追問daily | 他人的評價如何影響你的真實感受？Science：魚的楚門世界，從早期行為預測壽命

█ 腦科學動態

Science：終身行為監測揭示衰老架構：魚類早期行為可預測壽命

Science：大腦免疫細胞通過RANK蛋白調控生育能力

他人的評價會影響你的真實感受，社會暗示如何讓你“感覺”更痛

手部精細運動不只靠大腦皮層，腦干才是幕后功臣

新型試劑SeeDB-Live利用血液蛋白實現活體大腦無創透明化成像

關鍵鈣離子通道Orai1調控神經炎癥與動機行為

█ AI行業動態

陳天橋組建AI夢之隊，攻堅可驗證推理

全球首個侵入式腦機接口醫療器械在中國獲批上市

馬斯克推出“數字員工”Digital Optimus，AI開始替你操作電腦辦公

█ AI驅動科學

人腦與人工智能在語音解碼中展現出相似的層級處理機制

用泛函擴散模型破解單細胞測序預測難題

具有腿式敏捷性與輪式效率的新型兩輪自行車機器人UMV

新型圖算法顯著提高近距離最短路徑計算精度

AI搜索機器人結合3D地圖與大語言模型高效尋找遺失物品

解碼人類動作前奏：多模態智能穿戴設備如何精準預測運動意圖

腦科學動態

Science：終身行為監測揭示衰老架構：魚類早期行為可預測壽命

衰老過程是平滑漸進還是分階段發生，早期行為能否預測壽命？斯坦福大學的Claire Bedbrook、Ravi Nath、Anne Brunet和Karl Deisseroth團隊，通過對短壽的非洲鳉魚進行前所未有的終身自動化行為監測，發現衰老并非平滑衰退，而是由幾個穩定階段和快速轉變構成的階梯式過程，并且動物中年的行為足以預測其最終壽命。

研究團隊搭建了一個科學版的“楚門的世界”，利用自動化系統對81條非洲綠松石鳉魚（African turquoise killifish）從青春期到死亡進行全天候不間斷記錄。通過機器學習分析海量視頻數據，他們發現衰老過程存在一個分階段的架構，動物會在數個穩定的行為階段中度過數周，然后經歷幾天的快速轉變進入下一階段。更重要的是，個體間的衰老路徑在生命中期（約70-100天）便已出現分化。那些最終長壽的魚在此時表現出更強的游泳活力，且睡眠主要集中在夜間；而短壽的魚則在白天也頻繁休息。僅憑幾天的中年行為數據，模型便能準確預測其壽命。該行為差異也與肝臟等器官的基因表達變化相關，為衰老的分子機制提供了線索。研究發表在 Science 上。

#疾病與健康 #預測模型構建 #健康管理與壽命延長 #衰老

閱讀更多：

Bedbrook, Claire N., et al. “Lifelong Behavioral Screen Reveals an Architecture of Vertebrate Aging.” Science, vol. 391, no. 6790, Mar. 2026, p. eaea9795. science.org (Atypon), https://doi.org/10.1126/science.aea9795

Science：大腦免疫細胞通過RANK蛋白調控生育能力

生育和青春期的啟動過程遠比想象的復雜，并非只由神經元主導。西班牙國家癌癥研究中心（CNIO）的Eva González-Suárez和Alejandro Collado等人領導的國際團隊發現，大腦中的免疫細胞——小膠質細胞，通過RANK蛋白信號通路在調控生育能力中扮演著不可或缺的角色，這一發現為理解和治療相關內分泌疾病開辟了新思路。

? 小鼠下丘腦中小膠質細胞（綠色）與 GnHR 神經元（紅色）的相互作用，圖中分別展示了對照組（上圖）和 Rank 蛋白表達抑制組（下圖）小鼠的下丘腦結構。Rank 蛋白表達抑制后，小膠質細胞體積更小，分支更少。右圖：小膠質細胞外部結構。左圖：小膠質細胞內部結構。Credit: Nozha Borjini and Rafael Fernández Chacón / IBiS

