Science Advances | 一种材料造出整只大象机器人:晶格几何编程实现从柔软到刚硬的

Science Advances | 一种材料造出整只大象机器人:晶格几何编程实现从柔软到刚硬的

论文信息

英文题目:Lattice structure musculoskeletal robots: Harnessing programmable geometric topology and anisotropy

中文题目: 晶格结构肌肉骨骼机器人:利用可编程几何拓扑和各向异性

作者:Qinghua Guan, Benhui Dai, Hung Hon Cheng, Josie Hughes

作者单位: 瑞士洛桑联邦理工学院(EPFL)

期刊:Science Advances(IF 13.6 中科院一区,JCR一区)

发表时间:2025年7月16日

链接:https://www.science.org/doi/10.1126/sciadv.adu9856

引文格式:Guan Q, Dai B, Cheng H H, et al. Lattice structure musculoskeletal robots: Harnessing programmable geometric topology and anisotropy[J]. Science Advances, 2025, 11(28): eadu9856.

01 全文速览

自然界中,从柔软的大象鼻子到承重的骨骼,生物体通过巧妙组合不同力学特性的组织实现了丰富的运动功能。而今天的机器人,要么是硬质骨架+软体关节的多材料拼凑,要么只能在有限范围内调节刚度。

EPFL的Josie Hughes团队提出了一种全新的设计范式:仅用单一材料,通过编程晶格结构的几何拓扑,实现从柔软到刚硬的连续力学性能调控。他们开发了两种几何编程方法——拓扑调控(TR) 和叠加编程(SP),前者实现不同晶格类型之间的连续过渡,后者通过叠加不同方向或平移的晶格单元产生离散但可大范围调节的刚度和各向异性。两种方法组合,可生成超过100万种不同的晶格单元,杨氏模量覆盖20~280 kPa的范围。

图1 展示了大象的生物结构(A)与本文仿生机器人(B、C)的对比。大象拥有柔软的鼻子和刚硬的腿,本文用单一材料通过晶格结构编程实现了这两种截然不同的力学特性。

Read more

当AI把用户数据当“食材“:初级开发者如何成为创意“主厨“

当AI把用户数据当“食材“:初级开发者如何成为创意“主厨“

前言:哈喽,大家好,今天给大家分享一篇文章!并提供具体代码帮助大家深入理解,彻底掌握!创作不易,如果能帮助到大家或者给大家一些灵感和启发,欢迎收藏+关注哦 💕 目录 * 当AI把用户数据当"食材":初级开发者如何成为创意"主厨" * 📚 一、AI的"标准化厨房"如何运作 * 📘1. 数据食材的预处理 * 📘2. 模式识别的"味觉分析" * 📚 二、人类创意的"主厨艺术" * 📘1. 创意烹饪的本质差异 * 📘2. 案例品鉴:推荐系统的美食版 * 📚 三、从切菜工到主厨的升级之路 * 📘1. 创意厨艺训练计划 * 📘2. 主厨工具包 * 📚 四、人机协作的创意厨房

国内对标 NotebookLM 的 AI 文档/知识管理工具

国内目前有不少对标 NotebookLM 的 AI 文档/知识管理工具,核心能力都覆盖文档上传、多源资料整合、AI 问答、总结提炼、生成报告/PPT,下面按“最贴近、最常用、企业级”给你整理一份清单(2026 年 2 月最新): 一、最贴近 NotebookLM 体验(个人/轻量) 1. 秘塔专题(Metaso) * 核心定位:AI 学习/研究助手,主打“专题知识库 + 精准问答 + 一键生成 PPT/音频” * 支持:PDF/Word/PPT/音视频/网页链接,自动建库、跨文档问答、降低幻觉

小龙虾 OpenClaw 安装教程:从零到能干的 AI 助手

一、OpenClaw 是什么? OpenClaw(社区俗称「小龙虾」)是一款可本地/自建的开源 AI 助手,特点是「能干活」:除对话外,支持浏览器自动化、桌面控制、向量记忆、定时任务等,并可通过 Gateway 接入微信、飞书、Telegram、Discord 等渠道。技术栈以 Node.js 为核心,适合作为「AI + 自动化 + 多端接入」的练手或生产项目。 本文以学习 + AI + 前端为场景,手把手带你完成安装与第一次配置。 二、安装前准备 2.1 系统与硬件 * 系统:Windows 10/11、macOS 12+(推荐 14+

AI辅助开发新体验:让快马平台的Kimi模型帮你智能生成17·c13视频草案

最近在做一个视频内容相关的项目,需要快速生成符合特定格式(比如17·c13草案)的视频脚本。手动分析文案、构思镜头、搭配音乐,效率实在太低,而且容易灵感枯竭。于是,我尝试用AI来辅助这个开发过程,目标是打造一个“智能视频草案分析助手”。这个应用的核心是:用户给一段文案或视频链接,AI能自动分析,并结构化地输出包括段落划分、关键词、镜头建议、音乐风格在内的完整草案,并且用户还能和AI互动,让它越改越好。 整个实现过程,可以拆解成几个关键环节,下面我结合自己的实践,详细聊聊每个部分是怎么思考和落地的。 1. 明确需求与交互设计 首先得想清楚这个助手要干什么。核心功能很明确:输入(文案/链接) -> AI分析 -> 结构化输出 -> 用户交互反馈 -> AI优化。交互设计上,我决定采用一个清晰的左右或上下分栏布局。左侧是用户的输入区和最终可编辑的草案展示区;右侧则专门用来高亮显示AI生成的所有建议内容,