验证了一种方法，可从全身运动（whole-body）角度，同时针对多项任务确定人形机器人的最优硬件参数。这一点意义重大，因为它表明，硬件并非只是由软件控制的被动结构。”

研究人员证明，当机器人身体结构与控制系统协同设计时，硬件本身也会成为机器人整体智能的一部分，从而实现更高效的动作执行。未来，该策略有望用于优化更多人形机器人，并提升其在现实场景中的作业能力。

Carlotta Sartore和Daniele Pucci表示：“这一技术可应用于制造、物流、巡检和医疗等工业及辅助场景，在这些领域，人形机器人需要与人类进行密切的物理协作。我们的目标并非单纯让机器人更强壮或更自主，而是帮助人们完成高体力负荷工作，同时降低生物力学负担和职业伤害风险。在未来人与机器人并肩工作的社会中，人机整体系统的最优方案，很可能与单独优化人或机器人所得出的最优方案截然不同。”

未来研究方向

Carlotta Sartore、Daniele Pucci及其团队计划进一步完善这一方法，并将其应用于更多机器人平台。他们的目标是让机器人不仅能够独立完成任务，还能够在人机协作过程中发挥更大的价值。

研究人员表示：“在最新论文中，我们证明，将机器人硬件、全身运动和控制系统统一纳入同一架构进行设计，不仅能够提升机器人性能，也能提高开发效率。与传统‘先设计身体、再依靠控制系统弥补不足’的方法不同，我们让二者围绕机器人需要具备的能力同步开发。目前，我们已经将这一理念应用于Gene.01机器人的研发。”

过去六个月中，研究团队利用这一方法优化了GenerativeBionics开发的新型机器人Gene.01。该机器人的身体结构、机械系统、运动方式以及感知组件均作为一个相互关联的整体进行设计，目前的测试结果进一步验证了该设计策略的优势。

Carlotta Sartore和Daniele Pucci补充道：“下一步，我们希望进一步扩展这一架构，使其能够系统性地生成面向特定应用场景的机器人。我们并不认为一种完全相同的人形机器人能够适用于所有任务。相反，我们希望将Gene.01打造为一个通用平台，通过针对具体应用需求调整人工智能、感知系统、外观设计和末端执行器，为造船、物流、巡检、医疗等行业快速生成定制化机器人。”

图片来源：期刊《材料化学C》

据外媒报道，日本东京科学大学（Institute of Science Tokyo）助理教授Sou Yasuhara领导的研究团队，以及东京科学大学材料与化学技术学院材料科学与工程系教授Takuya Hoshina、研究生Yosuke Sugita和研究生Masaki Tozuka共同参与，开发了一种利用纤维素纳米纤维（CNF）分散体进行陶瓷加工的简便高通量方法。相关研究成果发表在期刊《材料化学C》（Journal of Materials Chemistry C）上。

CNF法的工作原理

研究人员并非从零开始制备每种陶瓷组分，而是首先将陶瓷粉末分散在含有CNF的水中。这些纳米纤维同时发挥多种作用，包括均匀分散粉末、提供足够的粘结强度以及改善触变性，从而使混合物在混合过程中流动性更好，并在混合后更加稳定。

然后，可以将这些分散液按不同比例混合，再进行干燥和烧结，从而制备出不同的陶瓷组分。

因此，制备新的陶瓷材料配方只需大约三分钟的实际操作时间，省去了传统陶瓷加工中所需的称量、粉末混合和造粒等步骤。

“开发新型陶瓷材料需要制备和测试数百种配方，这使得合成成为一个主要的瓶颈，”Yasuhara先生说道。他补充道，“我们希望创造一种更简便的方法来加速材料探索。”

与传统陶瓷质量相匹配

为了确保新方法能够制备出高质量的材料，研究人员首先合成了钛酸钡（BaTiO3），这是一种广泛应用于电容器的常用介电陶瓷。

所得陶瓷展现出致密的微观结构、晶体结构、介电常数和相变温度，与传统固相法制备的陶瓷非常接近。

随后，研究团队将该方法拓展至更为复杂的材料体系。他们成功制备了钛酸钡-钛酸锶固溶体以及钛酸钡-钛酸锶-钛酸钙三元体系。测得的结构和介电性能与先前报道的结果高度吻合，表明该方法在显著简化样品制备的同时，实现了相似的材料质量。

筛选稳定介电材料

研究人员验证该技术后，利用其探索性能更优的介电材料。他们研究了基于钡、锶、钙、钛和锆的不同陶瓷成分，重点在于提高介电常数的温度稳定性，这对于在不同工作条件下使用的电容器而言至关重要。

通过快速成分筛选，他们发现了 Ba_0.55Sr_0.15Ca_0.30(Ti_0.91Zr_0.09)O₃。这种陶瓷材料在30 °C至125 °C的温度范围内保持了约4000的高介电常数，并表现出优异的稳定性。这一发现表明，该方法能够以相对较少的起始原料加速筛选出有前景的功能材料。

“我们的方法无需专用或昂贵的设备即可实现高通量陶瓷加工，从而加速了用于电子器件及其他众多应用的功能材料的发现，”Yasuhara表示。

更广泛的应用，超越电容器领域

除了介电陶瓷之外，研究人员认为该方法有望惠及更广泛的无机材料领域。由于该技术简化了样品制备，研究人员可以快速生成多种具有更优异电学、磁学、光学和储能性能的材料。

此外，该方法依赖于价格低廉的设备，使得没有复杂自动化系统的实验室也能进行高通量实验。

未来，研究人员计划将该方法扩展到其他类型的陶瓷材料，并助力更快地发现用于电子、能源和其他新兴技术的先进材料。

图片来源：Guill Tool

重新设计的800系列挤出模具系统可实现氟聚合物和其他材料的完美平滑挤出和清晰的层状结构，适用于各种多层多腔医用管材、燃油管路、多层PEX管材以及滴灌系统等应用。

更高的精度和效率

Guill的设计可实现厚度达0.02毫米或更薄的聚合物和粘合剂薄层组合，为严苛的应用提供卓越的精度。

Guill提供丰富的800系列十字头和在线式管材模具，包括固定中心和可调中心配置，适用于单挤出或共挤出应用。该模具可加工几乎所有化合物，并采用两级同心度调节系统，将模具与系统的高压部分隔离，从而无需停机即可轻松调节同心度。

创新设计特点

Guill还提供其独特的蝴蝶结形分配系统，即使在层数较高的应用中，也能实现紧凑且易于更换的流道组件。所有Guill模具均采用计算流体动力学 (CFD) 程序对流道进行严格的计算机模拟，从而实现最佳的均匀流动，且无熔接线。

近年来，高压阳极材料因其能够防止锂过度沉积和不稳定固态电解质界面层的形成，成为极具前景的替代方案。尽管高压阳极材料具有这些优势，但目前最先进的材料仍受限于离子电导率和热稳定性较差，从而降低了功率输出和长期可靠性。

图片来源：韩国国立首尔科技大学

据外媒报道，为了解决这些问题，韩国国立首尔科技大学（Seoul National University of Science and Technology）副教授Dongwook Han领导的研究团队开发出基于NASICON结构的磷酸钛锂的非化学计量比（OS）负极材料，这种材料以其卓越的结构和热稳定性而闻名。这种设计能够诱导活性材料颗粒亚表面发生自发相变，克服动力学限制，从而实现稳定的快速充电。

相关研究成果发表在期刊《先进功能材料》（Advanced Functional Materials）上。

调控表面以促进离子流动

磷酸钛锂 (LTP) 具有钠超离子导体 (NASICON) 结构，该结构具有优异的结构和热稳定性，以及快速的锂离子扩散路径。为了充分发挥其潜力，研究人员采用了一种非化学计量比设计策略，刻意提高了磷 (P) 与钛 (Ti) 的比例。这种钛的不足导致在LTP颗粒表面附近形成磷酸钛 (TPO) 区域。

这些富含TPO的区域充当了高效的动力学通道，降低了锂离子穿过阳极-电解质界面的能垒，同时在颗粒表面附近创建了快速的离子传输路径。此外，TPO框架内高度自由的P-氧 (O)-P键提供了结构灵活性，能够适应快速充电过程中发生的体积变化，从而保护NASICON结构免受不可逆损伤。

快充下表现强劲

因此，在快速充电性能的关键指标倍率能力测试中，OS LTP-碳 (OS-LTP/C) 复合阳极在10C的充电速率下仍保留了令人印象深刻的86%的初始容量，而原始LTP/C复合阳极的容量急剧下降。

该材料还表现出出色的循环稳定性，循环次数超过250次。全电池配置还表现出类似的高倍率能力以及与高压阴极的普遍兼容性。

通往更安全电池的更广阔路径

“我们的方法代表了一种设计快速充电电池的新范式，并广泛适用于包括全固态电池在内的各种未来储能系统，”Han指出。“该策略可以通过缩短充电时间、提高安全性并支持可再生能源电网，使电动汽车更具实用性。”

总而言之，这种操作系统设计策略解决了可充电电池面临的关键挑战之一，并为实现实用的超快速充电储能技术提供了一条充满希望的途径。

图片来源：KAIST

这项技术的关键特性在于它能够学习如何生成满足优化问题中多个约束条件的解决方案。研究团队期望该方法能够为物流、制造、半导体生产和劳动力管理等领域的AI决策奠定重要基础。

包裹递送路线规划、车辆路线规划、工厂生产调度和医院员工排班都是典型的规划问题，都可以使用整数线性规划（ILP）进行建模。ILP是一种数学优化技术，用于在满足一组线性约束条件且部分或全部决策变量取整数值的前提下，寻找最优解。

