█腦科學動態

Nature：放大16倍，讓普通顯微鏡也能可視化突觸級神經連接

Science：破解氯胺酮長效密碼，抗抑郁效果延長8倍

Nature：超級椋鳥揭示合作繁殖的長期互惠機制

為什么有人每天只睡4小時，發現高效睡眠基因

腹腔肥胖青少年的關鍵大腦區域較大

█AI行業動態

Transformer作者新創公司發布"連續思維機器"，AI開始像人類一樣分步思考

蘋果推出FastVLM視覺語言模型：圖像理解速度提升85倍

Gemini 2.5 Pro：6小時視頻一鍵分析

GitHub Copilot助攻！陶哲軒的數學工具卷出2.0版

OpenAI發布全新醫療AI HealthBench

Prime Intellect發布擁有320億參數的推理模型Intellect-2

█AI驅動科學

Cell：AI設計合成增強子，開啟基因精準調控新時代

水蒸氣驅動軟體機器人

用簡單的鏈接粒子構建群體機器人

AI耳機實現多人實時翻譯：保留原聲方位與音質

BabyBot：軟體機器人嬰兒模仿從出生到6個月大的喂養行為

AI醫療建議靠譜嗎？研究揭示聊天機器人診斷短板

AI模型實現跨形態運動生成：從文字指令到機器人/人體動作

可穿戴觸覺技術新突破：超薄貼片讓虛擬世界觸手可及

機器人通過"觸覺"識別物體屬性，無需視覺輔助

腦科學動態

Nature：放大16倍，讓普通顯微鏡也能可視化突觸級神經連接

如何突破光學顯微鏡分辨率極限？奧地利科學技術研究所與谷歌研究院的Mojtaba R. Tavakoli、Julia Lyudchik等團隊開發了LICONN技術，通過膨脹顯微術與深度學習結合，首次用普通光學顯微鏡實現了哺乳動物腦組織突觸級連接的可視化重建。

?借助LICONN重建的哺乳動物腦組織連接組。Credit：Nature（2025）.

研究團隊將腦組織樣本嵌入特制水凝膠（hydrogel，遇水膨脹材料），通過物理膨脹使樣本體積增大至原始尺寸的16倍，突破光學衍射極限。結合深度學習算法，系統能自動識別20納米精度的神經元突觸結構，并重建658個神經元的完整3D連接網絡。與傳統電子顯微鏡相比，該技術最大優勢在于保留了分子標記信息，同時僅需使用普通實驗室的標準顯微鏡設備。實驗驗證顯示，膨脹過程未破壞蛋白質空間排布，組織結構完整性保持率達98%。研究為全球實驗室提供了一種成本僅為電子顯微鏡1/10的突觸圖譜解決方案，未來可應用于阿爾茨海默病等神經退行性疾病的病理研究。研究發表在 Nature 上。

#神經科學 #神經機制與腦功能解析 #跨學科整合 #計算模型與人工智能模擬

閱讀更多：

Tavakoli, Mojtaba R., et al. “Light-Microscopy-Based Connectomic Reconstruction of Mammalian Brain Tissue.” Nature, May 2025, pp. 1–13. www.nature.com, https://doi.org/10.1038/s41586-025-08985-1

Science：破解氯胺酮長效密碼，抗抑郁效果延長8倍

氯胺酮雖能快速緩解抑郁癥狀，但效果僅持續數日且反復用藥可能產生副作用。范德堡大學的Zhenzhong Ma、Natalie J. Guzikowski、Ji-Woon Kim、Ege T. Kavalali和Lisa M. Monteggia團隊發現，通過增強特定腦區信號通路，可將單次用藥的抗抑郁效果延長至2個月。

?DUSP6 作為增強 ERK 活性和延長氯胺酮抗抑郁作用的新靶點（Credit：Zhenzhong Ma）

研究團隊首先發現氯胺酮能短暫激活海馬區的ERK（細胞外信號調節激酶）通路。通過聯合使用氯胺酮與DUSP6抑制劑BCI（可阻斷ERK抑制分子），小鼠海馬區的突觸連接增加了50%。行為實驗顯示，這種聯合療法使抗抑郁效果從常規的3-7天延長至2個月。進一步機制研究發現，興奮性神經元中的TrkB受體（腦源性神經營養因子的"接收器"）是產生持久效果的關鍵。該研究不僅揭示了ERK通路作為抗抑郁新靶點的潛力，更為開發"一針管兩月"的長效抑郁癥療法提供了理論依據。研究發表在 Science 上。