研究團隊通過動物模型揭示了這一全新機制。他們發現，下丘腦-垂體-性腺軸（hypothalamic-pituitary-gonadal (HPG) axis）的核心——促性腺激素釋放神經元，其功能受到小膠質細胞的精密調控。這種調控依賴于小膠質細胞表面的一種名為RANK的蛋白。當研究人員在小鼠模型中抑制RANK蛋白的表達后，小鼠出現了青春期延遲、性激素水平下降和不孕等癥狀，即促性腺激素低下性性腺功能減退癥。深入觀察發現，缺乏RANK蛋白的小膠質細胞形態變小、分支減少，并且與GnRH神經元的物理接觸和互動顯著減弱。更重要的是，該研究在部分患有此罕見病的患者體內也發現了RANK基因的突變，直接將動物模型的發現與人類疾病聯系起來。研究發表在 Science 上。

#疾病與健康 #神經機制與腦功能解析 #內分泌系統 #小膠質細胞

閱讀更多：

Collado-Sole, Alejandro, et al. “Microglia Rank Signaling Regulates GnRH Neuronal Function and the Hypothalamic-Pituitary-Gonadal Axis.” Science, vol. 0, no. 0, Mar. 2026, p. eaeb6999. science.org (Atypon), https://doi.org/10.1126/science.aeb6999

他人的評價會影響你的真實感受，社會暗示如何讓你“感覺”更痛

為什么一句“這個針很疼”會真的讓你感覺更疼？達特茅斯學院的 Aryan Yazdanpanah, Tor Wager, Alireza Soltani 等研究人員，探究了社會信息如何塑造我們對疼痛、共情和認知努力等負面體驗的感知。他們發現，他人的觀點會通過“確認偏誤”等機制，制造出難以改變的“自我實現預言”，深刻影響我們的主觀感受。

? 實驗范式和行為結果。Credit: Proceedings of the National Academy of Sciences (2026).

研究團隊設計了三項實驗，分別讓參與者體驗直接的身體疼痛（手臂熱刺激）、替代性疼痛（觀看他人痛苦的視頻）和認知努力（心理旋轉3D圖像）。在每次體驗前，研究人員會向參與者展示一個據稱是“前人評價”的社交線索，暗示接下來的刺激是“高痛苦”還是“低痛苦”，但實際上這些線索是隨機生成的，與真實刺激強度無關。結果顯示，這些毫無根據的社交線索極大地影響了參與者的主觀感受：即使接受的是低強度的熱刺激，被告知“很疼”的參與者也會報告更高的疼痛感。通過計算模型分析，研究揭示了背后的兩大機制：一是期望直接扭曲了感知；二是學習中的確認偏誤，即人們傾向于更多地從符合預期的信息中學習，而忽略或輕視與預期相悖的證據。這兩種機制共同作用，形成了一個強大的反饋循環，使得由社會信息塑造的信念即使在缺乏事實依據的情況下也難以被糾正。研究發表在 PNAS 上。

#認知科學 #計算模型與人工智能模擬 #社會認知 #確認偏誤

閱讀更多：

Yazdanpanah, Aryan, et al. “Social Information Creates Self-Fulfilling Prophecies in Judgments of Pain, Vicarious Pain, and Cognitive Effort.” Proceedings of the National Academy of Sciences, vol. 123, no. 7, Feb. 2026, p. e2513856123. pnas.org (Atypon), https://doi.org/10.1073/pnas.2513856123

手部精細運動不只靠大腦皮層，腦干才是幕后功臣

人類靈巧的雙手是如何被精確控制的？加州大學河濱分校的Shahab Vahdat和Vishwas Jindal等人挑戰了傳統上以大腦皮層為絕對核心的觀點。他們通過跨物種研究發現了一條被長期忽視的、從腦干到脊髓的間接運動通路，該通路在手部精細控制中發揮著關鍵作用，并為中風康復治療提供了新的潛在靶點。

? 小鼠和人類前肢運動控制中延髓和 C3-C4 固有脊髓系統的組織結構。(A) 小鼠前肢運動控制中皮質-延髓連接（特別是與外側內側核和尾狀核的連接）概述。(B) 人類參與手部運動控制的皮質感覺運動區與延髓區域的連接示意圖。Credit: Proceedings of the National Academy of Sciences (2026).