当快速答案无法使用时

例如，包裹递送计划不仅要尽可能缩短递送时间，还必须满足车辆容量限制和司机工作时间要求，同时确保每个目的地都能被访问。即使路线看起来多么短或便宜，只要违反了其中任何一项条件，在实践中都无法使用。

现有的基于学习的方法可以快速生成近似解或部分解，但这些预测结果经常违反约束条件。因此，许多方法会将输出传递给专门的整数线性规划（ILP）求解器，例如Gurobi或SCIP，由这些求解器负责获得可行解。该轮文指出，现有的端到端基于学习的原始启发式算法通常难以独立生成可行解。

优化前的可行性分析

RL-SPH通过迭代修正候选解而非试图一步预测最终答案来解决这一局限性。在每个阶段，它都会选择多个可能提高可行性的决策变量，并确定它们的值应该增加、减少还是保持不变。然后，模型会从约束违反情况和解质量的变化中学习。

值得注意的是，该团队设计的AI首先会找到一个实际可用的方案，而不是单一的最佳方案。整个过程分为两个阶段。在第一阶段，AI优先寻找满足所有约束的初始可行解。在第二阶段，它会在保持可行性的前提下，通过降低目标值（例如成本或处理时间）来寻求更高质量的解。

例如，在工厂生产计划问题中，该方法首先会确定一个满足交货期限、设备产能和可用劳动力等要求的生产计划。然后，它会在不违反这些条件的前提下，尝试降低生产成本和缩短生产时间。因此，该研究优先考虑找到一个切实可行的计划，然后再进行进一步的优化。

该团队还引入了ILP-GT，这是一种新的AI模型，能够学习变量和约束之间的关系，并采用了一种可行性感知搜索策略，优先修改对解决问题最有效的变量，从而显著提高计算效率。

基准测试结果有利于找到可用的方案

在五个具有代表性的基准测试中，RL-SPH的可行性率达到了100%，成功为每个问题找到了一个可用的方案。即使在涉及一般（非二进制）整数变量的更复杂问题上，它也能保持相同的性能。

与现有技术相比，RL-SPH将原始差距（方法解与已知最优解之间的差距）缩小了28.6倍，并将原始积分（衡量搜索过程速度和质量的指标）提高了2.6倍。此外，找到第一个可行方案所需的时间平均也提高了2.5倍。

图片来源：KAIST

在近期涌现的人工智能技术中，例如PAS、DDIM和DiffILO，RL-SPH是唯一在所比较的三个基准测试（SC、CA 和 IS）中均达到100%可行性率的方法。其训练平均耗时仅为30分钟，比现有技术快14.7倍，比最新的基于无监督学习的技术快约34倍。无监督学习是一种人工智能训练方法，它无需预先提供正确答案即可在数据中发现模式。

该技术在MIPLIB上进一步展现了其泛化能力。MIPLIB是一个国际混合整数规划基准测试库，广泛应用于学术界和工业界。它不仅能够可靠地找到比训练集规模大67倍的问题的可行方案，还能找到训练过程中从未遇到过的全新问题类型的可行方案。

Kim表示：“在实际应用中，一个真正可执行的方案往往比一个理论上最优但违反实际约束的方案更为重要。这项研究表明，人工智能无需依赖专门的优化求解器来强制执行可行性，就能学习生成可行的解决方案。我们期望这项技术能够为物流、制造、半导体生产、劳动力管理和其他工业领域的人工智能决策提供重要的基础。”

图片来源：陶氏

“此次合作彰显了陶氏化学致力于通过材料科学创新推动可持续出行发展的承诺。SPECFLEX™ REN的推出，使我们的合作伙伴能够在不影响性能的前提下，通过ISCC PLUS认证的质量平衡法，将可再生原料整合到聚氨酯座椅价值链中，从而助力其实现脱碳目标。”陶氏移动出行科学™市场经理Selamawit Belli表示。

聚氨酯泡沫材料历来以经久耐用为设计目标。通过此次合作，陶氏和安道拓携手打造座椅解决方案，同时采用生物循环利用的原料，与传统的化石基原料相比，这些原料碳足迹更低，且性能卓越。

“此类合作对于将创新转化为可规模化的影响至关重要。在安道拓，与陶氏化学这样的行业领导者合作，使我们能够将可再生和生物循环利用的原料融入先进的座椅解决方案中，同时又不影响性能，从而助力汽车行业实现可持续发展目标。”安道拓全球可持续发展执行总监Brooke Bowers表示。

推进循环出行解决方案

SPECFLEX™ REN使用ISCC PLUS认证的生物循环属性原料，通过质量平衡方法替代化石基原材料，与化石基替代品相比，有助于减少产品的碳足迹，并支持主要汽车制造商的可持续发展和脱碳目标。

该解决方案旨在实现：

• 提供与传统座椅泡沫相当的舒适性和回弹性能

• 通过质量平衡法分配经ISCC PLUS认证的生物循环属性原料，支持可持续发展目标

这项创新与整个行业向低碳、资源高效型出行系统转型的努力相一致，尤其是在电动汽车生产规模扩大的情况下。

合作驱动规模化和影响力

这一成就源于价值链各环节的紧密合作，融合了：

• 陶氏在材料科学和循环化学领域的专业知识

• 安道拓在座椅设计和制造领域的领先地位

两家公司正携手努力，扩大采用可再生原料的聚氨酯解决方案在汽车领域的应用规模，证明这些创新在技术上可行，在商业上也具有可行性。

凭借体积小、机动性强以及能够在狭小空间内作业等优势，这类机器人在未来的巡检、监测以及搜救等领域具有广阔的应用前景。然而，这类机器人的控制一直是一项挑战。由于FW-MAV依靠高速扑翼产生升力，因此极易受到阵风等外部扰动的影响。

据外媒报道，近日，日本千叶大学（Chiba University）工学研究生院特聘助理教授Abner Asignacion与该院Satoshi Suzuki博士共同研究了一款商用扑翼机器人（FW robot）的飞行动力学，以揭示限制其抗扰能力的关键因素。

相关研究成果发表于期刊《Control Engineering Practice》。

图片来源：《Control Engineering Practice》

错误方向上的初始运动

通过分析机器人的运动过程，研究人员发现，当机器人接收到沿某一水平方向移动的指令时，它会先短暂地朝相反方向移动，随后才修正至目标方向。这种现象被称为非最小相位特性（non-minimum-phase behavior）。

这种出人意料的响应限制了机器人扰动补偿系统的响应速度，使其无法在不引发不稳定振荡的情况下快速补偿阵风等外部扰动。

图片来源：《Control Engineering Practice》

在稳定性与响应速度之间寻找平衡

基于这一发现，研究人员设计了一种考虑上述限制因素的扰动观测器（disturbance observer）。扰动观测器是一种能够检测并补偿外部扰动的控制系统，新方法使机器人在抵御外部扰动的同时保持飞行稳定。

Abner Asignacion表示：“本研究提出的控制方法使扑翼微型飞行器即使在存在扰动的环境中，也能够保持更加稳定的飞行。”

研究团队采用了一款重103克（3.6盎司）的商用悬停式扑翼机器人Flapping Nimble+开展实验。他们在保持机器人悬停的同时，指令其沿水平方向往返飞行。运动指令频率从0.08 Hz（非常缓慢）到0.8 Hz（中等速度）不等，以观察机器人在不同运动速度下的响应特性。

通过分析这些响应，研究人员识别出了机器人的飞行动力学特性，并确定了机器人在不同水平方向对控制指令的响应方式。

研究发现，当机器人沿X轴运动时，会表现出明显的非最小相位特性，从而限制了扰动补偿系统应对外部扰动的速度。随后，研究人员调节了扰动观测器对扰动的响应速度，以寻找抗扰性能与飞行稳定性之间的最佳平衡点。

结果显示，响应速度较慢时，机器人能够保持稳定，但扰动补偿能力较弱；响应速度较快时，虽然抗扰能力有所提升，却会引发振荡。而采用中等响应速度时，则取得了最佳效果，机器人既能够有效恢复受到的扰动，又能够维持稳定飞行。

提升狭小空间中的控制性能

当研究人员将该扰动观测器应用于多个运动方向后，机器人沿X轴的位置误差降低了53.1%，整体三维（3D）位置误差降低了约28%。

通过提升扑翼机器人的飞行稳定性和控制性能，这项研究有望推动小型自主飞行系统的发展，使其能够在传统无人机因尺寸、机动性或外露螺旋桨带来的安全风险而不适合进入的环境中安全作业。

Abner Asignacion表示：“未来，这项技术有望应用于人类难以到达的场景，例如狭小空间内的基础设施巡检、灾害现场搜救、环境监测，以及工厂和建筑内部设备检测等。”

据外媒报道，如今，麻省理工学院（MIT）研究人员开发出一种可扩展的制造技术，能够在不损伤脆弱分子材料的情况下，将其集成到芯片上的电子器件中。

该方法拓展了标准半导体制造工艺的适用范围，使其能够兼容分子材料。研究人员首先利用传统工艺预先制造器件主体结构，随后再引入分子材料，并利用纳米尺度表面作用力对已制造好的器件进行机械重构，使器件通过自组装（self-assembly）完成最终构建，同时避免对分子造成损伤。