#疾病與健康 #神經調控 #心理健康與精神疾病 #突觸可塑性 #ERK信號通路

閱讀更多：

Ma, Z. Zack, et al. “Enhanced ERK Activity Extends Ketamine’s Antidepressant Effects by Augmenting Synaptic Plasticity.” Science, May 2025. world, www.science.org, https://www.science.org/doi/10.1126/science.abb6748

為什么有人每天只睡4小時，發現高效睡眠基因

為什么有人每天只睡4小時卻精力充沛？加州大學舊金山分校的傅嫈惠（Ying-Hui Fu）與中國科學院大學上海藥物研究所時廣森團隊發現，SIK3基因的N783Y突變能讓人在更短睡眠中獲得充分休息，相關成果為開發高效睡眠方案提供新方向。

研究團隊首先在一個短睡眠家族中鑒定出SIK3基因突變（N783Y），隨后通過基因編輯技術構建攜帶該突變的小鼠模型。腦電圖顯示，突變小鼠不僅每日睡眠時間縮短約30分鐘，其δ功率（反映睡眠深度的指標）還顯著增高，意味著它們獲得了更高效的睡眠。進一步分析發現，該突變導致編碼的鹽誘導激酶（salt-induced kinase）活性降低，并引發突觸部位蛋白質磷酸化模式改變。值得注意的是，研究還發現蛋白激酶A（PKA）等激酶參與形成睡眠調控網絡，這些激酶活性變化可能是實現"高效睡眠"的關鍵。相比此前發現的DEC2等短睡眠基因，SIK3突變展現出對睡眠質量的獨特改善作用。研究發表在 PNAS 上。

#神經科學 #神經機制與腦功能解析 #個性化醫療 #睡眠科學

閱讀更多：

Chen, Hongmin, et al. “The SIK3-N783Y Mutation Is Associated with the Human Natural Short Sleep Trait.” Proceedings of the National Academy of Sciences, vol. 122, no. 19, May 2025, p. e2500356122. world, www.pnas.org, https://doi.org/10.1073/pnas.2500356122

Nature：超級椋鳥揭示合作繁殖的長期互惠機制

合作繁殖鳥類為何愿意義務幫助非親緣后代？由Alexis D. Earl和Dustin R. Rubenstein領銜的國際團隊通過20年追蹤研究發現，超級椋鳥通過終身角色互換形成隱秘互惠關系。

研究團隊在肯尼亞中部對9個超級椋鳥群體（平均規模13-41只）進行跨越40個繁殖季的觀測。通過個體環志識別和親緣分析（mean pairwise r=0.08），發現雖然存在親緣偏向幫助（kin-biased helping），但47%的幫助行為發生在非親緣個體間。更驚人的是，特定個體間會通過“你今年幫我育雛，我明年幫你守巢”的角色互換（role-swapping reciprocity），建立持續終身的互惠關系——這種模式需要至少15年數據才能被統計學識別。進一步分析顯示，直接適應性收益（direct fitness benefits）對雌性和擴散個體的影響比雄性高32%，表明合作策略存在性別分化。該發現為理解人類等混合親緣社會的合作演化提供了新視角。研究發表在 Nature 上。

#認知科學 #動物行為 #合作進化 #跨學科整合 #長期追蹤研究 #社會性動物

閱讀更多：

Earl, Alexis D., et al. “A Cryptic Role for Reciprocal Helping in a Cooperatively Breeding Bird.” Nature, May 2025, pp. 1–8. www.nature.com, https://doi.org/10.1038/s41586-025-08958-4

腹腔肥胖青少年的關鍵大腦區域較大

青少年肥胖如何重塑大腦結構？美國德克薩斯大學健康休斯頓公共衛生學院的Augusto César F. De Moraes聯合多國團隊發現，腹部肥胖會導致記憶和情緒相關腦區異常增大，同時社會環境劣勢會進一步損害腦發育。

