追問daily | 為何成年之后不再渴望社交？Nature：首張全腦決策地圖發布；部分代糖或加速認知衰退

█腦科學動態

Nature：首張全腦決策地圖發布

補體抑制劑或成預防早產的關鍵

為何成年后不再像年少時那般渴望社交？

大腦在恰到好處的回聲中學習效果最佳

部分代糖或加速認知衰退，最高攝入者下降速度快62%

高學歷無法為阿爾茨海默病患者提供長期保護

虛擬現實導航測試可揭示阿爾茨海默病早期風險

AI視覺工具SeeMe提前數天檢測到腦損傷患者的隱性意識

█AI行業動態

OpenAI發布企業AI領導力指南：五大原則助企業搶占先機

蘋果自研AI搜索引擎WKA，聯合谷歌挑戰ChatGPT與Perplexity

█AI驅動科學

機器人單次學習即掌握全身協同搬運

AI醫療的"完美病人"陷阱：技術如何邊緣化弱勢群體

清華北航聯合研發類腦空間認知框架，讓機器人擁有"空間感"

AI模擬體育數據：為足球分析研究開辟新途徑

物理AI融合視覺與觸覺，實現類人精準操控

腦科學動態

Nature：首張全腦決策地圖發布

大腦如何做出決策？過去的研究因“管中窺豹”而受限。普林斯頓大學與國際腦實驗室（IBL，由歐洲和美國的 22 個實驗室組成的全球聯盟）合作，首次繪制出了小鼠在決策過程中的全腦神經活動圖譜，揭示了決策是一個高度協同的全腦過程。

?這張全腦圖譜展示了 75000 個已分析的神經元，每個點都根據該神經元的原始平均放電頻率進行線性縮放，直至達到最大尺寸。Credit: Dan Birman, International Brain Laboratory

研究采用了前所未有的規模和標準化流程。研究人員使用高密度電極——神經像素探針，在小鼠執行簡單的視覺決策任務時，同步記錄了其大腦279個不同區域、超過62萬個神經元的電活動。研究結果顛覆了大腦功能“自上而下”的傳統分層模型。數據顯示，決策信號并非局限于某個“決策中心”，而是廣泛分布于整個大腦。當小鼠看到視覺信號時，信號首先出現在視覺皮層，隨后迅速擴散至中腦和后腦等多個區域；當小鼠準備行動時，全腦幾乎所有區域都出現了與運動相關的神經活動；而當獲得獎勵時，整個大腦更像是“被點亮的圣誕樹”，活動信號無處不在。這表明決策是一個動態、分布式的過程，需要大腦各個部分之間持續、高效的通信。研究發表在 Nature 上。

閱讀更多：

Meshulam, Leenoy, et al. “A Brain-Wide Map of Neural Activity during Complex Behaviour.” Nature, vol. 645, no. 8079, Sept. 2025, pp. 177–91. www.nature.com, https://doi.org/10.1038/s41586-025-09235-0

補體抑制劑或成預防早產的關鍵

如何從根源上預防炎癥導致的早產？南卡羅來納醫科大學的Eliza R. McElwee, Stephen Tomlinson及同事們發現，作為免疫系統一部分的補體系統是驅動早產炎癥的關鍵因素，通過抑制該系統可以有效預防早產，保護母嬰健康。

研究團隊利用小鼠模型模擬了由感染引起的炎癥性早產。他們發現，炎癥發生后，免疫系統中的補體系統（complement system，一組幫助身體抵抗感染的蛋白質）被迅速激活，導致白細胞大量聚集在宮頸和子宮，引發的炎癥最終導致早產。為了驗證靶向抑制補體系統的效果，研究人員為實驗組小鼠注射了一種特異性的補體抑制劑（complement inhibitor）。結果顯示，與安慰劑組相比，接受治療的母鼠懷孕時間更長，產下的健康后代也更多。進一步分析表明，這種療法不僅減輕了母體子宮的炎癥，還顯著降低了胎兒大腦中的炎癥反應，包括減少了促炎細胞因子的水平。這項研究證明，通過精準調控補體系統，有望開發出同時保護母親和胎兒、預防早產的新療法。研究發表在 Cells 上。

