前瞻技術脈動：AI與機器人技術(202607)

關鍵字：；；；；；；；；

瀏覽次數：176｜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 2026年3月6日

圖、前瞻技術脈動：AI與機器人技術(202607)

生成式人工智慧掌握香氛創作的藝術
東京科學大學(Institute of Science Tokyo)的研究團隊開發出名為「OGDiffusion」的AI系統，能根據使用者輸入的氣味描述(如柑橘、木質等)，自動生成對應的香氛組合。這個系統分析166種精油的質譜資料，透過「擴散生成模型」產生符合氣味描述的新香氣，再用數學方法計算應該混合哪些精油。研究團隊邀請14位參與者進行氣味辨識實驗，結果顯示大多數人都能正確分辨AI創造出的氣味，證實其辨識度高。這項技術未來可廣泛應用於香水、食品與居家用品等領域，且一般人也能輕鬆調配香氛，相關研究成果已發表於《IEEE Access》期刊。
參考資料：Generative AI masters the art of scent creation. TechXplore, 2025/4/23

人工智慧自動產生結構化網格以實現更好的模擬
俄羅斯斯科爾科沃科技學院(Skoltech)的研究團隊開發出一種創新的神經網路架構，用於自動產生格式化的曲面座標格，對於這物理、生物醫學、金融等領域的模擬分析至關重要。傳統的網格生成方法依賴數值解法，過程繁瑣且難以處理複雜的幾何形狀。此AI模組型將神經網路視為計算域與域之間的可微映射，能夠精確計算變換的Jacobian行列式，並貫穿單次前向傳遞快速進行網格細化。結果顯示，此法能在多域物理上產生高品質的網格，為解決偏微分方程提供了更準確的幾何表示。研究成果已發表於《Scientific Reports》期刊，為模擬分析中的網格生成開啟了新的可能性。
參考資料：AI automates structured grid generation for better simulations. TechXplore, 2025/4/28

開發機器人移動導航更高效的演算法
來自日本東北大學的研究團隊近日開發出一種名為DFLIOM（Deep Feature Assisted LiDAR-Inertial Odometry and Mapping）的新型演算法，旨在解決移動機器人在導航過程中因處理大量LiDAR和慣性資料而導致的記憶體與計算資源耗盡問題。傳統導航系統雖具備高精準度，但在長距離或複雜環境中往往因資源限制而影響效能。DFLIOM演算法透過深度學習技術選擇性處理關鍵特徵資訊，濾除多餘資料，在保有導航準確性的同時，大幅減少記憶體與運算資源的使用。在東北大學校園進行的實地測試中，該方法最高可降低約57%的資源消耗，展現出其在智慧物流、自主移動平台與城市配送等應用場景中的應用潛力。
參考資料：Robotics researchers develop algorithms that make mobile navigation more efficient. TechXplore, 2025/5/2

Amuse，一款為音樂作曲家打造的歌曲創作AI協作工具
韓國科學技術院(KAIST)與卡內基美隆大學(CMU)的研究人員合作，開發出一款名為「Amuse」的人工智慧系統，用以協助音樂創作者將多種形式的靈感(如文字、圖片、音頻)轉為和諧的和弦。該系統利用大型語言模型生成初步的和弦建議，並透過另一個訓練於真實音樂資料的AI模型進行篩選，確保建議的音樂結構自然且富有表現力。與傳統的AI音樂生成工具不同，Amuse強調與使用者的互動，尊重創作者的意圖，並提供靈活的建議以激發創意。在實際的使用者研究中，音樂人員表示Amuse有效地優化他們的創作過程，提升了創作效率與靈感。（1019字；圖1）
參考資料：Amuse, a songwriting AI collaborator for music composers. TechXplore, 2025/5/7

歡迎來粉絲團按讚！

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