研究团队利用亚纳米分子层制造了1,000多个器件，验证了该技术的稳定性和可扩展性。

论文作者、MIT电子工程与计算机科学系（EECS）副教授、电子研究实验室（RLE）成员Farnaz Niroui表示：“我们的平台将传统半导体制造的可扩展性，与自组装技术的高精度和可控性结合起来。这为分子等新兴纳米材料和量子材料的大规模、高通量集成提供了一种全新的制造框架，使其能够构建出以往难以实现的器件架构和功能。”

相关研究成果发表于期刊《Nature Nanotechnology》。

图片来源：麻省理工学院

利用分子构建器件

分子是由少量原子组成的微小结构，其结构和化学性质都可以进行精确设计，因此能够在广泛的设计空间内实现性能调控。

将这些分子集成到器件架构中后，有望构建尺寸更小、速度更快、适应性更强的下一代电子器件和计算平台，同时推动高性能光子器件以及新兴量子技术的发展。

要构建一个完整的功能系统，分子功能单元必须与器件中的其他层集成。在电子器件中，其中一个关键步骤是建立分子与金属表面的电接触。然而，传统芯片制造所需的化学处理和加工工艺较为苛刻，容易破坏这些脆弱的分子材料，从而降低器件的可靠性和性能。

为了兼顾标准制造工艺的大规模制造能力和处理分子材料所需的高精度，MIT研究团队提出了一种解耦的两步式制造方案。

他们首先采用标准半导体制造工艺完成所有器件主体结构的加工，然后再引入分子材料，完成器件最终组装。

论文作者Satterthwaite表示：“由于我们是在主要器件结构完成制造之后，才将这些精细材料引入工艺流程，因此可以充分利用传统制造工艺，而这些工艺通常并不适用于这类纳米材料。”

在实验验证中，研究人员首先制造了一个由两块金属电极组成的支架，两电极之间保持精确控制的间隙。随后，他们在电极表面沉积分子层。

最后，研究人员利用纳米尺度作用力，轻柔地将上方电极拉向分子层，在不损伤分子的情况下完成器件组装，从而形成与分子自动对准（self-aligned）且无损伤的电接触。

图片来源：麻省理工学院

巧妙利用纳米尺度作用力

在宏观世界中，重力是维持物体稳定的主要作用力；而在纳米尺度，不同类型的作用力则占据主导地位。其中之一便是毛细力（capillary force），它能够使液体自动进入狭小空间，例如植物正是依靠毛细作用将水输送至茎部。

研究人员通过精确设计电极的刚度，使含有分子的溶液蒸发时，毛细力能够轻柔地将两块金属电极拉近，并使分子层夹在两者之间。

当两块电极接触后，还需要将其稳定固定。为此，研究人员利用了另一种纳米尺度作用力——范德华力（van der Waals force）。

范德华力能够使两个表面相互吸引。研究人员通过控制器件表面积以及分子材料的性质，使这种吸引力既足够强，可以稳定固定电极，又不会损伤夹在其中的分子。

论文作者Sarah O. Spector解释道：“纳米尺度作用力是我们方法的核心。我们并不是直接制造最终所需的结构，而是先制造一个具有机械可移动性的结构，再利用这些作用力将其转变为一种原本难以制造的器件架构。”

研究团队利用该方法制造了1,000多个器件，其分子层厚度均不足1纳米。即使在如此微小的尺度下，芯片的平均良率仍达到96%。此外，这些器件在经历数万次电循环后，仍未出现性能退化。

Satterthwaite表示：“最令人印象深刻的是其稳定性。这对于推动分子器件走向实际应用至关重要，但长期以来一直是该领域面临的一项难题。”

研究人员指出，这项通用制造技术还支持电路级和系统级的分子器件集成，使该领域的研究从单个器件拓展到复杂系统。他们已利用这一技术构建了一个互联的分子存储器件阵列，未来有望应用于下一代计算平台。

此外，该制造方法还可以扩展至其他材料体系和器件架构。

未来，研究团队计划进一步利用这一平台，开发新型多功能计算与传感器件及系统。

Farnaz Niroui表示：“我们的平台能够在保持材料本征特性的前提下，实现新型分子材料及其他原子尺度材料的大规模集成，从而加快具有特定功能的新材料的发现、设计及其在新兴技术中的应用。”

据外媒报道，上海期智研究院（Shanghai Qi Zhi Institute）的研究人员近日开发出一种名为RL-100的新型人工智能（AI）学习方法，可帮助机器人更快掌握新技能，并在不断变化的环境中稳定完成任务。该团队在发表于期刊《Science Robotics》的一篇论文中介绍了这一框架。RL-100融合了两种AI训练方法——模仿学习（imitation learning）和强化学习（reinforcement learning）。

论文第一作者Kun Lei在接受Tech Xplore采访时表示：“这一项目源于我们反复观察到的一个差距：机器人能够成功演示某项任务，并不意味着它能够在真实世界中稳定可靠地完成这项任务。”

Kun Lei称：“模仿学习通过让机器人学习人类示范，为其提供了良好的起点，但有限的示范数据无法覆盖所有失败情况、外部扰动或意外场景。一个机器人即便10次中成功9次，在实验室里看起来已经相当出色，但对于许多真实世界应用而言，其可靠性仍然不足。”

图片来源：Kun Lei及RL-100研究团队

弥合实验室演示与真实世界应用之间的差距

为了提升机器人在真实动态环境中的表现，Kun Lei及其同事尝试将传统模仿学习策略与强化学习结合起来训练机器人策略（robotic policies）。

模仿学习是指向机器人算法输入人类完成任务的视频（即人类示范），使其学习如何执行相应任务。相比之下，强化学习则通过不断试错进行训练，当AI系统采取正确行动时给予奖励，从而不断优化其决策能力。

Kun Lei表示：“我们思考，强化学习是否可以像基础模型（foundation models）的后训练（post-training）一样，作为机器人策略的后训练阶段。我们的核心目标，是弥合从示范到可靠执行之间的‘最后一公里’差距，不仅提升任务成功率，还提高执行速度、鲁棒性以及从错误中恢复的能力。”

研究团队提出的RL-100学习框架主要包括三个阶段。

首先，利用展示人类完成特定任务的视频，对机器人策略（即根据传感器或摄像头采集的数据规划机器人动作的AI算法）进行训练。

Kun Lei解释道：“第一步，通过模仿学习，使机器人从人类示范中获得具备基本能力的初始策略。第二步，利用离线强化学习（offline reinforcement learning），结合机器人此前积累的运行经验进一步优化策略。在接受候选策略更新之前，一个离线评估机制会预测新策略是否优于当前策略，从而作为一道保守的‘安全门’，避免有害更新。”

完成第二阶段后，机器人将在实际运行过程中继续接受少量强化学习训练。在第三阶段，机器人能够学习如何应对现实任务中偶发的失败场景。

Kun Lei表示：“底层控制器采用基于扩散模型（diffusion-based）的策略，我们在其动作生成全过程中直接引入强化学习更新。同时，我们还将多步扩散控制器蒸馏（distill）为单步策略，在不降低任务性能的前提下，实现更快、更高频率的控制。”

图片来源：Kun Lei及RL-100研究团队

提升机器人完成日常任务的能力

为了评估RL-100框架，研究人员利用其训练了适用于不同机器人手和夹持器（grippers）的机器人策略，并让这些机器人执行多种真实世界任务，包括处理可变形材料、液体和颗粒材料，部分任务还需要双手协同操作。

Kun Lei表示：“我们评估的不仅是平均基准性能，还包括可靠性、任务完成时间、抵抗物理扰动的能力、适应新环境的能力以及持续运行能力。”

“结果发现，该框架提供了一条可重复、可验证的路径，使机器人能够从人类示范顺利过渡到实际部署级别的行为表现。在测试过程中，RL-100在1,000次真实机器人实验中成功完成了全部1,000次任务；在部分任务中，其完成速度达到甚至超过了熟练的人类遥操作员（teleoperators）。”

研究团队的初步测试表明，采用RL-100训练得到的策略实现了100%的任务成功率。更值得注意的是，即使机器人所处环境发生变化，或受到各种物理扰动，其策略依然保持了很高的执行效果。

Kun Lei表示：“我们证明，这些策略只需进行少量额外训练，就能够适应任务的大幅变化。在一次公开部署中，我们开发的橙汁榨取机器人连续运行约7小时，全程未发生故障。

“我们的研究结果表明，机器人无需受限于初始示范数据的覆盖范围和效率。它们可以以人类知识为起点，再利用自身积累的经验不断提升可靠性，在某些情况下甚至能够达到比最初学习示范更高的效率。”

图片来源：Kun Lei及RL-100研究团队

团队未来的研究计划

未来，该团队提出的新型AI学习方法有望应用于更多类型的机器人，并在更广泛的应用场景中开展测试。最终，它有望推动机器人系统承担从制造加工、食品制作到家庭服务等更加丰富的现实任务。

目前，Kun Lei及其同事正尝试将这一后训练强化学习方法扩展至更大规模的视觉-语言-动作模型（Vision-Language-Action，VLA）。如果取得成功，该框架将有望应用于更加复杂的机器人，使其能够执行更加多样化的真实世界任务。

Kun Lei补充道：“我们尤其关注如何在保留基础模型广泛语义泛化能力的同时，通过真实世界强化学习赋予机器人更高的可靠性和物理操作能力。

“此外，我们还计划研究更加复杂、更加杂乱且部分可观测（partially observable）的环境，以及需要长期规划（long-horizon）的任务。另一个重要目标，是通过开发更完善的任务重置、故障恢复、失败检测以及安全探索机制，使整个学习闭环更加自主，从而减少真实机器人训练过程中对人工干预的需求。”