閱讀更多：

McElwee, Eliza R., et al. “Complement Modulation Mitigates Inflammation-Mediated Preterm Birth and Fetal Neural Inflammation.” Cells, vol. 14, no. 14, Jan. 2025, p. 1045. www.mdpi.com, https://doi.org/10.3390/cells14141045

為何成年后不再像年少時那般渴望社交？

兒童和青少年的強烈社交需求為何會隨著成年而改變？耶魯大學的Marcelo O. Dietrich及其團隊通過小鼠實驗發現，下丘腦中的Agrp神經元在年幼時期是驅動社交行為的關鍵，但這一功能會隨著進入成年期而關閉，揭示了社交需求變化的神經基礎。

?Credit: Current Biology (2025).

研究團隊將焦點對準了下丘腦中以調控饑餓而聞名的Agrp神經元（Agrp neurons）。他們運用鈣成像和光遺傳學等方法，系統比較了不同年齡段小鼠的神經活動與行為。實驗發現，當幼年或青少年小鼠被社會隔離時，其Agrp神經元會變得異常活躍，驅使它們尋求社交互動；而一旦與同伴重聚，這些神經元的活動便會平息下來。更有趣的是，當研究人員人為抑制這些神經元時，幼鼠的社交意愿大減；反之，激活它們則能恢復其社交沖動。然而，同樣的操作對成年小鼠的社交行為卻毫無影響。這表明，Agrp神經元對社交的調控作用具有嚴格的年齡限制，其功能在青春期晚期便開始“下線”，成年后的社交需求則由大腦其他神經回路接管。研究發表在 Current Biology 上。

閱讀更多：

Iyilikci, Onur, et al. “Age-Specific Regulation of Sociability by Hypothalamic Agrp Neurons.” Current Biology, vol. 0, no. 0, Sept. 2025. www.cell.com, https://doi.org/10.1016/j.cub.2025.08.014

大腦在恰到好處的回聲中學習效果最佳

為何我們在嘈雜的環境中仍能聽懂對話？麥考瑞大學的Heivet Hernández-Pérez和David McAlpine等人研究發現，大腦能無意識地學習環境回聲，并且在具有適度回聲的“金發姑娘區”學習效果最好，而非完全安靜的環境。

?實驗環境。Credit: eLife (2025).

研究團隊在一個無回聲的消聲室中，為聽力正常的參與者模擬了從地下停車場（強回聲）到開放辦公室（弱回聲）等多種聲學環境。參與者需要識別在背景噪音中播放的語音指令。結果顯示，隨著時間推移，參與者的大腦會無意識地學習并適應房間的聲學特性，從而提高語音識別的準確率。一個令人意外的發現是，學習效果最好的并非零回聲環境，而是在一個回聲“恰到好處”的“金發姑娘區”（Goldilocks zone），其混響時間（reverberation，聲音在空間中持續反射的時間）約為400毫秒，這與許多演講廳的環境類似。為了定位這一學習過程的神經基礎，研究人員使用了重復經顱磁刺激（rTMS）短暫干擾了大腦的背外側前額葉皮層。結果發現，當該區域功能受擾時，參與者適應聲學環境的能力顯著下降。這證明了dlPFC在無意識學習環境聲音特征中扮演了關鍵角色。研究發表在 eLife 上。

閱讀更多：

Hernández-Pérez, Heivet, et al. “Listening to the Room: Disrupting Activity of Dorsolateral Prefrontal Cortex Impairs Learning of Room Acoustics in Human Listeners.” eLife, vol. 14, Sept. 2025. elifesciences.org, https://doi.org/10.7554/eLife.107041.1