研究團隊分析了美國ABCD項目中3,320名青少年的四年追蹤數據，通過結構MRI掃描測量了杏仁核（控制恐懼/快樂的情緒中樞）、海馬體（記憶核心）等皮層下區域體積。結果顯示：腹部肥胖青少年海馬體體積比同齡人平均大6.6%，杏仁核大4.3%，其中腰高比超過0.5的嚴重肥胖者杏仁核增幅最顯著。更令人擔憂的是，來自教育資源匱乏、綠地空間不足社區的青少年，其海馬體和杏仁核發育明顯滯后，這種差距在持續肥胖群體中進一步擴大。研究者指出，腦區異常增大可能源于脂肪組織引發的慢性炎癥，與發育遲緩同樣有害，可能增加未來出現記憶障礙和情緒失調的風險。研究發表在 European Congress on Obesity 2025 上。

#疾病與健康 #神經機制與腦功能解析 #健康不平等 #青少年肥胖 #腦發育

閱讀更多：

https://drive.google.com/file/d/1Ifsp4k28JwQkcp9f24_mfOVdTaRlTMEG/view?pli=1

AI 行業動態

Transformer作者新創公司發布"連續思維機器"，AI開始像人類一樣分步思考

日本Sakana AI公司由Transformer架構創始人之一Llion Jones聯合創立，近日發布了名為"連續思維機器"（Continuous Thought Machine，CTM）的新型人工智能模型。該模型突破性地在神經元層面引入時間維度，通過模擬生物神經元之間的同步活動機制，使AI能夠像人類一樣分步驟思考和解決問題。與傳統人工神經網絡一次性輸出結果不同，CTM會在內部進行多次"思考"，其推理過程具有高度可解釋性，例如在解迷宮時會逐步追蹤路徑，識別圖像時會像人類一樣轉移視線焦點。

這項創新源于對生物大腦工作機制的深入觀察。研究團隊發現，現有AI模型長期忽略神經元激活的時間信息，而這正是生物大腦高效運作的關鍵。CTM通過讓每個神經元訪問自身行為歷史，并學習與其他神經元同步協作，展現出豐富的動態行為。測試顯示，CTM不僅能以更接近人類的方式解決問題，在圖像分類等任務上的準確率也隨"思考時間"增加而提升，同時能自動調整算力分配——對簡單問題減少思考步驟以節省資源。

Sakana AI表示，CTM是彌合人工與生物神經網絡差距的重要一步。盡管現代AI基于簡化的神經元模型已取得巨大成功，但研究者認為繼續向大腦學習將開啟AI能力的新維度。CTM展現出的自發涌現行為——如未經專門訓練就學會人類式解迷宮方法——印證了這一方向的潛力。

#人工智能 #神經網絡 #創新科技 #機器學習 #腦科學

閱讀更多：

https://pub.sakana.ai/ctm/paper/index.html

蘋果推出FastVLM視覺語言模型：圖像理解速度提升85倍

蘋果公司最新研發的FastVLM（Fast Vision Language Model）是一種高效的視覺語言模型編碼器系統，旨在將高分辨率圖像快速轉換為大語言模型（LLM）可處理的視覺token。該模型專注于提升圖文任務的處理速度與效率，適用于圖像描述生成（Image Captioning）、視覺問答（VQA）和圖像識別等場景。相較于傳統模型如LLaVA和BLIP，FastVLM在速度和體積上均有顯著優化，首token輸出速度提升高達85倍，同時模型體積更小，適合部署在iPhone、iPad和Mac等設備上。

FastVLM的核心技術基于FastViTHD視覺主干，能夠高效解析圖像并生成簡潔的token表示，再交由語言模型（如GPT-4或Qwen2-7B）進行后續處理。該模型提供三個版本（FastVLM-0.5B、1.5B和7B），均支持兩階段微調，并兼容主流開源LLM及HuggingFace接口。其設計特別優化了蘋果M系列芯片和iOS系統，使其在邊緣計算和實時圖文任務中表現優異。

與傳統方案相比，FastVLM解決了圖像編碼器復雜、處理速度慢和模型體積大的問題，成為輕量、高速、低延遲的視覺前端模塊。它的出現為移動端AI應用提供了新的可能性，例如在設備端快速分析圖像內容或實時生成描述，進一步推動AI技術在消費電子領域的落地。