图片来源：ChargePoint

该合作方案面向各种规模的企业和车队，涵盖公司用车驾驶员的充电需求，并支持乘用车以及轻型和中型货车。

“作为与梅赛德斯-奔驰长期合作关系的一部分，我们一直为其提供一系列充电解决方案，”ChargePoint首席执行官Rick Wilmer表示，“现在，我们将双方的合作提升到了一个新的高度。ChargePoint和梅赛德斯-奔驰将结合我们成熟的专业技术以及合作伙伴在高端电动汽车领域的领先地位，共同打造无缝衔接、全面整合的体验，帮助企业客户通过满足运营需求的充电基础设施降低总体拥有成本。”

根据协议，梅赛德斯-奔驰的车队和办公场所客户可以获得ChargePoint专家团队提供的现场评估、基础设施规划、专业安装和持续支持服务。ChargePoint先进的交流和直流充电硬件，结合智能能源管理和车队充电软件，可确保高效运营和系统最高可靠性。

“我们的企业客户期望获得远超车辆本身的解决方案。凭借我们全新的工作场所充电解决方案，我们正在填补车队客户充电生态系统中的一个关键空白，与家用和公共充电设施形成互补。这使企业能够以经济高效的方式实现车队电气化，并通过完全集成的端到端解决方案加速向电动出行转型。”梅赛德斯-奔驰股份公司梅赛德斯-奔驰充电解决方案全球负责人Nico Dettmer表示。

ChargePoint的充电解决方案为车队运营商带来诸多优势，包括智能负载管理以实现最佳站点性能、自动化能源报告和成本分析，以及与太阳能光伏系统和电池储能系统的可选集成。该公司行业领先的软件平台提供详细的能源洞察和财务分析，从而简化工作流程和报告。

ChargePoint与梅赛德斯-奔驰携手合作，帮助英国和德国的企业实现成本效益和可持续发展目标，并计划于今年拓展至其他市场。

图片来源：提雅智行

通过此次合作，两家公司将利用提雅智行的Co-MLOps解决方案（一种协同数据共享技术）来构建安斯泰莫的下一代开发平台，从而持续开发和改进生产级端到端（E2E）自动驾驶AI模型，并计划在2030年前后实现商业化。安斯泰莫的目标是利用该开发平台，在21世纪30年代初期‌将E2E自动驾驶AI模型部署到乘用车上。

端到端（E2E）自动驾驶人工智能模型——将感知、规划和控制整合到一个学习过程中——正逐渐成为下一代高级驾驶辅助系统（ADAS）和自动驾驶系统的基础技术。

随着自动驾驶技术的进步，提雅智行正致力于实现L4+级自动驾驶，以逐步将完全自动驾驶扩展到更复杂的环境中。端到端人工智能模型是实现这一目标的关键技术。要使这些模型达到量产标准，必须符合汽车安全和制造标准。此外，还需要一个能够持续收集、处理、训练和评估大规模驾驶数据的人工智能开发基础设施。这样的基础设施为端到端人工智能模型的持续演进奠定了基础，并将成为未来量产自动驾驶系统竞争力的关键来源。

提雅智行和安斯泰莫此前曾通过参与Autoware基金会 (AWF) 和SOAFEE等组织，在Open AD Kit的参考实现方面展开合作。Open AD Kit是一个基于Autoware的云原生自动驾驶开发框架。安斯泰莫也参与了安斯泰莫于2024年1月启动的Co-MLOps项目。此次最新合作将深化双方的伙伴关系，并扩展提雅智行用于自动驾驶AI开发的数据共享平台。

提雅智行引领Autoware的开发，并通过其Co-MLOps解决方案构建AI开发平台，在全球范围内推进基于AI的L4级自动驾驶技术的发展。这份谅解备忘录使双方能够将提雅智行在AI开发平台方面的专业知识与安斯泰莫作为一级供应商的行业专长相结合。这些专长包括功能安全合规性以及涵盖制动、悬架、动力总成和ADAS技术的车辆集成。双方将共同构建一个开发平台，以支持量产就绪的端到端自动驾驶AI模型的持续演进，从而加速下一代自动驾驶系统的开发。

此次合作将推进以下举措：

1. 利用Co-MLOps解决方案打造下一代开发平台

安斯泰莫将获得提雅智行的Co-MLOps架构（Co-MLOps解决方案的核心技术）及其相关技术的授权。提雅智行和安斯泰莫将利用这些资源，构建一个集成人工智能模型采集、处理、训练、评估和持续改进的下一代开发平台，目标是在2030年前后实现商业化。与此同时，安斯泰莫将建立一个内部框架，用于持续开发和改进满足量产车辆质量和安全要求的端到端自动驾驶人工智能模型。

2. 联合研究面向L4+级自动驾驶的端到端人工智能模型

提雅智行和安斯泰莫将通过共享在计划平台开发过程中积累的经验和技术资产，共同定义和协调端到端自动驾驶人工智能模型的技术需求，并制定中长期发展路线图。

借助该平台，安斯泰莫计划不断推进其端到端自动驾驶人工智能模型的研发，并于21世纪30年代初期在乘用车中部署L4+级端到端人工智能模型。

提雅智行创始人兼首席执行官Shinpei Kato表示：“将端到端自动驾驶AI模型投入实际应用，需要同时推进量产准备和AI开发基础设施的建设。我们很高兴通过向安斯泰莫提供提雅智行的Co-MLOps解决方案及相关技术的授权许可，深化与安斯泰莫的合作。安斯泰莫作为全球一级供应商的卓越业绩，使其成为这项计划的理想合作伙伴。我们将携手进一步拓展Autoware生态系统，加速安全、可扩展的自动驾驶技术的部署。”

安斯泰莫执行副总裁、首席技术官兼首席信息安全官Hiroshi Tamagawa表示：“我们相信，下一代自动驾驶系统将由端到端人工智能模型和以数据为中心的人工智能开发平台驱动，从而实现持续演进。通过与提雅智行的合作，提雅智行在自动驾驶和数据平台技术领域拥有丰富的专业知识，我们旨在进一步加强安斯泰莫正在开发的车联网平台。通过利用我们两家公司各自的生态系统，我们将把这些技术从汽车行业扩展到更广泛的出行应用领域，助力塑造不断发展的未来出行方式。”

图片来源：芝浦工业大学

据外媒报道，为了弥合这一差距，日本芝浦工业大学（Shibaura Institute of Technology，SIT）的Takahiro Ishizaki教授及其团队研究了通过构建异质结构复合催化剂能否克服LOB面临的最大障碍之一。研究人员开发了一种高效的双功能催化剂，通过将钙钛矿型氧化物镧钴氧化物（LaCoO3）与尖晶石型氧化物钴氧化物（Co3O4）均匀结合，能够加速控制电池性能的氧还原反应和析氧反应。相关研究成果发表在期刊《RSC Advances》上。

Ishizaki教授在解释这项研究的动机时说：“我们研究的根本动力源于阻碍锂氧电池（LOB）实现的关键动力学瓶颈，即氧气相关的电化学反应速度慢、效率低下。” 他补充道：“虽然钙钛矿型氧化物（LaCoO₃）和尖晶石型氧化物（Co₃O₄）本身就具有良好的催化性能，但将它们紧密结合形成一种专门针对锂氧体系的、结构明确的界面复合材料的研究却鲜有系统性探讨。我们着手解答的问题是：它们的协同作用能否突破单一材料的性能极限？”

为了探究这种可能性，研究人员采用可扩展的共沉淀法合成了LaCoO₃、Co₃O₄以及二者的复合材料。随后，他们利用包括X射线衍射、电子显微镜、X射线光电子能谱和电化学分析在内的先进表征技术，系统地比较了这些材料的结构和电化学性能。研究团队通过测量每种材料在充电过程中促进析氧反应以及在放电过程中促进氧还原反应的能力，评估了其作为双功能催化剂的性能。此外，他们还研究了导致催化活性的电子相互作用。

在所有合成材料中，复合催化剂表现出最佳的综合性能，其电位差仅为1.14 V，这是高效双功能催化的关键指标。值得注意的是，尽管该复合材料的电化学表面积在所有测试材料中最低，但仍实现了如此优异的性能。这一反直觉的结果表明，催化性能并非取决于活性位点的数量，而是取决于其电子结构的质量——这一发现从根本上挑战了传统的催化剂设计原则。此外，该复合催化剂在析氧反应中表现优于商业氧化钌，同时其氧还原活性也接近铂基催化剂。

Ishizaki教授表示：“这些发现最直接、最直接的应用在于开发用于下一代锂离子电池的高效空气阴极，最终可为长续航电动汽车和超长航时无人机提供动力，而这些设备所需的能量容量远远超过目前锂离子电池技术所能提供的。虽然城市空中交通仍是一个更长远的愿景，但这项工作是实现锂离子电池变革性潜力的关键一步。”

研究人员将这种卓越的性能归功于两种金属氧化物之间的协同作用，这种作用产生了大量的氧空位并优化了材料的电子结构，从而使氧反应更加顺利地进行。

除了锂氧电池（LOBs）之外，这种新开发的催化剂在多种清洁能源技术领域也展现出巨大的应用前景。由于它由非贵金属镧和钴组成，而非昂贵的贵金属，因此为未来的能源设备提供了一种经济高效且可持续的替代方案。其优异的析氧性能也表明其在通过水电解生产绿色氢气方面具有潜在的应用价值，尽管这方面仍需进一步研究。此外，其高效的双功能催化活性有望推动大规模金属-空气电池和可逆燃料电池的发展，从而用于存储太阳能和风能等可再生能源。