部分代糖或加速認知衰退，最高攝入者下降速度快62%

被視為健康選擇的代糖真的對大腦無害嗎？巴西圣保羅大學的Claudia Kimie Suemoto及其團隊，通過一項對超萬人的長期研究發現，大量攝入某些常用的人工甜味劑與思維和記憶能力的加速衰退顯著相關，尤其是在糖尿病患者和60歲以下人群中。

該研究對12,772名巴西成年人進行了長達8年的跟蹤調查。研究人員通過問卷記錄了參與者對七種常見低熱量和無熱量甜味劑（low- and no-calorie sweeteners，通常被稱為“代糖”，如阿斯巴甜、山梨糖醇等）的日常攝入量，并在不同時間點評估他們的認知功能。在排除了年齡、心血管疾病等多種影響因素后，數據顯示，與攝入最少的人相比，甜味劑攝入量最高的人群其總體認知能力下降速度驚人地快了62%，這相當于大腦額外衰老了1.6年。這種負面影響在60歲以下人群的言語流暢性和糖尿病患者的記憶力下降上表現得更為明顯。除塔格糖外，研究中涉及的其他六種甜味劑均顯示出與認知衰退的關聯。這一發現對普遍將代糖視為糖的無害替代品的觀點提出了挑戰。研究發表在 Neurology 上。

閱讀更多：

Gon?alves, Natalia Gomes, et al. “Association Between Consumption of Low- and No-Calorie Artificial Sweeteners and Cognitive Decline.” Neurology, vol. 105, no. 7, Oct. 2025, p. e214023. Hagerstown, MD, www.neurology.org, https://doi.org/10.1212/WNL.0000000000214023

高學歷無法為阿爾茨海默病患者提供長期保護，反而可能加速病程后期認知衰退

高等教育能否有效預防阿爾茨海默病？針對認知儲備假說中“高學歷者確診后衰退更快”這一爭議點，波士頓大學喬巴尼安和阿維迪西亞醫學院的Jinying Chen、Zachary T Popp等研究人員，通過一項覆蓋歐洲三國的研究發現，更高的教育水平與確診后更快的認知能力下降有關。

該研究分析了來自英國、德國和法國的1313名阿爾茨海-默病患者數據。研究團隊對他們進行了長達3年的跟蹤隨訪，并使用簡易精神狀態檢查表（Mini-Mental State Examination, MMSE，一種廣泛用于評估認知功能的工具）來量化認知水平的變化。研究結果清晰地表明，擁有12年及以上教育經歷的患者，其認知衰退速度顯著快于受教育年限較短的患者。數據顯示，高學歷組的MMSE分數每半年會比低學歷組額外多下降0.19分。這一發現為認知儲備（Cognitive Reserve，指大腦利用既有認知策略或代償機制來應對損傷的能力）假說提供了強有力的支持。它揭示了教育背景的雙重作用：一方面，教育能幫助大腦在更長時間內抵御和掩蓋病理變化，從而推遲了診斷時間；但另一方面，當大腦的代償能力達到極限后，疾病的進展會顯得更為迅速和劇烈。研究強調，對于受過良好教育的成年人，臨床醫生和家屬需對記憶、思維等方面的早期細微變化保持高度警惕，以便及早干預。研究發表在 Journal of Alzheimer's Disease 上。

閱讀更多：

Popp, Zachary T., et al. “Association between Education and Rate of Cognitive Decline among Individuals with Alzheimer’s Disease: A Multi-National European Observational Study.” Journal of Alzheimer’s Disease, June 2025. Sage UK: London, England, journals.sagepub.com, https://doi.org/10.1177/13872877251352216

虛擬現實導航測試可揭示阿爾茨海默病早期風險，比傳統檢測更靈敏

如何才能在出現明顯癥狀前發現阿爾茨海默病？針對傳統檢測方法不夠靈敏的問題，德國神經退行性疾病中心的Thomas Wolbers和Vladislava Segen等研究人員開發了一種新方法，他們利用虛擬現實技術測試空間導航能力，成功識別出了那些在標準測試中表現正常但具有高患病風險的個體。