#FastVLM #蘋果 #視覺語言模型 #邊緣計算 #AI

閱讀更多：

https://www.arxiv.org/abs/2412.13303

Gemini 2.5 Pro：6小時視頻一鍵分析

Google近期推出的Gemini 2.5 Pro（I/O預覽版 0506）和Gemini 2.5 Flash兩款模型，標志著其在多模態AI（Multimodal AI，能同時處理多種數據類型的AI）領域的重大突破。作為全球首個原生支持視頻處理的通用多模態模型，Gemini 2.5不僅能理解、分析視頻內容，還能將其轉化為結構化應用。與GPT-4.1相比，Gemini 2.5 Pro在相同任務設置下表現更優；而Flash版本則以更低成本實現相近性能，適用于資源受限場景。該模型支持并行處理視頻（最高7200幀/6小時）、音頻、文本和代碼，為開發者提供了前所未有的靈活性。

Gemini 2.5的視頻理解能力覆蓋多種創新應用場景。例如，輸入YouTube鏈接后，模型可自動生成學習應用的規范文檔并轉化為代碼，快速創建交互式教程或模擬器。此外，它還能將視頻內容轉化為p5.js動畫（一種JavaScript圖形庫），實現信息可視化或會議紀要圖形化。更令人驚嘆的是，模型能精準定位視頻中的關鍵片段（如演講中的產品發布節點），并支持跨時間跨度的事件統計（如統計視頻中手機使用次數）。

目前，Gemini 2.5的視頻理解功能已通過Google AI Studio（Google的AI開發平臺）、Gemini API和Vertex AI（Google的企業級AI平臺）開放使用。開發者可直接解析YouTube鏈接，利用其支持低清視頻處理、200萬token上下文（模型一次能處理的文本量）的特性，構建基于海量視頻數據的應用程序。在VideoMME基準測試中，其準確率達84.7%，接近專用微調模型水平，展現出極強的競爭力。

#Gemini2.5 #視頻理解AI #多模態模型 #GoogleAI #自動化創作

閱讀更多：

https://aistudio.google.com/u/1/apps/bundled/video-to-learning-app?showPreview=true

GitHub Copilot助攻！陶哲軒的數學工具卷出2.0版

菲爾茲獎得主陶哲軒（Terence Tao）近日在GitHub上發布了其開源數學證明助手的2.0版本。這一工具最初旨在自動化驗證漸近估計（asymptotic estimates，描述變量增長關系的數學表達），如今已升級為支持命題邏輯的交互式證明助手。陶哲軒透露，開發過程中大量依賴GitHub Copilot的代碼補全功能，并整合了Python符號計算庫Sympy，使工具能處理更復雜的數學任務，如線性不等式推導和情況拆分。盡管功能仍遜于專業證明助手Lean，但其輕量級設計特別適合簡化繁瑣的數學驗證流程。

在最新實驗中，陶哲軒嘗試用AI工具“盲做”形式化證明。他僅憑合作者Bruno Le Floch的草稿，借助Copilot和Lean的自動化策略，在33分鐘內完成了一頁數學證明的形式化。這一實驗展示了AI如何代勞技術性推導，讓研究人員專注于邏輯表達而非細節驗證。不過，陶哲軒也指出當前工具存在協作管理問題，例如Lean的blueprint系統無法同時記錄人類和AI生成的證明版本。

陶哲軒表示，該框架已趨于穩定，未來計劃擴展其功能，如支持函數空間范數估計和集成更多數學引理。他歡迎社區貢獻新策略或案例，以提升工具解決實際問題的能力。相關代碼和實驗視頻均已公開，引發數學與計算機科學界的廣泛討論。

#數學證明助手 #陶哲軒 #GitHubCopilot #AI輔助研究 #形式化驗證

閱讀更多：

https://github.com/teorth/estimates

OpenAI發布全新醫療AI HealthBench

OpenAI發布了名為HealthBench的全新醫療AI，旨在更準確地衡量大型語言模型（LLMs）在真實醫療場景中的表現。該基準由262位來自60個國家的執業醫生共同開發，包含5000段多輪、多語言的真實健康對話，涵蓋從患者到醫生的多種角色和臨床情境。每段對話均配有醫生制定的評分標準，確保評估結果貼近臨床實際需求。