該研究顛覆了手部運動主要由大腦皮層直接調控的傳統模型。研究團隊采用功能性磁共振成像（fMRI）技術，分別觀察了人類和小鼠在執行手部用力任務時的大腦及脊髓活動。結果發現，在腦干的延髓中有兩個特定區域——外側延髓頭端（Lat-RM）和延髓尾端（CauM），在兩個物種中都表現出一致的激活模式，證明了這條控制回路在演化上的高度保守性。更重要的是，研究首次在人類身上證實，頸部脊髓的C3-C4節段固有束系統（C3–C4 propriospinal system，位于頸部的神經元網絡）扮演著一個關鍵的中繼角色，負責整合來自大腦皮層和腦干的復雜指令，再傳遞給控制手部肌肉的神經元。這一發現表明，除了經典的直接通路，還存在一條涉及網狀脊髓束和固有束系統的間接通路協同工作，為中風后繞過受損皮層、通過神經調控刺激幸存通路來恢復手部功能提供了新思路。研究發表在 PNAS 上。

#疾病與健康 #神經機制與腦功能解析 #神經調控 #中風康復

閱讀更多：

Jindal, Vishwas, et al. “Medullary and C3–C4 Propriospinal Pathways Underlying Mammalian Forelimb Movement Control.” Proceedings of the National Academy of Sciences, vol. 123, no. 5, Feb. 2026, p. e2518217123. pnas.org (Atypon), https://doi.org/10.1073/pnas.2518217123

新型試劑SeeDB-Live利用血液蛋白實現活體大腦無創透明化成像

為解決活體深層腦成像中組織不透明的難題，九州大學的Takeshi Imai和Shigenori Inagaki等人開發出一種新型光學透明化試劑SeeDB-Live。該試劑利用血液中常見的牛血清白蛋白，首次實現了在不影響細胞功能的條件下，對活體腦組織進行無創、可逆的透明化處理，從而能夠觀察到前所未有的深層神經活動。

? 利用雙光子顯微鏡對表達熒光蛋白（Thy1-EYFP-H）的小鼠大腦皮層第 5 層神經元進行三維熒光成像。與未進行透明化處理的組織相比，SeeDB-Live 透明化處理提高了深部腦區的熒光亮度。Credit: Shigenori Inagaki and Takeshi Imai, Kyushu University

研究團隊首先解決了光學成像中的核心難題——光散射。通過系統性實驗，他們確定了匹配細胞內外折射率是減少散射的關鍵。挑戰在于，如何找到一種物質，既能調節折射率，又不會因滲透壓過高而損傷活細胞。在一次偶然的深夜實驗中，研究人員發現牛血清白蛋白完美地滿足了這些苛刻條件。基于此，他們開發了名為SeeDB-Live的透明化溶液。實驗結果令人振奮：將該溶液應用于活體小鼠大腦，深層神經元的熒光信號亮度增強了三倍，使過去難以清晰觀察的大腦皮層第五層結構得以呈現。更重要的是，這一過程完全無創且可逆，組織透明度在幾小時后即可恢復，允許對同一個體進行長期的追蹤研究。這項技術為實時觀測大腦的復雜功能開辟了新途徑。研究發表在 Nature Methods 上

#神經科學 #神經機制與腦功能解析 #光學成像 #組織透明化技術

閱讀更多：

Inagaki, Shigenori, et al. “Isotonic and Minimally Invasive Optical Clearing Media for Live Cell Imaging Ex Vivo and in Vivo.” Nature Methods, Mar. 2026, pp. 1–15. www.nature.com, https://doi.org/10.1038/s41592-026-03023-y

關鍵鈣離子通道Orai1調控神經炎癥與動機行為

大腦免疫細胞如何影響我們的情緒與動機？西北大學醫學院的Murali Prakriya和Kaitlyn E. DeMeulenaere等人揭示了其中的關鍵機制。他們的研究發現，大腦主要免疫細胞——小膠質細胞上的Orai1鈣離子通道，不僅是調控神經炎癥的“開關”，還直接影響由炎癥導致的動機行為（如抑郁樣行為），為治療相關腦部疾病提供了新靶點。

? 圖像顯示，小鼠海馬中炎癥誘導的神經膠質細胞標志物（包括小膠質細胞（紅色）、星形膠質細胞（綠色）以及所有細胞核（藍色））均有所增加。在小膠質細胞中缺乏 Orai1 的小鼠中，并未出現這種炎癥誘導的炎癥標志物增加現象。Credit: Murali Prakriya, PhD.