总而言之，这项研究为克服长期以来制约下一代电池技术发展的一大挑战提供了一种策略。“通过将充放电电位差大幅缩小至仅1.14 V，这种催化剂直接解决了长期以来阻碍锂氧电池实用化的氧反应动力学效率低下的问题，”Ishizaki教授表示。这些进展有望为更安全、更持久、更高效的储能系统铺平道路。

正是出于这种需求以及其他原因，麻省理工学院（MIT）的一组研究人员——由核科学与工程系（NSE）和材料科学与工程系的卡尔·理查德·索德伯格电力工程（Carl Richard Soderberg Professor of Power Engineering）教授Ju Li领导——致力于开发互补的储能解决方案。

图片来源：麻省理工学院

该团队尤其关注钠金属电池，这种电池具有诸多吸引人的特性。钠的储量比锂丰富约1000倍，而且单位重量的成本仅为锂的百分之一左右。然而，一个关键挑战是钠金属具有极高的反应活性，这使得这类电池难以同时实现长期稳定性和快速循环。

据外媒报道，由麻省理工学院团队的15名成员撰写的一篇发表在期刊《焦耳》（Joule）上的新论文（本周在线发表）展示了如何通过为这种电池系统找到合适的电解液来解决这一难题。

电解质的不良行为

电解质是电池的三大主要组成部分之一，另外两个是负极（阳极）和正极（阴极）。电解质就像电池的“血液”，使带电离子能够在两个电极之间流动。

“电解质的作用仅仅是传输这些离子，”Li解释说，“它应该是一个离子导体。” 但不幸的是，大多数电解质会与电极发生不必要的化学反应，这会严重影响电池的稳定性。

这些“副反应”的后果可能很严重，NSE的博士后、《Joule》论文的四位主要作者之一Weiyin Chen表示。反应过程中产生的不溶性化合物会在电极上积聚，形成阻碍离子传输的屏障，最终可能导致电池失效。

Chen表示，直到最近，钠金属电池中使用的电解液都无法完全抵抗正负极发生的这些不良反应，而这种稳定性对于可充电电池实现长循环寿命至关重要。2021年，Li教授及其合作者发现了一种名为DMTMSA的分子，该分子由硫、氧和氮原子组成。Li教授指出，这种分子用作溶剂时，“在锂电池的正负极上都表现出神奇的稳定性”。

基于这一发现，Li教授及其同事着手研究相关分子是否能够改进钠电池。他们的目标不仅是保持电池的稳定性，还要实现快速充放电。如果充电速度过慢，可能需要一整夜才能充满电；如果放电速度过慢，电池在需要时就无法提供足够的功率。

溶剂是如何“过马路”的？

Chen用一个比喻来解释这个想法：假设你需要穿过一条挤满行人的街道，这很像离子从一个电极移动到另一个电极的过程。“背着一个紧贴身体的小背包，你肯定比拖着一个笨重的拉杆箱更快地穿过人群，”Chen说道。

电池中也存在类似的情况：当钠离子被较小的溶剂分子包围时，它们的移动速度比被较大、体积较大的溶剂分子包围时更快。更快的离子传输速度可以实现更快的充放电。因此，该团队的目标是找到足够小的溶剂分子，既能提高离子传输速度，又能保持电解质的稳定性。

然而，这里存在一个复杂的因素——一个需要权衡的问题：更快的离子传输速度通常会牺牲电解质的稳定性。许多高导电性电解质更容易与电极发生反应，从而缩短电池寿命。Li表示，幸运的是，对于他们的方案而言，“减小溶剂分子的尺寸为克服这一权衡提供了一条新途径。”

接下来的问题是如何找到一种尺寸更小且具有其他理想特性的溶剂。Li解释说，他们采用的思路是寻找“同源”分子，“这意味着它们属于同一家族，且分子结构相似。”他们特别寻找与DMTMSA相关的分子，希望找到尺寸更小但又能保持DMTMSA所具有的稳定性的候选分子。

麻省理工学院材料科学与工程专业的博士生Chia-Wei Hsu开发了一种人工智能引导算法，该算法在24小时内利用计算机设计了10万个候选分子。随后，Chia-Wei Hsu运用一系列技术标准——包括与DMTMSA形状的相似性以及可比拟的电子性质——将候选分子范围缩小到200个。最终，他从中选出了27个具有代表性的候选分子，涵盖了所有可能性，用于实验测试。

“我们所有测试都在相同的条件下进行，以确保公平的直接竞争，”Chen说道。最终，一个明显的赢家脱颖而出：一种名为DMFSA的溶剂，它既是最小的，也是性能最好的。

小即是美

麦吉尔大学材料工程副教授Jinhyuk Lee（并未参与这项研究）表示，这项研究“解决了电池研究中最棘手的难题之一：如何在不牺牲长期稳定性的前提下，提高电池在高充放电倍率下的性能。通过精心调整溶剂分子的大小，作者展示了一种新的设计策略，有望实现更低成本、更高性能的电池。”

该团队的研究并未止步于此。他们正在进行一项新的探索，以寻找更优的溶剂。这一次，研究方法类似，但以DMFSA（而非更大的DMTMSA分子）为起点。陈教授认为，他们发现的新型溶剂最终有望用于制造可充电钠金属电池，这种电池将低成本、储量丰富的材料与快速充电和高功率性能相结合，从而为更广泛的储能应用打开大门。

作者强调，这项工作的首要目标不仅在于推进钠电池的发展，更在于引入一种以溶剂尺寸和分子相似性为关键指导原则的新型电解液设计方法。从这个角度来看，钠金属电池可以作为展示更通用设计原则的模型系统。

“由于这一概念具有广泛的适用性，”Lee评论道，“其影响可能远远超出钠电池领域，并影响未来多种储能技术的设计。”

图片来源：USPTO

通用汽车的这项专利申请描述了一种自动系统，该系统能够根据驾驶员的操作自动调整一个或多个后视镜的位置，包括后视镜和侧视镜。该系统采用电机驱动后视镜移动，使其能够同时改变水平和垂直角度，而无需完全依赖手动控制。

该系统采用基于摄像头的追踪设备，可以实时采集驾驶员的图像。其中一个版本会向驾驶员的眼睛照射红外光，控制器通过红外光采集数据并建立眼睛参考点。系统还会确定座椅的参考位置，并利用这些位置信息计算光线从驾驶员眼睛到后视镜的传播路径，从而确定后视镜的最佳方向。之后，可以通过电机将后视镜旋转到理想位置，最大限度地提高驾驶员的视野。

图片来源：USPTO

该系统还可以根据先前为该驾驶员存储的设置（例如数字档案）重新调整后视镜的位置。面部识别技术可以识别驾驶员并检索先前收集的视觉数据、眼位、身高和座椅信息，从而减少系统反复校准的需要。激活后，控制器可以根据驾驶员、电动座椅或转向柱的移动进行微调。调整可以持续进行，也可以间隔进行。该功能还可以通过车辆控制触发，例如车辆处于特定驾驶模式时，或车辆挂入/挂出驻车挡时。

图片来源：USPTO

该专利还涵盖其他驾驶模式。例如，后视镜可以向下倾斜约10至30度，以改善倒车时盲区的视野。接近传感器还可以检测附近的物体并重新调整后视镜的位置，使驾驶员能够看到该物体，从而减少盲区。

图片来源：Rear View Safety

升级后的AirVue™系统秉承Rear View Safety致力于预防事故和提升驾驶员安全意识的承诺。通过新增先进传感器，该系统现可提供实时物体检测功能，提醒驾驶员注意盲区和低能见度区域的障碍物。AirVue™系统最多可连接6个摄像头（3个有线摄像头和3个无线摄像头），为大型车辆提供全方位清晰视野，使停车、操控和道路导航比以往任何时候都更加安全。倒车雷达可在车辆后方8英尺（约2.4米）范围内提供额外的安全保障。

“升级后的AirVue™系统代表了无线拖车安全技术的最新发展。它融合了即时连接、更广阔的视野和智能障碍物检测功能，为驾驶员提供所需的信息，帮助他们在每次驾驶时做出更安全的决策。”Rear View Safety副总裁Joseph Schechter表示。

AirVue™系统采用突破性的无线配对（Pairing-over-Power）技术，无需按钮即可实现摄像头与显示器的精准配对，方便驾驶员在不同拖车之间轻松切换。

升级版AirVue™系统的主要特点：

• 先进的传感器可实时检测障碍物并发出警报；

• 可在繁忙的装卸货平台进行快速装卸作业；

• 高清成像技术，提升各种环境下的可视性；

• 用户友好的界面，方便驾驶员和车队运营人员使用；

• 坚固耐用的设计，专为商用车辆环境打造。

图片来源：昌迪加尔大学

Sharma教授表示：“这套‘智能车辆安全系统’利用运动传感器来检测是否有人靠近车辆。当有人触摸或试图强行打开车辆时，力传感器会检测到这一行为。摄像头会自动拍摄相关人员的照片和视频。此外，该系统还配备了GPS追踪器，持续监控车辆位置。系统会将警报、图像、视频和位置信息发送到车主的手机上。”

在印度，机动车盗窃已成为一种普遍现象。根据印度国家犯罪记录局（National Crime Records Bureau）近期发布的《2024年印度犯罪报告》，2024年印度报告的机动车盗窃案件超过23.3万起。此外，2024年还报告了超过5600起车内物品被盗案件。超过70%的被盗车辆从未被追回，也从未归还给车主，因为印度被盗车辆的总体追回率仅为25%至30%。