HealthBench通過模擬真實的醫療對話場景，測試AI模型在多種臨床情境下的應對能力。這些對話涵蓋了多種醫療專業和語言，旨在評估模型在處理復雜醫療信息、理解患者需求和提供準確建議方面的表現。每段對話的評分標準由專業醫生制定，確保評估結果的權威性和實用性。實驗結果顯示，盡管當前的LLMs在某些任務上表現良好，但在處理特定疾病信息和多語言支持方面仍存在顯著差距，特別是在低資源語言和復雜醫療情境中。研究強調了開發專門針對全球健康挑戰的評估基準和優化策略的必要性，以確保AI工具在實際應用中能夠提供準確、可靠的支持。

#醫療AI #大型語言模型 #多輪對話 #臨床評估

閱讀更多：

https://openai.com/index/healthbench/

Prime Intellect發布擁有320億參數的推理模型Intellect-2

Prime Intellect發布了其最新的人工智能模型Intellect-2，這是一款擁有320億參數的推理模型，采用了分布式異步強化學習（Distributed Asynchronous Reinforcement Learning）進行訓練。該模型的發布標志著全球首個無需授權、支持異構計算資源參與的去中心化強化學習訓練項目的實現，為大型語言模型的訓練和應用開辟了新的路徑。

Intellect-2引入了多項關鍵技術。首先，模型采用了名為prime-RL的開源庫，支持完全異步的去中心化強化學習訓練，允許全球開發者利用自己的計算資源參與模型的訓練過程。其次，模型引入了TOPLOC驗證機制，用于高效驗證去中心化節點的推理計算，確保訓練過程的可信度和安全性。此外，Intellect-2還利用了Shardcast機制，實現了新策略模型的快速廣播，提升了訓練效率。在訓練數據方面，團隊構建了名為SYNTHETIC-1的高質量數據集，涵蓋數學、編程和科學領域的任務，確保模型在這些領域具備強大的推理能力。實驗結果顯示，Intellect-2在編碼、數學與科學領域的推理性能達到新高度，推動了去中心化訓練技術的前沿發展。

#去中心化訓練 #強化學習 #大型語言模型 #推理能力

閱讀更多：

https://www.marktechpost.com/2025/05/12/primeintellect-releases-intellect-2-a-32b-reasoning-model-trained-via-distributed-asynchronous-reinforcement-learning/

AI 驅動科學

Cell：AI設計合成增強子，開啟基因精準調控新時代

西班牙基因組調控中心的Robert Fr?mel、Julia Rühle等團隊利用AI設計出全新合成增強子（enhancer），首次在哺乳動物細胞中實現了細胞類型特異性的基因激活與抑制。

研究團隊通過分析64,400個合成增強子與38種轉錄因子（TF）的相互作用數據，首次系統揭示了增強子調控的三大規則：當轉錄因子水平低時增強子激活基因，過高則抑制（劑量依賴性）；同一增強子在不同細胞中可能發揮相反作用（環境依賴性）；多個激活增強子組合時反而抑制表達（負協同效應）。基于這些規則訓練的AI模型，成功設計出僅在特定血液細胞（如巨核細胞）中激活熒光蛋白的增強子，以及能在白血病細胞中沉默目標基因的增強子。實驗證實，這些合成增強子的特異性比天然增強子更高。該技術突破使得研究者能夠"編程"細胞行為，例如引導干細胞定向分化或精準關閉致病基因。研究發表在 Cell 上。

#AI驅動科學 #基因調控 #合成生物學 #血液疾病 #精準醫療

閱讀更多：

Fr?mel, Robert, et al. “Design Principles of Cell-State-Specific Enhancers in Hematopoiesis.” Cell, vol. 0, no. 0, May 2025. www.cell.com, https://doi.org/10.1016/j.cell.2025.04.017

水蒸氣驅動軟體機器人：科英布拉大學團隊開發新型相變執行器

科英布拉大學的Diogo Fonseca和Pedro Neto團隊利用水蒸氣沸騰原理，開發出僅需24V電壓的相變執行器，其力量足以驅動四足機器人爬樹，且成本僅為傳統設計的十分之一。