該研究設計了一項獨特的虛擬現實（VR）實驗，讓102名老年參與者（包括一部分有主觀認知衰退（Subjective Cognitive Decline, SCD）的個體）在一個沒有任何視覺地標的虛擬世界中行走。任務要求參與者僅憑對自身運動的感知來記住并指回自己的出發點，這項能力被稱為路徑整合（path integration），它高度依賴于大腦內嗅皮層的功能，而該腦區是阿爾茨海默病最早侵襲的區域之一。結果顯示，盡管所有參與者在傳統認知問卷上的得分都正常，但SCD組在VR導航任務中的表現明顯比健康對照組更差。通過數學模型分析，研究團隊發現這種定位不準的核心原因是一種“記憶泄漏”（memory leak）——即大腦在持續更新位置信息時，對過往位置的記憶發生了快速衰退。這一發現表明，大腦中負責空間定位的網格細胞（grid cells）可能已出現早期功能障礙。這項基于VR的測試為發現臨床前期的阿爾茨海默病提供了一種極其靈敏的新工具，未來有望用于疾病的超早期診斷和新藥研發評估。研究發表在 Science Advances 上。

閱讀更多：

Popp, Zachary T., et al. “Association between Education and Rate of Cognitive Decline among Individuals with Alzheimer’s Disease: A Multi-National European Observational Study.” Journal of Alzheimer’s Disease, June 2025. Sage UK: London, England, journals.sagepub.com, https://doi.org/10.1177/13872877251352216

AI視覺工具SeeMe提前數天檢測到腦損傷患者的隱性意識

如何準確判斷看似昏迷的腦損傷患者是否仍有意識，是醫學界面臨的難題。石溪大學的Xi Cheng和Sima Mofakham等研究人員為此開發了一款名為SeeMe的計算機視覺工具，能夠捕捉人眼難以察覺的微小面部運動，從而在臨床醫生之前數天就檢測到患者隱藏的意識跡象。

?SeeMe 的研究設計和數據處理流程。Credit: Communications Medicine (2025).

許多急性腦損傷（acute brain injury）患者看似昏迷，實則可能處于有意識但無法做出明顯動作的隱性意識（covert consciousness）狀態。為解決這一診斷困境，研究團隊開發了SeeMe工具。該系統利用高分辨率攝像頭，以精確到約0.2毫米的分辨率追蹤患者面部毛孔的微小位移，以響應“睜開你的眼睛”等語音指令。

在一項針對37名昏迷患者的研究中，SeeMe的表現遠超傳統臨床檢查：它不僅在更多患者（85.7%對71.4%）中檢測到了遵從指令的睜眼動作，并且平均比臨床醫生早了4.1天。更重要的是，一個深度神經網絡分類器證實，這些睜眼動作與特定指令的匹配準確率高達81%，排除了隨機運動的可能，證明患者能夠理解指令。此外，SeeMe檢測到的微小運動的幅度和頻率與患者出院時的康復結果顯著相關。這項技術為客觀、早期評估患者意識提供了全新途徑，有望改善康復時機選擇和家庭溝通。研究發表在 Communications Medicine 上。

閱讀更多：

Cheng, Xi, et al. “Computer Vision Detects Covert Voluntary Facial Movements in Unresponsive Brain Injury Patients.” Communications Medicine, vol. 5, no. 1, Aug. 2025, p. 361. www.nature.com, https://doi.org/10.1038/s43856-025-01042-y

AI 行業動態

OpenAI發布企業AI領導力指南：五大原則助企業搶占先機

OpenAI近日發布了一份題為《在AI時代保持領先：領導力指南》的重要報告，旨在幫助企業應對生成式AI快速發展帶來的挑戰與機遇。該報告基于OpenAI與多家國際知名企業的合作經驗，包括制藥巨頭Moderna、化妝品公司雅詩蘭黛（Estée Lauder）、協作工具Notion以及西班牙跨國銀行BBVA。報告指出，AI技術的發展速度遠超企業適應能力，早期采用AI的企業收入增速比同行快1.5倍，但許多公司仍面臨規劃落地的困難。

