MIT新闻 _机器人领域信息情报检索

麻省理工学院官方新闻频道之一的机器人相关新闻

麻省理工学院工程师设计微型电池,为细胞大小的机器人供电

MIT engineers design tiny batteries for powering cell-sized robots

这些比一粒沙子还小的锌空气电池可以帮助微型机器人感知和响应其环境。

新模型为机器人提供精确的拾取和放置解决方案

A new model offers robots precise pick-and-place solutions

SimPLE 学习使用物体的计算机辅助设计模型来拾取、重新抓取和放置物体。

高飞以实现可持续交付和远程护理

Flying high to enable sustainable delivery, remote care

麻省理工学院高级研究计划的无人机公司创始人寻求将空中投递带入主流。

以严格灵活的方式创建和验证稳定的 AI 控制系统

Creating and verifying stable AI-controlled systems in a rigorous and flexible way

神经网络控制器为复杂的机器人提供稳定性保障,为更安全地部署自动驾驶汽车和工业机器铺平了道路。

为外太空设计

Designing for outer space

随着 NASA 计划在太空和月球上建立永久基地,麻省理工学院的学生正在开发远离地球的栖息地原型。

研究人员使用大型语言模型帮助机器人导航

Researchers use large language models to help robots navigate

该方法使用基于语言的输入而不是昂贵的视觉数据来指导机器人完成多步导航任务。

帮助机器人掌握不可预测的事物

Helping robots grasp the unpredictable

MIT CSAIL 的节俭式深度学习模型可推断物体的隐藏物理属性,然后进行调整,以便在家庭和配送中心等非结构化环境中为机器人找到最稳定的抓握方式。

一种更有效的多用途机器人技术

A technique for more effective multipurpose robots

借助生成式人工智能模型,研究人员结合了来自不同来源的机器人数据,帮助机器人更好地学习。

工程学院欢迎新教师

School of Engineering welcomes new faculty

15 名新教职员工加入了学校的六个学术部门。

麻省理工学院的科学家学习如何用光控制肌肉

MIT scientists learn how to control muscles with light

一项新研究表明,光遗传学可以比电刺激更有效地控制肌肉收缩,减少疲劳。

2024 年 MAD 设计研究员名单公布

2024 MAD Design Fellows announced

这 10 位设计研究员是麻省理工学院的研究生,他们在研究所的设计和多个学科的交叉领域工作。

从 NASA 到麻省理工学院再到 Formlabs

From NASA to MIT to Formlabs

Audrey Chen '24 在她达到驾驶年龄之前就获得了 NASA 的实习机会。这是她成功的秘诀。

机器人手掌模仿人类的触觉

Robotic palm mimics human touch

麻省理工学院 CSAIL 的研究人员利用手掌中的复杂触觉传感器和灵活的手指提高了机器人的精度,为人机交互和假肢技术的改进奠定了基础。

机器人“超级肢体”可以帮助月球行走者从跌倒中恢复

Robotic “SuperLimbs” could help moonwalkers recover from falls

MIT 的新系统可以帮助宇航员节省能源并延长在月球表面的任务。

使用博弈论的思想来提高语言模型的可靠性

Using ideas from game theory to improve the reliability of language models

麻省理工学院计算机科学与人工智能实验室 (CSAIL) 的研究人员开发了一种新的“共识游戏”,提升了人工智能的文本理解和生成技能。

一种更好的控制变形软机器人的方法

A better way to control shape-shifting soft robots

一种新算法可以学习挤压、弯曲或拉伸机器人的整个身体,以完成各种任务,例如避开障碍物或取回物品。

麻省理工学院的三名学生被评为 2024-25 年 Goldwater 学者

Three from MIT named 2024-25 Goldwater Scholars

本科生 Ben Lou、Srinath Mahankali 和 Kenta Suzuki 的研究领域是数学和物理,他们因学业优秀而获得表彰。

自然语言提升 LLM 在编码、规划和机器人技术方面的表现

Natural language boosts LLM performance in coding, planning, and robotics

三种神经符号方法可帮助语言模型在自然语言中找到更好的抽象,然后使用这些表示来执行复杂的任务。