?一個不受束縛的軟體機器人在非結構化環境中沿著樹干爬行。它由四個以水為工作流體的液氣相變電動軟體執行器驅動。Credit: Diogo Fonseca

研究團隊采用“沸騰驅動”創新設計：將水密封在硅膠彈性體（silicone elastomer）腔室內，通過微型加熱線圈汽化產生蒸汽壓力。模塊化結構支持快速組裝，3D打印和鑄造工藝降低成本。關鍵突破在于控制算法——通過實時調節加熱功率避免蒸汽泡震蕩（原理解釋：類似燒開水時的“咕嘟”現象），使執行器在1000次循環后仍保持穩定。測試顯示，其力量足以提起5公斤重物，響應速度比同類快8倍。應用案例包括能摘水果的軟夾持器，以及可在25秒內完成爬行周期的四足機器人Bixo。研究發表在 Nature Communications 上。

#自動化科研 #跨學科整合 #軟體機器人 #相變驅動 #仿生設計

閱讀更多：

Fonseca, D., and P. Neto. “Electrically-Driven Phase Transition Actuators to Power Soft Robot Designs.” Nature Communications, vol. 16, no. 1, Apr. 2025, p. 3920. www.nature.com, https://doi.org/10.1038/s41467-025-59023-7

用簡單的鏈接粒子構建群體機器人

傳統群體機器人依賴復雜傳感器和中央控制，限制了應用場景。首爾國立大學的Ho-Young Kim、Kyungmin Son、Kwanwoo Kim與哈佛大學的L. Mahadevan、Kimberly Bowal團隊開發出新型鏈式機器人系統，僅通過簡單機械連接就能實現復雜群體行為。

?V 形鏈接機器人由自推進的粒子組成，這些粒子通過鏈狀鏈接連接在一起。Credit: Seoul National University College of Engineering

研究團隊設計了名為“link-bots”的V形鏈式機器人，由自推進粒子通過幾何約束連接而成。通過調整鏈接參數（如角度和長度），機器人能自主產生不同步態，實現前進、轉向等動作。計算模型顯示，這種設計能預測群體行為模式。實驗證明，單個link-bot可穿越狹窄縫隙、搬運物體；多個link-bot協作時能完成更復雜任務，如集體運輸和環境封鎖。與傳統群體機器人相比，該系統無需傳感器或中央處理器，具有成本低、適應性強等優勢。研究為災難救援、環境監測等場景提供了新思路，展示了簡單物理交互產生復雜行為的潛力。研究發表在 Science Advances 上。

#自動化科研 #跨學科整合 #計算模型與人工智能模擬 #群體機器人 #機械智能

閱讀更多：

Son, Kyungmin, et al. “Emergent Functional Dynamics of Link-Bots.” Science Advances, May 2025. world, www.science.org, https://doi.org/10.1126/sciadv.adu8326

AI耳機實現多人實時翻譯：保留原聲方位與音質

公共場所多人對話翻譯如何突破技術瓶頸？華盛頓大學Tuochao Chen、Shyamnath Gollakota團隊開發出全球首個支持多人實時翻譯的耳機系統，不僅能分離空間中的多個聲源，還能保留說話者獨特的音色和方位感，讓跨語言交流更自然。

研究團隊采用現成降噪耳機（索尼WH-1000XM4）搭載定制算法，其核心是模仿雷達的360度掃描技術（實時更新說話者數量與位置）。通過雙耳信號處理，系統首先分離混雜語音，再通過輕量級神經網絡（運行于Apple M2芯片）進行表達性翻譯（expressive translation，即保持原聲語調節奏），最后用雙耳渲染技術還原聲音方位。測試顯示，在餐廳等嘈雜環境中，系統可同時追蹤翻譯6-7個移動說話者，延遲控制在3-4秒時錯誤率最低（BLEU得分22.01）。與現有技術相比，用戶對空間音頻版本的偏好度提升近3倍，能準確判斷"誰在說什么方向說話"。研究特別優化了隱私保護方案，所有計算均在設備端完成。研究發表在 Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems 上。

#AI驅動科學 #跨學科整合 #語音技術 #人機交互 #空間計算

閱讀更多：

Chen, Tuochao, et al. “Spatial Speech Translation: Translating Across Space With Binaural Hearables.” Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems, Association for Computing Machinery, 2025, pp. 1–19. ACM Digital Library, https://doi.org/10.1145/3706598.3713745

BabyBot：軟體機器人嬰兒模仿從出生到6個月大的喂養行為

如何安全研究嬰兒喂養發育？瑞士洛桑聯邦理工學院CREATE實驗室與雀巢洛桑研究中心的Benhui Dai、Josie Hughes等團隊開發出BabyBot——首個能模擬0-6個月嬰兒完整喂養行為的軟體機器人，其傳感器化口腔和神經控制回路可精確復現吸吮、咽反射等關鍵行為。

?模仿嬰兒的生理、動作和感知。Credit: npj Robotics (2025).