報告提出了五項核心原則：協調戰略、激活應用、擴大培訓、加速實驗和治理風險。OpenAI強調，企業領導者需明確AI戰略與關鍵績效指標（KPI）掛鉤，并通過高管示范和員工培訓推動文化變革。例如，Moderna的CEO要求員工每日使用ChatGPT 20次，以強化AI在運營中的核心地位；圣安東尼奧馬刺隊通過融入日常的培訓，將AI使用熟練度從14%提升至85%。此外，報告建議企業建立“AI冠軍”網絡和集中式知識庫，以促進經驗分享和創新規模化。

OpenAI警告，快速應用AI需平衡治理風險，建議企業制定輕量級安全措施和跨部門監管機制。隨著全球AI監管趨嚴（如歐盟《人工智能法案》），構建靈活且負責任的AI框架將成為企業持續領先的關鍵。該報告將AI視為組織全面變革的基石，而非輔助工具，為企業提供了從戰略到落地的系統性指南。

閱讀更多：

https://cdn.openai.com/pdf/ae250928-4029-4f26-9e23-afac1fcee14c/staying-ahead-in-the-age-of-ai.pdf

蘋果自研AI搜索引擎WKA，聯合谷歌挑戰ChatGPT與Perplexity

蘋果公司正積極布局人工智能搜索領域，計劃于2026年春季推出代號為“世界知識問答”（World Knowledge Answers，簡稱WKA）的AI搜索引擎。該系統將集成至Siri語音助手、Safari瀏覽器及Spotlight搜索中，支持用戶通過自然語言提問并獲取全網信息的AI摘要答案，直接對標ChatGPT和Perplexity等現有產品。盡管蘋果選擇自主研發核心功能，但仍傾向于與谷歌合作，利用其AI模型為Siri提供部分技術支持，延續雙方在搜索領域的長期合作關系。

為推進這一戰略，蘋果調動了多個內部團隊協同作戰，包括由John Giannandrea領導的AI部門、Eddy Cue負責的服務部門以及Siri原團隊，并邀請Vision Pro負責人Mike Rockwell和前Siri高管Robby Walker等關鍵人物參與。然而，蘋果也面臨嚴峻的人才挑戰。近數月來，已有10名AI研究人員離職，其中多人加入Meta、OpenAI和Anthropic等競爭對手，例如基礎模型團隊負責人龐若鳴（Ruo Ming Pang）及多名核心成員相繼轉投其他科技巨頭。

盡管市場對蘋果的AI布局反應積極——消息曝光當日股價上漲3.8%，顯示出投資者對蘋果反擊AI落后態勢的期待，但人才流失問題仍是其必須應對的隱憂。蘋果未來可能通過收購補充人才資源，此前曾評估但未收購Perplexity，也反映出其戰略重心在于自主可控與技術整合的雙軌并行。

閱讀更多：

https://www.bloomberg.com/news/articles/2025-09-03/apple-plans-ai-search-engine-for-siri-to-rival-openai-google-siri-talks-advance

AI 驅動科學

機器人“單次學習”即掌握全身協同搬運

如何讓機器人像人類一樣靈巧地搬運笨重物體？針對這一長期挑戰，豐田研究所的Jose A. Barreiros、Alex Alspach等研究人員，通過為機器人配備柔軟的身體和高效的學習算法，成功讓名為Punyo的機器人僅需一次演示就能學會用全身協同搬運大件物品。

?圖片顯示（A）用于柔順性實驗的剛性充氣室替代物和爪子。（B）剛性充氣室替代物的特寫照片，顯示與軟質充氣室相比，為了避免因自碰撞而減小運動范圍而添加的切口。Credit: Science Robotics (2025).