研究團隊通過在小鼠的小膠質細胞中特異性敲除Orai1基因，探究了其功能。研究發現，Orai1通道是小膠質細胞進入促炎狀態所必需的。當該通道被刪除后，小膠質細胞不僅無法被激活以促進炎癥，反而意外地切換到了抗炎和神經保護模式，開始產生更多有益于神經元存活和生長的分子，如腦源性神經營養因子（BDNF）。在模擬炎癥的實驗中（通過注射脂多糖LPS），缺乏Orai1的小鼠海馬區的炎癥反應明顯減弱，并且它們成功避免了由炎癥引起的動機下降和獎勵尋求行為受損等類似抑郁的癥狀。這項結合了轉錄組學、代謝組學和行為學分析的研究清晰地表明，Orai1通道是將鈣信號與神經炎癥及行為功能障礙聯系起來的關鍵一環，抑制其活性有望成為治療抑郁癥、神經退行性疾病和慢性疼痛等疾病的有效策略。研究發表在 Science Signaling 上。

#疾病與健康 #神經機制與腦功能解析 #神經炎癥 #心理健康與精神疾病

閱讀更多：

DeMeulenaere, Kaitlyn E., et al. “Microglial Reactivity and Neuroinflammation-Driven Changes in Motivational Behaviors Are Regulated by Orai1 Calcium Channels.” Science Signaling, vol. 19, no. 925, Feb. 2026, p. eady8398. science.org (Atypon), https://doi.org/10.1126/scisignal.ady8398

AI 行業動態

陳天橋組建AI“夢之隊”：三位世界級科學家加盟MiroMind，攻堅可驗證推理

就在剛剛，MiroMind 在其官網宣布了三位杰出的 AI 科學家加入領導團隊。這幾項重要任命標志著 MiroMind 在構建 “發現式智能”（Discoverable Intelligence） 的使命上邁出關鍵一步 —— 一種不僅能分析已有知識，還能進行預測并探索全新概念的 AI。隨著杜少雷博士出任 Lead Scientist for Reasoning Models & Training、安波教授出任 Lead Scientist for Runtime & Agent Systems，以及楊凱峪博士出任 Lead Scientist of the Verifiable AI Lab，MiroMind 正在打造的 Heavy Duty Solver 引擎的三大核心技術支柱現已全部就位。

MiroMind 由全球知名創新企業家、慈善家陳天橋創立，其愿景是打造面向發現式智能的新一代 AI 平臺，他為公司和 AI 業界帶來了獨特的全球化視角。

MiroMind 的使命不是打造一個更會表達的語言模型，而是構建一種全新的 AI 系統 —— 能夠進行嚴謹推理并解決現實世界中的復雜難題。這個系統的輸出不只是 “看起來合理”，還能夠被形式化驗證（formally verifiable）。

對于三位 AI 科學家的加入，MiroMind 創始人陳天橋表示：“我們為 MiroMind 打造的 Heavy Duty Solver 引擎的核心技術領導團隊架構，從負責可驗證性的楊凱峪博士，到負責智能體系統的安波教授，負責推理模型與訓練的杜少雷博士，已經為 “發現式智能” 的實現，搭建起了最關鍵的鐵三角。這標志著我們的 AI 戰略拼圖已經到位，接下來就是讓引擎開始轟鳴。期待這支世界級的頂尖團隊，能帶領我們共同打造出真正可靠、可信、能解決嚴肅問題的下一代 AI。”