“昌迪加尔大学拥有强大的科研生态系统，鼓励教职员工和学生在任何感兴趣的领域开展研究。因此，我开展了这项研究，探索利用传感器解决这个问题的可能性。我研究了利用摄像头和传感器来预防汽车盗窃的概念。这就是核心理念。这套车辆安全系统会将所有信息，包括入侵者的图像、视频和车辆位置，直接发送到车主的手机上。这样，车主就可以迅速采取行动，并在必要时与警方分享证据。该系统还可以将图像和视频存储在云端，并可利用太阳能电池板供电以实现持续运行。”Sharma教授说道。

现代摄像头种类繁多，甚至可以360度旋转。而该专利的摄像头配备传感器，拍摄照片并通过GPS传感器将照片和信号一起传输给用户。某些传感器还可以触发警报声。此外，该专利还在摄像头中集成了GPS系统，它可以通过互联网与用户保持连接。这款设备的组装成本在5000到10000卢比之间。如果选择更高级的功能，成本可能会再增加5000卢比。

图片来源：期刊《自然通讯》

该研究发表于期刊《自然通讯》（Nature Communications），提出了一种切实可行的策略，以克服传统湿法制造工艺中常见的粘合剂迁移和性能衰减问题。这些问题通常发生在为了提高电动汽车和智能手机电池容量而增加电极厚度时。

粘合剂限制了电极厚度

近年来，电池研究人员和业界积极探索高负载电极技术。该技术旨在利用更厚的镍含量更高的层状正极材料来提升电动汽车的续航里程。然而，传统使用的聚偏二氟乙烯（PVDF）粘合剂在厚电极制造的干燥过程中存在一个关键缺陷：粘合剂容易浮到电极表面，导致电极开裂或碎裂。这会严重降低电极的机械强度和锂离子导电性，从而导致电池寿命急剧下降。

为了解决这一难题，Kim及其团队将两种性质截然不同的聚合物混合：一种是高弹性的服装面料氨纶（SPDX），另一种是聚丙烯酸（PAA）。他们将这种混合物应用于电极，制成一种新型的双效混合聚合物（DHP）粘合剂。由于氨纶具有优异的弹性，而PAA与内部电极组件具有优异的分子相互作用，这种新型粘合剂即使在应用于特别厚的电极时，也能保持坚固的结构，防止开裂或碎裂。

附着力更强，循环时间更长

实验结果表明，使用新开发的粘合剂的电极的粘合强度几乎是传统PVDF粘合剂的两倍。值得注意的是，该团队在初始充放电循环中发现了一种新的运行机制：粘合剂自发形成Li-PAA界面，加速锂离子迁移。这使得厚膜电极内的锂离子传输更快、更均匀，从而显着增强其电化学性能。

此外，研究团队通过制造大容量、商业级袋型电池验证了新型混合粘合剂。结果引人注目：虽然使用传统粘合剂的电池在大约95个循环后容量急剧下降并失效，但使用新型混合粘合剂的电池在200多次充放电循环后仍稳定保持其初始容量的86.8%，有效地将其寿命延长了一倍以上。

适用于现有生产线

这项研究具有工业价值，因为它使制造商能够利用现有的湿法制造工艺生产高容量电池，而无需改造生产线或投资新设备。它通过利用聚合物的物理化学性质和离子传输机制，解决了实际的工业瓶颈。

“以前，增加电极厚度和尺寸受到粘合剂和加工工艺的限制，从而限制了电池的整体性能。我们通过有效结合氨纶和聚丙烯酸的优势克服了这一障碍，”Kim说道。“这种粘合剂技术具有很高的工业适应性，因为它利用现有的湿法生产线，而无需采用近年来备受关注的下一代电池制造方法——干法加工技术。我们预计它将在延长下一代电动汽车的续航里程方面发挥关键作用。”

图片来源：釜山国立大学

该领域的一个紧迫问题是，目前大多数可穿戴电子元件都针对单一特定功能而设计。如果工程师想要一个能够感知信号、处理信息和存储数据的设备，他们通常需要将几个不同的元件组合成复杂的电路。这会增加可穿戴系统的尺寸和功耗，使其成本高昂，并降低其日常使用价值。但是，如果一个柔软的电子设备能够自适应地执行不同的功能呢？

据外媒报道，韩国釜山国立大学（Pusan National University）助理教授Hyunseok Shim领导的研究团队近期开发出一种可拉伸的有机电化学晶体管（OECT），该晶体管易于重新编程以实现不同功能。

这种柔性电子器件通过在导电聚合物中移动离子来工作，通过改变周围的盐浓度，可以可逆地在用于数字计算的逻辑电路和模拟“人工突触”之间切换。该研究成果发表于期刊《ACS Nano》。

盐浓度改变器件功能

研究人员并没有创造一种全新的材料，而是通过添加两种添加剂对导电聚合物PEDOT:PSS进行了改性。这些添加剂既提高了OECT的导电性，又增强了其反复拉伸而不降解的能力。然而，关键的创新在于，改变电解液中氯化钠的浓度会改变离子在晶体管中的移动方式，从而实现不同工作模式之间的切换。

高盐浓度能够实现快速的开关门控，这对于数字逻辑运算至关重要。而低盐浓度则会产生类似模拟存储器的行为，类似于神经元突触的电压特性。

另一个显著的特点是器件的内部状态是可见的：当器件切换模式时，其颜色也会从浅蓝色变为深蓝色，用户只需观察即可了解其工作状态。

一种可自动调节的贴片

“我们提出的平台适用于智能电子皮肤、可穿戴健康监测器和柔性生物电子植入物，其中单个可拉伸设备无需额外电路即可处理和存储生理信号，”Shim说道。

作为概念验证，该团队制造了一种可穿戴贴片，它可以感知炎症水肿和皮肤温度，然后自动收紧或放松压力带，从而降低组织损伤的风险。

该团队对这个平台寄予厚望。Shim表示：“从长远来看，这项研究有望催生出自主的个性化疗法，例如动态加压绷带和能够实时响应损伤的电子皮肤，所有这些都可以通过可见的颜色变化一目了然地进行监测。”

通过将生物信号与直接在传感器内部进行的低功耗计算相结合，这项技术有望推动未来神经形态生物电子学、软体机器人和自适应假肢的发展，这些设备能够学习并响应周围环境。

图片来源：东北大学

据外媒报道，美国东北大学（Northeastern University）智能网络系统研究所（Institute for Intelligent Networked Systems）开发出智能体人工智能框架GENESIS，这是一种全新的思维方式和代码编写方法，也是一种新型自驱动人工智能框架。

自2019年以来，该研究所的研究人员一直在开展面向电信行业的各种项目。据该研究所所长、工程学院教授Tommaso Melodia称，这项新程序最早可能在今年晚些时候投入商业应用。

从构思到可运行代码

GENESIS智能体AI框架可以将研究人员的概念从纸上变为现实：研究人员用自然语言在计算机中输入概念，GENESIS便会自动编写代码。不同之处在于，该AI系统会自行测试和复测其编写的代码，从而快速排除软件漏洞并生成可运行的程序。

Melodia将其描述为电信软件开发的颠覆性技术。由于其快速的输出，研究人员可以测试更多想法，从而加速新技术的开发，并可能在几个月内（而不是几年）将其推向市场。

“几个小时就能创造出以前不存在的东西，”Melodia表示。“以前需要几个月才能完成的事情，现在几个小时就能搞定。”

GENESIS的研究人员表示，这意味着研究人员可以不断尝试各种想法，找出哪些可行，从而比预期更快地将更多电信产品推向市场，并为公众创造更多创新成果。

研究人员表示，GENESIS可以帮助开发的产品范围很广，从手机通话中的全息影像到遍布城市的交通流量引导传感器，应有尽有。

通往6G的捷径

研究人员表示，GENESIS的一项主要功能是助力人们期待已久的6G网络及其理论每秒1 TB的数据传输速度从实验室走向现实世界。其传输速度将比现有的5G网络快100倍，而5G网络目前已运行7年，其移动通信和互联网连接速度也比以往版本更快。

这正是智能网络系统研究所（前身为无线物联网研究所）致力于研究的领域。该研究所的常驻执行官Ted Werth表示，研究所致力于提升无线通信的速度、能效和安全性。

Melodia表示，各公司尤其关注东北大学的研究人员近期成功测试了基于GENESIS开发的一款程序，该程序能够更好地将手机连接到基站，从而降低通话中断的几率。

研究人员指出，GENESIS可以协助开发的一种系统是，在基站信号无法覆盖的偏远地区，手机可以通过该系统连接到卫星。这将使人们无论身处何地都能保持联系。研究人员还表示，该系统甚至可以帮助企业更好地追踪远洋船舶，从而促进商业发展。

安全防护措施确保人类参与

GENESIS并没有完全将人类排除在外，因此研究人员表示，它不太可能像最近发生的OpenAI自主模型突破测试“沙箱”并入侵人工智能初创公司Hugging Face那样失控，引发了全球范围内关于人工智能安全和开源模型的激烈辩论。

“我们设置了安全防护措施，”工程学院助理教授、GENESIS项目研究员Michele Polese解释说，只需按下一个按钮，研究人员就可以查看正在编写的代码，以确保系统遵循指令。如果人工智能似乎要失控，他们可以关闭程序。“人类仍然参与其中，”他说。“我们可以随时进行监督。”

图片来源：Soracom

联网车辆具备多种连接功能，这些功能贯穿车辆的整个生命周期：用于位置和车辆数据的远程信息处理系统、用于车载流媒体播放的信息娱乐系统，以及诸如自动紧急呼叫（欧盟称为eCall）等安全关键型语音服务。在车辆的整个生命周期内，各国法规、运营商环境和连接标准都会发生变化。单独管理每项功能和每个市场会给汽车制造商带来不断累积的成本和复杂性，而且工厂提供的连接功能往往无法满足车辆多年后在不同地区的需求。

