（文章來源：望潮科技）

麻省理工學院研究人員設計出了一種新的應用程序，可以提供自動追蹤聯系人，該程序可以利用每個人移動設備發出的藍牙信號，將聯系人與隨機字符串綁定在一起。

該系統的工作原理是讓每個移動設備不斷發送隨機的數字字符串，這些數字是通過藍牙發送的。假設有人被確診，可以通過其手機所接受到的字符串以追蹤與其有過密切接觸的人，其他人則可以通過掃描來查看他們的手機是否在這段時間內收到過這些數字字符串。

MIT的系統解決了最棘手的隱私相關問題，它根本不使用任何地理位置信息，也不使用任何診斷信息或與特定個人關聯的其他信息。目前該MIT研究團隊負責人表示，麻省總醫院全球衛生中心，CSAIL，MIT林肯實驗室，波士頓大學，布朗大學，MIT媒體實驗室，魏茲曼科學研究所和SRI International都已經加入了該項目的研究當中。

近期賓夕法尼亞大學的研究人員受折紙藝術啟發，創造出一種靈活的“軟”彈簧折紙機器人，該機器人的名字叫REBO，通過折紙波紋管圖案的幾何設計實現了彈性軸向順應性，從而降低材料重量并減少能量損失。

EBO的機器人平臺由四部分組成：(a)三個雙層REBO致動器 (b)直流電機模塊和3D打印的滑輪系統(c)力傳感器系統 (d)集成感測和控制的微處理器。三個REBO致動器被安裝在頂部和底部的丙烯酸板之間并固定。鋼筋束穿過致動器的結構通孔，一端固定在頂板上，另一端固定在安裝在電動機上的皮帶輪上。旋轉電動機使致動器壓縮或伸長，致動器線性運動的速度限制由電動機確定。將力傳感器放置在頂板（球拍）上，以檢測小球何時與頂板接觸。

輕巧的可變形REBO結構具有可控制剛度的彈性，在數千次擊球的過程中反復進行疲勞損失極少，這證明了高度可重復的漸近循環系統的穩定性。此外，由于REBO的剛度僅通過改變幾何參數就可以改變一個數量級，因此盡管在所有不同的設計中都依賴單一的整體材料，也可以調整機械輸出功率以適應各種應用。

研究團隊將REBO的雜耍過程分為“飛行”和“命中”。在“飛行”模式下，發射的小球可以看作是無損失的衡重力狀態。球發射后，REBO迅速重置回到其預壓縮位置。當小球觸發了球拍上的力傳感器，系統進入“擊打”模式時，球沿著壓縮彈簧REBO，整個系統可以看作是彈簧上的質量。除了擊打小球外，REBO還可以倒置過來，搖身一變成為彈跳機器人。

谷歌于4月10日宣布發布Free Universal Sound Separation數據集（簡稱 FUSS），旨在支持AI模型的開發。該研究描述了兩種機器學習模型，它們共同降低了多揚聲器的語音識別詞錯誤率（WER）信號。

據悉，大多數聲音分離模型都假設混合物中的聲音數量是靜態的，并且它們會分離少量聲音類型的混合物（例如語音與非語音）或相同聲音類型的不同實例（例如第一說話者與第二說話者）。FUSS數據集將重點轉移到更廣泛的問題上，即將可變數量的任意聲音彼此分離。為此，FUSS數據集包括各種聲音，逼真的房間模擬器以及將這些元素混合在一起的代碼，以提供具有真實性的多源，多類音頻。
（責任編輯：fqj）