前瞻技術脈動：AI與機器人技術(202536)

關鍵字：；；；；；；；；；

瀏覽次數：814｜歡迎推文：

科技產業資訊室 - 技術發展藍圖研析團隊發表於 2025年10月22日

圖、前瞻技術脈動：AI與機器人技術(202536)

MIT研究人員開發一種更高效的方式來訓練可靠的人工智慧
麻省理工研究團隊開發了一種高效的強化學習算法——基於模型的遷移學習（MBTL），用以提升AI在處理多變任務時的表現。該算法透過選擇影響最大的少量任務進行訓練，並利用零樣本遷移學習將結果應用於所有任務。實驗顯示，該方法在多項模擬任務中效率提升5至50倍，可用更少數據達成更高效能。MBTL降低了訓練成本，未來將應用於更複雜問題與真實場景，如交通控制與移動系統。
參考來源：MIT researchers develop an efficient way to train more reliable AI agents. MIT News, 2024/11/22

人工智慧進入鼠類世界：新型機器人可與實驗室真鼠進行社交互動
北京理工大學與慕尼黑工業大學的研究人員設計了一款可模仿老鼠社會行為的機器人，並使用人工智慧訓練其與實驗室老鼠自然互動的能力。該機器人透過深度學習技術學習老鼠在不同情境中的反應，例如當牠顯示出「生氣」時，老鼠會表現出害怕，而在平靜時則與其摔跤或靠近親密互動。這款機器人雖採用輪式結構代替傳統的腳，但具有靈活的脊椎和前肢，能模仿老鼠的動作與情緒表達。研究顯示，實驗室老鼠能接受此機器人並與之互動。這項技術為研究老鼠的社會行為和情緒調節提供了一種新工具，未來可能應用於其他動物研究。
參考來源：AI infiltrates the rat world: New robot can interact socially with real lab rats. TechXplore, 2024/12/6

使用生成式AI製作逼真3D影像的新方法
麻省理工研究人員改進了Score Distillation技術，以解決3D模型生成過程中模糊或卡通化的問題。他們發現生成3D圖像的低品質源自於公式不符，並通過使用近似技術替代隨機噪聲來解決該問題，達到了清晰逼真的3D模型生成成果。該方法利用預先訓練的2D影像擴散模型，無需額外訓練或後處理，大幅提升3D建模效率與質量。研究進一步改善了數學理解和模型參數調整，為未來改進影像編輯和生成技術奠定基礎。
參考來源：A new way to create realistic 3D shapes using generative AI. MIT News, 2024/12/4

想設計未來的汽車嗎？這裡有8000種設計供您入門
汽車設計是一個反覆且獨特的過程，通常需耗費數年進行3D模擬和物理測試，但測試細節鮮少公開，導致汽車設計技術進步緩慢。MIT工程師利用生成式人工智慧，加速汽車設計流程。他們開發了全球最大開放數據集 DrivAerNet++，包含超過8,000種3D汽車設計，涵蓋主流車型（如掀背、斜背和旅行車），並附流體力學模擬的空氣動力數據。該數據集能適用於多種AI模型格式，可快速生成設計，提高燃油效率與電動車續航力。研究團隊使用3,000萬小時計算資源完成此專案，並將相關研究發表於NeurIPS會議。他們希望此數據集能降低研發成本，加速汽車設計創新，促進環保技術發展。(926字；圖1)
參考來源：Want to design the car of the future? Here are 8,000 designs to get you started. MIT News. 2024/12/5

歡迎來粉絲團按讚！

--------------------------------------------------------------------------------------------------------------------------------------------