研究的核心是一款名為Punyo的人形機器人，它擁有獨特的、可變形的壓力感應皮膚。研究團隊采用了一種名為示例引導強化學習的創新訓練方法。他們首先在虛擬環境中向機器人演示一次如何搬運重物，例如將一個大水壺扛到肩上。隨后，機器人便在模擬環境中自主練習，直至掌握要領。得益于這種高效的學習機制和機器人的物理特性，學成的策略能無縫遷移到現實世界。實驗中最關鍵的發現是身體柔順性的作用。研究表明，柔軟的機身（被動柔順性，passive compliance）和靈活的關節（主動柔順性，active compliance）對于成功至關重要。與剛性機器人相比，具備柔順性的Punyo在執行任務時的成功率平均提高了驚人的206%。更值得一提的是，Punyo在執行任務時無需依賴外部攝像頭，僅憑自身的觸覺和關節位置反饋就能完成復雜的“盲操”動作。研究發表在 Science Robotics 上。

閱讀更多：

Barreiros, Jose A., et al. “Learning Contact-Rich Whole-Body Manipulation with Example-Guided Reinforcement Learning.” Science Robotics, Aug. 2025. world, www.science.org, https://doi.org/10.1126/scirobotics.ads6790

AI醫療的"完美病人"陷阱：技術如何邊緣化弱勢群體

AI醫療系統是否在無形中排除了最需要幫助的患者？佐治亞理工學院的Catherine Wieczorek和Shaowen Bardzell團隊研究發現，當前AI醫療技術基于"富裕、健全、精通技術"的理想患者形象設計，可能導致慢性病患者、殘障人士等弱勢群體被系統性地忽視。這項批判性研究揭示了技術設計中隱含的社會偏見和權力關系。

研究團隊采用社會學家Ruth Levitas的"烏托邦方法論"框架，系統分析了21種AI醫療產品(包括生育應用fertility apps、可穿戴設備wearable devices等)。研究發現這些系統塑造了四種主導敘事：將全天候監控美化為"永不停歇的關懷"；用技術效率取代人文關懷；將健康完全歸因于個人行為；以及將醫療目標從治療轉向性能增強。更值得警惕的是，AI系統如IVF助手Chloe被擬人化(personification)，從工具轉變為實際決策者，模糊了醫療責任邊界。這些設計隱含的"完美病人"標準，實際上將約40%有復雜醫療需求的患者邊緣化。研究呼吁開發過程需要納入多元患者參與，建立更包容的AI醫療倫理框架。研究發表在 Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems 上。

閱讀更多：

Wieczorek, Catherine, et al. “Architecting Utopias: How AI in Healthcare Envisions Societal Ideals and Human Flourishing.” Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems [New York, NY, USA], CHI ’25, 2025, https://doi.org/10.1145/3706598.3713118

清華北航聯合研發類腦空間認知框架，讓機器人擁有"空間感"

如何讓機器人像人類一樣理解和記憶空間？清華大學與北京航空航天大學的Shouwei Ruan, Liyuan Wang等研究人員開發出BSC-Nav框架，通過模仿生物大腦的空間認知機制，賦予機器人強大的空間記憶和推理能力，使其能夠完成復雜導航和操作任務。

研究團隊從神經科學獲取靈感，構建了包含地標記憶（記錄環境顯著物體）、認知地圖（構建全局空間表征）和工作記憶（任務相關記憶檢索）三大模塊的BSC-Nav系統。該系統采用意外驅動（surprise-driven）更新策略，僅在觀測到顯著新信息時更新記憶，大幅提升效率。在仿真測試中，BSC-Nav在四大導航任務上全面超越現有方法，其中物體導航（Object Goal Navigation）任務成功率高達78.5%，比之前最佳方法提升24個百分點。更令人印象深刻的是，搭載該系統的機器人能理解并執行多步驟長指令（如穿過玻璃門，走到冰箱那右轉停在樓梯口），在真實環境測試中實現80%以上的導航成功率，并能完成制作早餐等復雜操作任務。研究展示了類腦啟發方法在提升機器人空間智能方面的巨大潛力。