#MiroMind #杜少雷 #安波 #楊凱峪 #可驗證AI

閱讀更多：

https://github.com/MiroMindAI

全球首個侵入式腦機接口醫療器械在中國獲批上市，意念控制手部動作成現實

近日，國家藥品監督管理局正式批準了博睿康醫療科技（上海）有限公司的“植入式腦機接口手部運動功能代償系統”（簡稱NEO腦機接口系統）的創新產品注冊申請。這標志著全球首個侵入式腦機接口醫療器械在中國實現首發上市，正式進入臨床應用階段。該系統主要用于幫助因頸段脊髓損傷導致四肢癱瘓的患者，通過采集并解碼大腦發出的運動指令，驅動外部的氣動手套，輔助患者實現手部抓握等動作，從而顯著改善生活質量。患者需滿足18至60歲、C2～C6節段損傷、病情穩定等條件。

NEO系統采用了獨特的“硬腦膜外植入”技術路線，與美國Neuralink的方案不同。其植入體僅硬幣大小，被放置在顱骨和硬腦膜之間，不直接接觸大腦組織，既保證了高質量的信號采集，又大幅降低了手術風險和排異反應。系統通過近場無線供電和數據傳輸，體內無需植入電池。在臨床試驗中，該系統僅用78天便在11家頂尖醫院完成32例植入，所有受試者均未出現器械相關不良反應，術后3個月抓握輔助響應率達100%，手部功能評分顯著提升。此次獲批是上海在腦機接口這一未來產業布局的成果，得益于“項目經理人”等制度創新。博睿康表示，將加速產品入院，并持續迭代，未來探索應用于難治性癲癇、腦卒中等更多領域。

#腦機接口 #博睿康 #NEO系統 #侵入式醫療 #上海創新

閱讀更多：

https://sh.sina.com.cn/news/k/2026-03-13/detail-inhqvtih4126708.shtml?cre=tianyi&mod=pchp&loc=4&r=0&rfunc=96&tj=cxvertical_pc_hp&tr=12

馬斯克推出“數字員工”Digital Optimus，AI開始替你操作電腦辦公

世界首富埃隆·馬斯克近日正式揭曉了一項名為“數字擎天柱”（Digital Optimus）的AI新項目，它也被稱為“巨硬”（Macrohard）。這并非人形機器人，而是一款能在電腦上自動完成辦公任務的AI智能體。它能夠理解屏幕內容，并像人類一樣操作鍵盤鼠標，執行從數據錄入到合同處理等一系列重復性白領工作。馬斯克表示，從原則上講，它可以模擬一家完整公司的運作。這個項目已在xAI內部進行測試，有趣的是，測試期間部分員工與它在線協作后，竟誤以為它是真人同事。

這一項目的推出，標志著馬斯克正式加入由Anthropic、OpenAI等公司掀起的“AI接管軟件操作”的浪潮。據介紹，Digital Optimus主要負責執行，如同人的“系統1”，而馬斯克旗下的另一款AI模型Grok則負責思考決策，扮演“系統2”的角色。該項目將運行在成本更低、功耗僅為英偉達H100四分之一的特斯拉AI4芯片上。值得注意的是，這個項目經歷了復雜的演變：它最初是xAI內部代號“巨硬”的核心團隊項目，但在經歷管理層變動、項目重組及關鍵人員離職后，部分技術資源被整合進特斯拉的自動駕駛團隊，最終以xAI與特斯拉聯合項目的形態面世，旨在與Claude Cowork等同類產品在AI自動化辦公領域展開競爭。

#馬斯克 #DigitalOptimus #AI智能體 #辦公自動化 #xAI

閱讀更多：

https://x.com/elonmusk/status/2031751255060885911

AI 驅動科學

人腦與人工智能在語音解碼中展現出相似的層級處理機制

人工智能模型解碼語音的內在機制是否與人腦相似一直懸而未決。哥倫比亞大學、IBM研究院和范斯坦醫學研究所的Menoua Keshishian、Nima Mesgarani等人對比了兩者處理口語的特征，發現人腦和人工智能在將聲音轉化為意義時采用了幾乎相同的逐步計算策略。

? 基于自動語音識別（ASR）建模的大腦語音處理階段。Credit: Nature Machine Intelligence (2026).