研究團隊通過仿生軟體舌頭（采用氣動網絡技術實現卷曲、波浪運動）和分布式觸覺傳感器（覆蓋硬腭、軟腭區域），構建了與嬰兒口腔力學特性匹配的機器人系統。神經控制回路模擬了從腦干反射到初級運動皮層的分級調控，使機器人能根據食物質地（液體/半固體）自動調整舌部運動模式。驗證實驗顯示，BabyBot的奶瓶喂養效率與真實嬰兒偏差小于15%，并能觸發標準化的咽反射（gag reflex）響應異常刺激。模塊化設計允許快速切換"年齡模式"：新生兒模式僅支持液體攝入，而6個月模式可處理米糊等半固體食物。該平臺已成功用于測試早產兒專用奶嘴設計，相比傳統方法縮短了80%的研發周期。研究發表在 npj Robotics 上。

#疾病與健康 #個性化醫療 #兒科機器人 #發育生物學 #生物力學

閱讀更多：

Dai, Benhui, et al. “BabyBot: Robot with Infant-like Feeding Behaviours and Developmental Oral Skills.” Npj Robotics, vol. 3, no. 1, May 2025, pp. 1–13. www.nature.com, https://doi.org/10.1038/s44182-025-00026-3

AI醫療建議靠譜嗎？研究揭示聊天機器人診斷短板

當人們越來越依賴ChatGPT等AI工具獲取醫療建議時，這些建議的可靠性究竟如何？牛津大學互聯網研究所Andrew M. Bean、Rebecca Payne等聯合英美多機構團隊開展大規模對照實驗，發現盡管AI在標準測試中表現優異，但實際幫助普通人診斷疾病的效果甚至不如傳統網絡搜索。

研究團隊設計了10個典型醫療場景（如胸痛、皮疹等），由專業醫生制定標準答案。1,298名參與者被隨機分配使用GPT-4o、Llama 3或Command R+（實驗組），或自由選擇搜索引擎等常規方式（對照組）進行診斷。結果令人意外：雖然這些大語言模型單獨測試時能準確識別94.9%的疾病，但實際用戶使用后僅能識別34.5%的相關病癥——比對照組的47.0%更低。分析12,000條對話記錄發現，用戶常遺漏關鍵癥狀（如"肚子疼"卻不說具體位置），而AI會因此給出錯誤推斷。更嚴重的是，42%的用戶低估了AI建議的嚴重程度（如把闌尾炎誤判為腸胃炎）。研究指出，現有基于醫師考試的AI評估體系（如USMLE）完全無法預測這些交互問題，呼吁開發新測試方法。

#疾病與健康 #大模型技術 #個性化醫療 #健康管理與壽命延長 #AI驅動科學

閱讀更多：

Bean, Andrew M., et al. Clinical Knowledge in LLMs Does Not Translate to Human Interactions. arXiv:2504.18919, arXiv, 26 Apr. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2504.18919

AI模型實現跨形態運動生成：從文字指令到機器人/人體動作

如何讓不同形態的機器人和虛擬角色理解相同指令？布朗大學的Sudarshan Harithas和Srinath Sridhar團隊開發出MotionGlot模型，該AI系統能像翻譯語言一樣，將文字命令轉換為適合四足機器人、人形機器人等不同實體的精確動作。

研究借鑒大型語言模型的"下一標記預測"技術，將動作分解為類似詞匯的離散標記。通過兩個新型數據集訓練：QUAD-LOCO（含48,000條帶文本標注的四足機器人動作）和QUES-CAP（23,000條人類動作問答數據）。模型采用統一指令模板，使單一Transformer架構能處理"文本到動作生成"和"動作問答"等多任務。測試顯示，模型不僅可精準執行"后退-左轉-前進"等具體指令，還能響應"快樂行走"等抽象要求，甚至生成慢跑動作回答"展示有氧運動"的提問。在跨形態轉換中，系統自動調整動作參數，使"行走"指令在人形（雙腿）和機器狗（四足）上產生符合各自生物力學的運動軌跡。硬件驗證表明其實際應用潛力，未來可拓展至游戲動畫、康復機器人等領域。

