前瞻技術脈動：AI與機器人技術(202545)

關鍵字：()；；；；；

瀏覽次數：303｜歡迎推文：

科技產業資訊室(iKnow) - 技術發展藍圖研析團隊發表於 2025年12月5日

圖、前瞻技術脈動：AI與機器人技術(202545)

人工智慧協助研究人員解密古老秘密信件
奧斯陸大學(University of Oslo)的研究團隊利用人工智慧(AI)和歷史語言學分析，成功解讀古代密信，揭露蘇格蘭女王瑪麗·斯圖亞特與法國使節間的祕密通訊。研究團隊將18至19世紀的外交信件與私人密碼明信片建置成資料庫，透過電腦技術與人工校對結合，破解這些歷史文件。研究人員發現，不僅戰爭和外交文件需要加密，就連情書也可能使用密碼書寫。由於傳統AI語言模型需要大量訓練數據，而許多密文資料極為有限，因此人類專家在解碼過程中仍然扮演關鍵角色。目前研究團隊正開發能處理古希臘「線形文字 B」與克里特島的費斯托斯圓盤等未解碼語言的技術，期望未來能讓使用者透過手機上傳圖片，即可快速解讀密文。
參考資料：AI assists researchers in decoding old secret letters. TechXplore, 2025/2/25

自動駕駛汽車學習透過數位口耳相傳分享道路知識
紐約大學坦登學院(NYU Tandon)研究團隊開發了一種快取式分散式聯邦學習(Cached-DFL)技術，讓自駕車能夠透過數位「口耳相傳」共享路況資訊，即使車輛之間並未直接接觸，也能學習其他地方的駕駛經驗。與傳統的聯邦學習(Federated Learning)不同，Cached-DFL不依賴中央伺服器，而是讓車輛在相遇時直接交換經過訓練的AI模型，並透過多層次轉傳機制，讓資訊在整個車隊中流通。研究團隊在模擬曼哈頓街道的測試中發現，這種方式能讓自駕車更快適應新環境，增進學習效率，同時保護隱私。此技術不僅適用於自駕車，也可應用於無人機、機器人和衛星等智能系統。
參考資料：Self-driving cars learn to share road knowledge through digital word-of-mouth. TechXplore, 2025/2/26

新模型可以準確預測菁英運動員接拋物線飛行球的動作
巴塞隆納大學(University of Barcelona)研究人員開發了一種新模型，能準確預測精英運動員如何僅憑物體初始位置判斷移動軌跡。現有模型假設運動員必須持續追蹤球體，而實際上菁英運動員無需盯著球也能成功接球。此研究整合了球體重力和物理尺寸等先驗知識與實時視覺訊息，能即時指示球體預測落點和到達剩餘時間，即使在不同重力條件下也適用。研究團隊在虛擬現實環境中進行驗證，參與者需移動到虛擬球落點位置，結果證實模型預測與實際表現高度吻合。該模型未來可應用於運動訓練、太空探索和機器人技術領域。例如，可分析菁英運動員對不同視覺訊息的敏感度，或預測太空站太空人與移動物體的互動表現。研究人員已著手將模型運用到人工神經網絡中，以比較人類與人工網絡的表現，這對機器人領域有明確應用前景。(891字；圖1)
參考資料：A new model accurately predicts the movement of elite athletes to catch the ball in parabolic flight. ScienceDaily, 2025/2/25

歡迎來粉絲團按讚！

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