Soracom Automotive Suite通过单一平台上的四大功能模块解决这一问题，所有功能均可通过Soracom API访问。

• 连接管理模块集成了Soracom多运营商集成功能（Multi-Carrier Integration），该功能通过统一接口管理Soracom和第三方运营商线路。

• Soracom连接管理程序（Connectivity Hypervisor）可在单个IoT eSIM卡上远程切换运营商配置文件。

• Soracom车载Wi-Fi为驾驶员和乘客提供车内用户体验。

• Soracom消费者计费功能（Consumer Billing）处理直接终端用户的下游计费，而Soracom分摊计费功能（Split Billing）则根据使用类型拆分连接费用。

此外，Soracom企业支持（Enterprise Support）为全球运营提供24/7/365全天候事件响应服务。

Soracom首席执行官兼联合创始人Ken Tamagawa表示：“联网汽车是物联网领域最具挑战性的应用环境之一。一辆车一旦交付，就会在路上行驶十多年，跨越国界和监管体系，而其联网功能在当时并未预先配置。Soracom十多年来一直致力于构建客户在部署后可重新编程的联网功能，而Automotive Suite则将这种能力带给汽车制造商，帮助他们管理车辆的整个生命周期。我们之所以进入汽车市场，是因为该市场面临的挑战——在不断变化的环境中实现长期稳定的联网——正是我们平台旨在解决的问题。”

Soracom Connectivity Hypervisor是该套件的核心，它利用GSMA SGP.32远程配置协议，在车辆投入使用后，通过无线方式下载、切换和添加运营商配置文件。车辆激活时使用Soracom配置文件，并根据地区、监管要求或应用需求切换到本地或特定用例的运营商配置文件，同时内置Soracom配置文件作为备用方案。通过Soracom的移动核心网，该平台覆盖200多个国家和地区的500多家运营商，使汽车制造商能够针对每个市场应用最佳配置文件，而无需逐车重新协商运营商合同。

该套件还支持在单个SIM卡上使用多种商用模式。Soracom Split Billing利用多个APN和流量分析，将连接成本拆分到OEM车载信息系统、运营商服务和终端用户信息娱乐系统中，确保各方仅按实际使用量付费。

图片来源：德克萨斯大学

研究人员指出，现有的制造微型类组织材料的方法难以实现实际应用所需的规模。该团队通过简单的混合与离心技术，将数十亿个微小水滴紧密堆积在一起，仅需几分钟便能构建出大型类组织材料，从而克服了速度与可扩展性方面的难题。每个水滴均由薄膜隔开，这些薄膜能够相互连接，其结构类似于人体组织中的细胞排列方式。

“组织能够分离并输送离子与分子；这正是我们肾脏或肠道的工作原理——即只摄取所需物质，而将其他物质排除在外，”科克雷尔工程学院（Cockrell School of Engineering）Fariborz Maseeh土木、建筑与环境工程系及McKetta化学工程系教授Manish Kumar说道。这项研究成果近期发表在期刊《自然-材料》（Nature Materials）上。

从支架到软体机器人

这种柔性材料可进行定制，以模拟不同类型的组织。由于其结构高度仿生且能利用生物相容性材料进行3D打印，它可用作新组织或器官生长的支架。其柔韧性和响应特性使其成为制造软体机器人的理想基础——这类机器人能像生物一样运动并适应环境，可应用于外科手术、搜救行动或传统机器无法涉足的危险环境。

通过添加特定蛋白质，研究人员赋予了该材料传导离子电流的能力，使其特性类似于神经组织。这一进展为构建仿照人脑运作的计算系统带来了希望。

在另一个案例中，研究人员添加了一种蛋白质，使该材料能够从废水中的其他离子中识别并区分出铵离子。这些废水包括石油和天然气开采过程中产生的水以及市政废水，这也是Kumar近年来重点关注的领域。利用膜过滤技术去除不需要的离子，是从废水中回收并再利用关键矿物离子及营养物质的一种极具前景的方法。

这项新研究是一项历时十余年的科研工作的一部分，而最终将各项成果整合起来的，是库马尔的学生Aida Fica。

在多年饱受结构形成缓慢及不稳定性等难题困扰后，Fica在一次会议上获得启发，产生了一个新构想。她与团队利用乳化技术实现了这一突破：将两种溶解度不同的油混合形成液滴，随后利用离心机将这些液滴紧密挤压在一起。

Fica说道：“这项技术提供了一种简单且易于扩展的工艺，应用前景广阔；由于仅需基础设备，它可以在任何实验室中实施。”Kumar补充道：“我们鼓励感兴趣的研究人员尝试这一方法；对于有意涉足该领域的人士，我们将通过实地交流与探讨给予全力支持。”

图片来源：USPTO

近年来，福特通过提交专利申请，探索了多种旨在改善交通流和规避潜在事故的方案，例如“车辆交通管理协调系统”和“道路障碍物检测系统”等。如今，这项新公布的专利又提出了一种道路驾驶辅助系统的构想，该系统同样有望应用于福特未来的车型之中。

如今，除了先进的导航系统外，车辆还配备了多种先进驾驶辅助系统（ADAS），能够实现从自动变道到自动泊车等各种功能。然而，正如福特在这项专利中所指出的，大型车辆（尤其是拖挂拖车的车辆）在狭窄或拥堵区域行驶时，使用这些系统可能会遇到问题。

该车辆驾驶辅助系统包含多个用于感知车辆周边道路特征的传感器。系统利用多组数据（包括众包数据和用户反馈数据）来获取该道路已知的历史特征。人机界面负责输出车辆的驾驶引导信息。控制器对感知到的道路特征与已知的道路历史特征进行处理，并基于这两类特征生成相应的驾驶引导信息。

图片来源：USPTO

这正是该项专利发挥作用之处：它旨在利用传感器、众包数据及用户反馈来更深入地了解道路特征，从而提升车辆的机动性。借助这些汇总数据，车辆的ADAS（高级驾驶辅助系统）功能有望在狭窄路段实现更出色的导航表现。

福特在一份声明中表示：“提交专利申请是企业常规业务的一部分，因为这一过程既能保护创新构想，又能助我们构建强大的知识产权组合。专利申请中描述的构想不应被视为我们业务或产品规划的预示。无论专利申请内容如何，我们在新产品与服务的开发及营销决策中，始终将客户利益放在首位。”

图片来源：期刊《自然-通讯》

这项工作建立在由Bal Govind博士设计并与Maxwell Anderson共同通过实验验证的全球首款集成微波神经网络的基础之上。他们共同证明，这种低功耗芯片能够利用微波物理特性来模拟大脑识别模式的能力，并几乎瞬时完成计算。

在期刊《自然-通讯》（Nature Communications）发表的一项新研究中，研究人员发现该设备现在能够利用他们所谓的“微波标记嵌入”（microwave token embeddings）——类似于大语言模型中使用的“标记”（tokens）——将信息编码为无线电信号并压缩数据；这些能力有望为卫星、无人机及其他技术实现更快速、更安全的通信。

构建微波信号“词汇表”

“我倾向于将其视为建立一套微波‘词汇表’，”Govind说道。他领导了这项研究。“你可以让一个微波神经网络发送信息，而只有同类型的另一个网络才能解读这些信息。”

该芯片利用非线性微波物理特性，能够将信息（例如无人机或卫星的导航指令）转换为独特的微波脉冲“标记”（tokens），并在此过程中保留各信息片段之间的关联性。与传统通信系统相比，这种方法所需的带宽和能耗要低得多；传统系统通常需要先将模拟无线电信号转换为数字数据，然后再从中提取有用信息。

“我们是利用物理特性来完成工作，”Govind说道，“这些指令无需像传输计算机代码那样进行编码，而是可以仅通过几个微波脉冲来表示，并由另一个微波神经网络即时解读。”

由于每个微波神经网络都具备独特的物理特性并能产生广泛的频率，因此可以通过重新配置来适应不同的传感与计算任务。

具有内在不确定性的压缩技术

研究人员认为，这项技术有望提供一种新型的基于硬件的网络安全方案。Govind指出，若要解码传输内容，不仅需要另一套微波神经网络，还必须掌握用于配置该网络的正确序列——这“颇似公钥/私钥加密机制”。

研究人员还发现，当向芯片输入速率达每秒千兆比特（Gbps）的数据流时，芯片会自然产生概率比特（即“p-bits”）；这些比特的值取决于输入数据，而不会固定为0或1。

为了展示这一能力，研究人员重建了一幅热带风暴系统的卫星图像；该图像保留了风暴系统的许多关键特征，同时将传输数据量减少了约八倍。

“受限于电力或联邦通信委员会（FCC）规定的带宽限制，小型卫星往往无法将海量图像文件传回地球，”Govind说道，“它们通常只能传输像GPS坐标这类简单数据，但这会导致丢失大量关键特征——而我们的芯片正是为了解决这一问题而设计的。”

图片来源：东丽

这款新开发的薄膜是用于薄膜集流体的树脂薄膜基材。它使得锂离子电池中传统的铜箔集流体能够被采用树脂薄膜基材的薄膜集流体所替代。东丽已证实，使用该新薄膜的集流体能实现与传统铜箔集流体相当的电池性能。该公司已利用量产设备生产该薄膜，并开始向客户提供样品。预计这款新薄膜将有助于实现锂离子电池的轻量化。