閱讀更多：

Ruan, Shouwei, et al. “From Reactive to Cognitive: Brain-Inspired Spatial Intelligence for Embodied Agents.” arXiv:2508.17198, arXiv, 24 Aug. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2508.17198

AI模擬體育數據：為足球分析研究開辟新途徑

職業體育的專有數據壁壘如何打破？滑鐵盧大學David Radke（現任職NHL芝加哥黑鷹隊）和Kyle Tilbury團隊開發了一種創新方案：通過人工智能模擬生成足球比賽的高精度追蹤數據，為無法獲取職業聯賽數據的研究者提供替代資源。

研究團隊利用Google Research Football（GRF）強化學習環境，模擬了3000場足球比賽，生成包含球員位置、傳球和進球的完整追蹤數據。這些數據采用與真實比賽相同的存儲架構，并支持提取事件切片（event segments）等高階特征。為驗證實用性，團隊在模擬數據上測試了預期進球（xG，通過歷史數據預測射門得分概率的模型）和球場控制（pitch control，量化空間主導權的動態評估）兩種經典模型，結果與真實數據應用效果一致。該數據集首次為學術界提供了研究足球等連續入侵性運動（invasion-game sports）的開放資源，同時成為多智能體系統（multiagent systems）研究的測試平臺，例如分析球員協同防守的決策邏輯。研究團隊公開了所有數據和代碼，推動體育分析從小眾領域邁向普惠研究。

閱讀更多：

Radke, David, and Kyle Tilbury. “Simulating Tracking Data to Advance Sports Analytics Research.” arXiv:2503.19809, arXiv, 25 Mar. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2503.19809

物理AI融合視覺與觸覺，實現類人精準操控

當前機器人僅靠“看”難以完成精細操作，例如區分魔術貼的正反面。來自東北大學、香港科技園變革服裝生產中心和香港大學的Ningquan Gu, Kazuhiro Kosuge, Mitsuhiro Hayashibe等人，開發了一套名為TactileAloha的物理AI系統，它首次成功地融合了視覺與高分辨率觸覺，讓機器人能像人一樣感知和操控物體。

?根據攝像頭信息，機械臂抓住魔術貼的兩端（A.1、B.1）。利用觸覺信息，機械臂感知魔術貼的方向，并調整姿勢和角度，使鉤面與環面對齊（A.2、B.2）。魔術貼固定后，右臂按壓魔術貼以確保牢固連接（A.3、B.3）。系統會自動生成不同的魔術貼操作動作，以適應不同的情況。Credit: Tohoku University

研究團隊在開源的ALOHA機器人平臺上，為機械臂加裝了GelSight觸覺傳感器，構建了全新的TactileAloha系統。該系統能夠同時捕捉物體的視覺圖像和精細的表面紋理。研究人員利用一個基于Transformer的策略模型，將視覺、觸覺以及機器人自身的關節位置信息進行融合，從而預測并生成精準的操控動作。為了驗證系統性能，團隊設計了粘貼魔術貼和插入扎帶這兩項極度依賴觸覺反饋的任務。實驗結果表明，TactileAloha能夠根據實時感知到的紋理信息，自適應地調整操作策略，成功完成了純視覺機器人無法勝任的任務。與現有其他先進的觸覺機器人相比，其任務成功率平均相對提升了約11.0%。這一突破展示了多模態物理AI（multimodal physical AI）的巨大潛力，使機器人向實現人類般的靈巧操作邁出了關鍵一步。研究發表在 IEEE Robotics and Automation Letters 上。

閱讀更多：

Gu, Ningquan, et al. “TactileAloha: Learning Bimanual Manipulation With Tactile Sensing.” IEEE Robotics and Automation Letters, vol. 10, no. 8, Aug. 2025, pp. 8348–55. IEEE Xplore, https://doi.org/10.1109/LRA.2025.3585396

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。