研究團隊招募了15名植入高分辨率電極以監測腦部活動的癲癇患者，讓他們聆聽30分鐘的連續口述故事，并記錄聽覺皮層的神經信號。隨后，研究人員將這些大腦數據與處理相同音頻的循環神經網絡的內部層級表征進行比對。通過回歸分析，結果顯示兩者在處理語音時呈現出驚人一致的拓撲映射。人腦和AI模型均按照從基本聲學特征到語音、詞匯，再到語義信息的順序逐層解析。隨著模型層級加深，AI網絡精準對應了大腦中從初級聽覺核心向外延伸的高階語言皮層。這表明生物進化與任務優化的AI趨同于同一種高效的層級轉換方案，且這種類似大腦的計算策略僅在AI接受特定語言語音訓練后才會顯現。研究發表在 Nature Machine Intelligence 上。

#神經科學 #計算模型與人工智能模擬 #語音識別 #腦機對齊 #神經表征

閱讀更多：

Keshishian, Menoua, et al. “Parallel Hierarchical Encoding of Linguistic Representations in the Human Auditory Cortex and Recurrent Automatic Speech Recognition Systems.” Nature Machine Intelligence, vol. 8, no. 2, Feb. 2026, pp. 257–69. www.nature.com, https://doi.org/10.1038/s42256-026-01185-0

用泛函擴散模型破解單細胞測序預測難題

為了解決單細胞轉錄組測序破壞性導致無法觀測微擾前后同一細胞狀態以及微擾響應分布多變的預測難題，魁北克人工智能研究所的Xinyu Yuan和Jian Tang等人提出了一種全新的擴散生成模型，成功構建出高保真的人工智能虛擬細胞，在多項預測指標上實現了性能突破。

該研究團隊創新性地開發了PerturbDiff模型，跳出傳統模型強行配對學習平均特征的局限，將微擾（Perturbation，指藥物干預或基因編輯等對細胞施加的影響）后的整個細胞種群分布視為一個隨機變量。研究利用再生核希爾伯特空間與核均值嵌入，在代表種群分布的點上進行泛函擴散。通過在包含6100萬無干預細胞圖譜上的邊緣分布預訓練，該模型在包含超1億單細胞的Tahoe100M圖譜等權威基準測試中，打破了14項細胞響應預測的最優紀錄。它不僅在差異表達基因（DEGs，指在不同條件下表達水平存在顯著差異的基因族群）預測上展現極高精度，克服了傳統模型由于單細胞基因表達高度稀疏導致的預測失效，還具備出色的極低樣本微調能力與零樣本預測能力。

#AI驅動科學 #預測模型構建 #泛函擴散 #單細胞測序 #微擾響應

閱讀更多：

Yuan, Xinyu, et al. “PerturbDiff: Functional Diffusion for Single-Cell Perturbation Modeling.” Version 1, arXiv:2602.19685, arXiv, 23 Feb. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2602.19685

具有腿式敏捷性與輪式效率的新型兩輪自行車機器人UMV

如何讓機器人在保持輪式移動高效性的同時，具備腿式機器人跨越障礙的敏捷性？來自機器人與人工智能研究所（RAI）、卡內基梅隆大學和麻省理工學院等機構的Benjamin Bokser、Surya P. N. Singh及其合作者受人類自行車越野運動的啟發，開發了一款名為超移動車輛（UMV）的兩輪自行車機器人。該機器人僅用5個自由度便成功實現了高速行駛、單輪平衡、跳躍甚至前空翻等高難度動作。

? 超移動車輛 (UMV) 及其運動技能。(A) UMV 示意圖，這是一款基于自行車的機器人，具有五個可驅動自由度[連桿（綠色）和子組件（紫色）]。它配備轉向和后輪驅動驅動器，可實現基本的地面移動。該設計將機器人的大部分質量集中在頭部，頭部通過空間連桿與自行車連接。該連桿由頸部和兩根拉桿組成。頭部中的強大驅動器通過該連桿工作，使機器人能夠“甩動”其質量，從而實現動態行為。(B) 前空翻的合成圖像，展示了高俯仰角動量和通過身體收縮調節慣性；(C) 后輪跳躍，機器人像單腿跳躍者一樣保持平衡；(D) 自主跳臺序列，機器人加速、躍上 1 米高的平臺、穿過平臺并穩定著陸。Credit: Bokser, et al.