传统的负极集流体采用导电铜箔，负责从电池负极导出电流。随着对更高能量密度的追求，市场对更轻量化电池的需求日益增长，这推动了薄膜集流体的开发——即在树脂薄膜基材上形成超薄铜层的集流体。聚对苯二甲酸乙二醇酯（PET）薄膜虽可用作正极侧的树脂基材，但在负极的强还原性环境中会发生降解。此前，市场上尚无其他树脂薄膜基材能同时满足耐还原性、金属层附着力、机械强度及热稳定性这四项性能要求。

图片来源：东丽

东丽利用其独有的聚合物合金技术，结合聚合物设计与成膜技术，通过先进的结构控制手段，开发出了一种能够满足上述四项要求的新型树脂薄膜基材。采用该新型薄膜制成的负极集流体，不仅具备优异的耐还原性和极强的铜层附着力，还拥有媲美铜箔的机械强度以及低热收缩特性。在电池单体评估测试中，其性能表现与传统铜箔集流体相当。

采用这种新型薄膜的集流体，其重量比传统的铜箔集流体轻50%至60%，预计可使电池单体重量降低约10%。重量能量密度的提升有助于延长移动设备的运行时间、提高能效，并增加无人机和电动汽车的续航里程。东丽估算，若将节省下来的重量用于增加活性物质的用量，在特定条件下电动汽车的续航里程有望提升高达10%。此外，在铜供需紧张的背景下，该薄膜通过减少铜的使用量，也有助于稳定材料成本。

图片来源：东丽

东丽利用量产设备生产了厚度为4.5微米的标准级薄膜，并已开始向客户提供样品。目前，公司正在探索进一步减薄该薄膜厚度的方法。公司计划将该薄膜商业化，应用于移动设备、无人机及电动垂直起降飞行器（eVTOL）的中小型电池，同时也正在考量其在电动汽车和储能系统用大型电池领域的应用。

东丽将继续利用其在聚合物化学、纳米技术和薄膜制造领域的核心技术，研发并实现先进材料的商业化，从而提升电池性能，减轻电池重量，并提高资源利用效率。这些努力将创造新的价值，并为社会进步做出贡献。

图片来源：英飞凌

SPOC Wire Guard BTS80009 SWPx 1ES汽车级电子保险丝能够实现微秒（µs）级的超快速故障隔离及精确的电流检测，从而避免了因使用传统熔断式保险丝而不得不采用过大线径导线的问题。同时，它确保了电源的高可用性及抗干扰能力。针对需持续供电的负载，该产品设有一种专用空闲模式，在保持全面保护功能的同时，功耗极低（仅为数微安）。为应对微控制器I/O端口数量有限的挑战，其24位SPI接口支持菊花链连接。

为了支持跨车型变体的平台复用，用户可通过软件针对不同变体灵活调整配置及保护参数。此外，SPOC Wire Guard器件还能提供实时状态、预警指示及其他诊断信息，从而提升车辆可用性，并实现全生命周期的性能优化。

SPOC Wire Guard能够满足对支持高级驾驶辅助系统（ADAS）功能日益增长的需求，并为L2++至L5级自动驾驶系统提供“故障可操作”（fail-operational）能力。该产品作为“脱离环境的安全要素”（SEooC）提供，符合ISO 26262标准，适用于最高达ASIL-D等级的系统；它集成了非易失性存储器（NVM），可用于配置特定应用的安全状态。它能够针对负载故障引起的电源电压下降做出自主响应，从而保护供电系统。其单通道架构有助于防止故障传播至其他输出端。

该系列的首款产品SPOC Wire Guard BTS80009 SWPx 1ES包含四种不同版本（A、I、P和F），功能配置灵活可扩展，支持高达34.5 A的电流。这使其成为替代“栅极驱动IC + MOSFET +分流电阻”方案的理想选择，并能显著节省PCB空间。

供货情况

BTS80009 SWPx 1ES现已投入生产，另有三款具有不同导通电阻（RDS(on)）规格的型号计划于2026年底前推出。

图片来源：采埃孚

商用车的安全需求在不断演变。车队运营商期望拥有能够预防事故、保护弱势道路使用者并支持更高程度自动化运营的系统。采埃孚技术与创新官Thomas Dieckmann博士表示：“针对这些挑战，采埃孚采取了系统化方案，将高级驾驶辅助系统（ADAS）功能整合至整个车辆组合中；相关技术进步已超越了单纯基于预警的驾驶辅助，迈向了主动防撞的新阶段。”

这是采埃孚“360°安全理念”的核心优势。得益于连接牵引车与挂车的高速车载以太网通信接口（即所谓的“牵引车-挂车链路”），该理念将辅助系统的覆盖范围从牵引车扩展到了挂车，使挂车也成为感知系统的一部分。由此，来自牵引车和挂车的传感器数据（雷达与摄像头）被整合为一个统一的环境模型，从而实现持续的360°物体探测，并显著减少了传统方法中常见的感知盲区。这种能力确保了从高速公路行驶、城市交通到低速场区作业的全场景驾驶辅助支持。

采埃孚基于其OnGuardMAX系统，持续扩展具备主动干预能力的主动安全功能。在近场场景下，这些功能符合欧洲《通用安全法规》（GSR）关于“车辆起步信息系统”（MOIS）和“盲区信息系统”（BSIS）的要求。除法规要求外，系统还能主动触发制动，以避免或减轻与弱势道路使用者发生迫在眉睫的碰撞。针对高速公路行驶场景，“高速公路辅助”（Highway Assist）功能结合了“持续车道保持辅助”（CLKA）与带“起停”（Stop & Go）功能的“自适应巡航控制”（ACC），从而实现稳定且可预测的驾驶体验。在物流作业环境中，倒车辅助功能不仅能改善视野，还能通过自动紧急制动进行主动干预，确保车辆在泊位对接及场区作业时的安全操控；此外，加装在挂车侧面的摄像头进一步提升了整体视野及物体检测能力。

更多功能进一步增强了态势感知能力与驾驶员辅助水平。采埃孚的驾驶员监控系统（DMS）能够检测驾驶员的分心与疲劳状态，并进行主动干预。此外，诸如警笛声识别（Rescue Assist）等功能，还能协助驾驶员应对处于视野盲区之外的紧急救援车辆。这些功能针对常见的事故场景，有助于降低日常驾驶中的碰撞风险。

可扩展的系统架构：未来自动化的基石

采埃孚的ADAS（高级驾驶辅助系统）架构采用可扩展设计，并辅以新一代雷达和摄像头技术，旨在进一步提升感知性能。这些新型传感器能够提供低延迟、高质量的感知数据，从而增强环境感知能力；同时，其具备的可扩展性支持集成更多传感器及先进的数据融合架构。这不仅提升了检测性能，还增强了系统在不同车型平台、应用场景及区域市场中的稳健性。

采埃孚商用车控制系统事业部ADAS与电子产品部门负责人Martin Mayer表示：“可扩展性对我们的客户至关重要。他们需要能够保护投资、满足当前需求，并能随时间推移不断演进——且无需重新设计车辆——的安全系统。我们的ADAS产品组合支持这种循序渐进的升级能力，使整车制造商（OEM）能够随着车辆技术和商业模式的演变，灵活增加新功能并提升性能水平。”

图片来源：LG

据外媒报道，为应对上述挑战，LG设计出UltraView 挡风玻璃显示系统。这是一款创新的车载显示解决方案，旨在利用挡风玻璃的大面积区域来呈现驾驶信息及车载娱乐内容，它代表了一种全新的挡风玻璃显示架构。该系统将紧凑型免对焦增强现实抬头显示（AR-HUD）与LG独有的“悬浮屏”（Hover Screen）技术整合于单一光学系统中，既能在挡风玻璃上提供适应驾驶情境的视觉体验，又能赋予整车制造商（OEM）更大的设计灵活性，从而打造出外观时尚、布局简洁的驾驶舱。UltraView挡风玻璃显示系统采用混合光学架构，能够根据驾驶情境动态调整所呈现信息的尺寸与类型。

这款紧凑型免调焦AR-HUD（增强现实抬头显示器）可将车速、高级驾驶辅助系统 (ADAS) 警报及导航指引等关键驾驶信息，投射至与道路视线对齐的远端虚拟位置。LG独有的“悬浮屏”（Hover Screen）解决方案则在距离驾驶员约1.2米的虚拟位置，通过大尺寸屏幕呈现导航、车辆状态、暖通空调 (HVAC) 及多媒体等内容。UltraView挡风玻璃显示系统通过在不同的虚拟距离显示各类信息，旨在减少驾驶员不必要的眼球移动，并支持视线无需离开路面的交互操作。

图片来源：LG

该解决方案采用体积约为15升的紧凑型车载封装设计，可提供25度 x 7度的组合视场角，在显示尺寸、挡风玻璃覆盖范围与车辆集成需求之间实现了良好的平衡。当系统处于非工作状态时，挡风玻璃上不会留下可见的黑色遮蔽区域，从而确保了良好的视野，并维持了车内空间的整洁与浑然一体的视觉效果。

随着汽车制造商的重心从增加显示屏数量转向优化座舱架构，基于挡风玻璃的显示技术将在未来车辆中发挥重要作用。据市场研究机构Omdia预测，全球抬头显示器（HUD）的年出货量将大幅增长，从2025年的1021万台增至2032年的2527万台，即在未来十年初实现出货量翻倍。在此背景下，LG正通过持续的技术研发与行业伙伴合作，不断推进UltraView挡风玻璃显示技术的创新与应用。