#大模型技術 #跨學科整合 #人機交互 #機器人控制 #動作生成

閱讀更多：

Harithas, Sudarshan, and Srinath Sridhar. MotionGlot: A Multi-Embodied Motion Generation Model. arXiv:2410.16623, arXiv, 1 May 2025. arXiv.org, https://doi.org/10.48550/arXiv.2410.16623

可穿戴觸覺技術新突破：超薄貼片讓虛擬世界觸手可及

現有VR觸覺設備笨重且反饋單一，韓國科學技術院的Jung-Hwan Youn團隊開發出全球最薄觸覺貼片（0.3g），能同時提供精準觸覺反饋和感知功能。

?使用觸覺貼片實現雙向觸覺通信的場景。 Credit: Hee-kyung Kwon

研究采用創新的扁平錐形介電彈性體執行器（FCDEA，一種通過電場變形產生機械力的柔性材料），通過螺旋彈簧結構將材料膨脹轉化為垂直位移。單個執行器直徑僅6毫米、厚1.1毫米，卻能產生323mN靜態力和2.2N動態力（相當于舉起22枚硬幣），功耗不足手機屏幕的1/10。9個執行器組成的陣列可動態模擬物體紋理，配合光電傳感器實現"觸覺雙向傳輸"——醫生遠程操作時既能"感受"患者組織硬度，也能讓患者感知醫生手勢。測試顯示，該系統可準確再現從絲綢到砂紙的16種材質觸感，延遲低于20毫秒。研究發表在 Science Advances 上。

#神經調控 #知覺康復 #VR技術 #柔性電子

閱讀更多：

Youn, Jung-Hwan, et al. “Skin-Attached Haptic Patch for Versatile and Augmented Tactile Interaction.” Science Advances, Mar. 2025. world, www.science.org, https://doi.org/10.1126/sciadv.adt4839

機器人通過"觸覺"識別物體屬性，無需視覺輔助

機器人如何像人類一樣通過觸摸識別物體？麻省理工學院Peter Yichen Chen、Chao Liu與亞馬遜機器人公司團隊合作，開發出僅需機器人內部傳感器的新技術，可在幾秒內準確判斷物體質量和柔軟度，為黑暗環境中的物體識別提供解決方案。

?利用本體感受信號，通過可微分物理校準物體參數。左圖：我們的方法旨在識別物體參數，例如紫色球體的質量和材料特性。中圖：我們利用可微分物理模擬機器人與物體之間的相互作用。右圖：通過使用來自真實機器人（下圖）的本體感受信號（關節位置，綠色圓圈所示），監督可微分物理模擬（上圖）來識別物體參數。值得注意的是，我們的方法不需要追蹤物體的軌跡（紅色圓圈所示）；相反，它僅依賴于機器人的內部傳感器進行校準。Credit: arXiv (2024).

研究團隊采用可微分物理（differentiable physics）模擬技術，構建了機器人與物體交互的數字孿生模型。該系統僅需機器人關節編碼器（測量關節位置和速度的內部傳感器）數據，通過分析單次交互中機器人的運動反應，即可反向推導出物體特性。實驗顯示，該方法在低成本機器人平臺上，僅需幾秒計算就能準確估計物體的質量和彈性模量（材料柔軟度指標），精度與復雜視覺系統相當。特別值得注意的是，系統完全不需要追蹤物體軌跡（傳統方法需要攝像頭或標記物），僅依靠機器人"本體感覺"就能完成識別。這種數據高效的方法在黑暗地下室分類或地震廢墟搜救等視覺受限場景中展現出獨特優勢。

#AI驅動科學 #自動化科研 #機器人技術 #可微分模擬 #本體感覺

閱讀更多：

Chen, Peter Yichen, et al. Learning Object Properties Using Robot Proprioception via Differentiable Robot-Object Interaction. arXiv:2410.03920, arXiv, 8 Mar. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2410.03920

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。如果您有進一步想要討論的內容，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。

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、、等。