UMV重23.5公斤，設計獨特之處在于將其大部分質量包括電池和計算單元集中在機器人的頭部。頭部通過空間連桿機構（spatial linkage）與車架相連，僅依靠5個可驅動自由度（DoF）運行，徹底摒棄了反作用輪（reaction wheels）或支架等傳統的被動穩定裝置。機器人的控制大腦完全依賴于強化學習，研究人員在物理模擬器中對其進行了大量并行訓練，隨后將控制策略直接零樣本遷移到真實的物理機器上。實驗結果顯示，UMV最高行駛速度達到了8米每秒，還能夠跳上1米高的平臺，這相當于其自身高度的百分之一百三十。更為驚艷的是，依靠頭部重心的動態甩動和重定位，該機器人成功在現實中復現了極其敏捷的動作，例如持續的后輪跳躍、原地動態平衡以及前空翻。強化學習算法甚至在未被顯式編程的情況下，自主學會了通過快速側移前輪來實現原地旋轉的擺動轉彎技巧。這一系統證明了通過計算能力可以極大釋放簡單機械結構的運動潛能。

#AI驅動科學 #機器人及其進展 #強化學習 #動態控制 #零樣本遷移

閱讀更多：

Bokser, Benjamin, et al. “System Design of the Ultra Mobility Vehicle: A Driving, Balancing, and Jumping Bicycle Robot.” arXiv:2602.22118, arXiv, 27 Feb. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2602.22118

新型圖算法顯著提高近距離最短路徑計算精度

計算大型網絡中任意兩點間的最短路徑是一項極具挑戰的任務，特別是針對距離較近的節點，經典算法的近似誤差長期難以保證。印度理工學院甘地訥格爾分校的Manoj Gupta針對這一長達25年的理論瓶頸展開研究，成功提出了一種更優的多尺度近似算法，大幅縮小了近距離頂點對最短路徑計算的誤差。

1996年提出的經典DHZ算法通過提取代表性頂點進行采樣，能夠快速得出不大于實際距離兩倍的2-近似值，但這一誤差保證僅在頂點間距至少為k等較遠的情況下才有效，對于近距離頂點則會導致估算失真。為了解決這一問題，Manoj Gupta提出了一種對采樣過程進行多尺度細化的新方法。該算法不再依賴于單層的采樣頂點，而是巧妙地將圖結構信息按不同的尺度進行分層組織，從而能夠更精確地捕捉更短的路徑。研究表明，這種組合的隨機算法在保持大致相同的運行時間下，成功將滿足2-近似保證的最小距離閾值從原本的k縮減至O（log k）。當參數k等于log n時，算法運行時間為O（n的平方），并能為相距至少為O（log log n）的所有頂點對返回高概率的正確結果。這一理論飛躍在不犧牲計算速度的前提下，顯著擴展了算法對更短距離的適用性。研究發表在 2025 IEEE 66th Annual Symposium on Foundations of Computer Science 上。

#其他 #其他 #圖算法 #最短路徑 #近似算法

閱讀更多：

Gupta, Manoj. “Improved 2-Approximate Shortest Paths for Close Vertex Pairs.” 2025 IEEE 66th Annual Symposium on Foundations of Computer Science (FOCS), 2025, pp. 1248–61. IEEE Xplore, https://doi.org/10.1109/FOCS63196.2025.00065

AI搜索機器人結合3D地圖與大語言模型高效尋找遺失物品

日常生活中的物體經常發生移動，機器人如何在這種不斷變化的半靜態環境中高效定位丟失的物品？Benjamin Bogenberger和Angela Schoellig等（慕尼黑工業大學）開發了一種開放詞匯語義探索系統，成功使機器人能夠結合3D空間地圖和大語言模型的推理知識高效尋找遺失物品。

? Credit: Technical University Munich

研究團隊提出了一種適用于半靜態環境（semi-static environments，即物體可能被移動、移除或重新引入的環境）的語義探索框架。該機器人利用攝像頭捕捉包含深度信息的圖像，從而構建精確到厘米級且不斷更新的三維空間地圖。研究人員引入了概率變化檢測（probabilistic change detection，用于跟蹤物體實例狀態并識別環境變化的算法模型），使機器人能主動重新訪問可能已發生改變的區域以維護地圖。同時，系統結合了大語言模型，使機器人優先探索符合常理的區域。比如尋找眼鏡時，它會推斷桌面比水槽更可能是目標位置。機器人的記憶功能還能對比新舊環境圖像，精準識別出突然出現的新物體。實驗結果表明，該機器人在三個真實世界環境中平均能檢測出百分之九十五的地圖變化。相比于隨機搜索策略，其搜尋效率提升了百分之二十九以上，在目標導航任務的成功率和效率上均大幅優于現有的基準模型。研究發表在 IEEE Robotics and Automation Letters 上。

#AI驅動科學 #機器人及其進展 #大語言模型 #語義地圖 #目標導航

閱讀更多：

Bogenberger, Benjamin, et al. “Where Did I Leave My Glasses? Open-Vocabulary Semantic Exploration in Real-World Semi-Static Environments.” IEEE Robotics and Automation Letters, vol. 11, no. 3, Mar. 2026, pp. 3342–49. IEEE Xplore, https://doi.org/10.1109/LRA.2026.3656790

解碼人類動作前奏：多模態智能穿戴設備如何精準預測運動意圖

智能可穿戴設備在推斷行為意圖時面臨特征量化不一與多模態融合困難等挑戰。Shijia Chen、Chang Peng與Liqun Tang等人組成的團隊系統評估了系統在人體運動意圖預測領域的最新進展，構建了基于多尺度生物力學特征的綜合分析框架。

該研究全面梳理了過去十年的文獻，將人體生物力學特征精細劃分為三個核心尺度。系統級關注身體加速度，用于評估重心穩定性和預判步態；局部級捕捉關節角度與角速度，精準映射關節約束下的特定運動軌跡；組織級則利用表面肌電圖分析肌肉激活的神經驅動狀態。研究強調，融合慣性測量單元、柔性應變傳感器和生物電信號的多模態數據，能顯著提高系統在復雜環境下的魯棒性。在算法層面，支持向量機等傳統機器學習模型在資源受限的外骨骼設備中具有極低的計算延遲優勢，而長短期記憶網絡在解析高維復雜信號上表現更佳。該成果為假肢控制和醫療康復系統提供了重要設計指南。研究發表在 npj Artificial Intelligence 上。

#認知科學 #意圖與決策 #智能可穿戴系統 #生物力學 #多模態融合

閱讀更多：

Chen, Shijia, et al. “Recent Advances in Intelligent Wearable Systems: From Multiscale Biomechanical Features towards Human Motion Intent Prediction.” Npj Artificial Intelligence, vol. 2, no. 1, Mar. 2026, p. 33. www.nature.com, https://doi.org/10.1038/s44387-026-00083-5

整理｜ChatGPT

編輯｜丹雀、存源

關于追問nextquestion

天橋腦科學研究院旗下科學媒體，旨在以科學追問為紐帶，深入探究人工智能與人類智能相互融合與促進，不斷探索科學的邊界。歡迎評論區留言，或后臺留言“社群”即可加入社群與我們互動。您也可以在后臺提問，我們將基于追問知識庫為你做出智能回復哦~

關于天橋腦科學研究院

天橋腦科學研究院（Tianqiao and Chrissy Chen Institute）是由陳天橋、雒芊芊夫婦出資10億美元創建的世界最大私人腦科學研究機構之一，圍繞全球化、跨學科和青年科學家三大重點，支持腦科學研究，造福人類。

Chen Institute與華山醫院、上海市精神衛生中心設立了應用神經技術前沿實驗室、人工智能與精神健康前沿實驗室；與加州理工學院合作成立了加州理工天橋神經科學研究院。

Chen Institute建成了支持腦科學和人工智能領域研究的生態系統，項目遍布歐美、亞洲和大洋洲，包括、、、科研型臨床醫生獎勵計劃、、、科普視頻媒體「大圓鏡」等。