找到 13 筆
Omen AI 以 1600 萬美元現金加股票收購競爭對手 Aquatic Labs，把水中元素檢測與鹼度檢測整合進同一款即時水質感測器。Omen 2024 年成立，今年 6 月剛完成 3100 萬美元 A 輪融資；Aquatic Labs 創始人、MIT 物理學家 Allan Adams 將出任首席科學官。合併後的感測器預計明年初上市，年底前用於監測 250 至 300 MW 晶片的冷卻系統，目標 2027 年底覆蓋等效 1 GW。
Electric Plant 訓練出大語言模型 Bombadil，能解讀約 125 種植物的電訊號，並完成 1120 萬美元種子輪融資，由 Onto Ventures 和 Climactic 領投。感測器用不鏽鋼螺絲插入樹皮下的形成層，採集微伏級電變化，經低功耗無線網路傳至基站，再由雲端模型解讀後回傳，用於調整澆水與施肥。單套感測器成本僅數十美元，遠低於現有數千美元裝置，每英畝只需兩三個；公司稱可提升產量並把用水減少 20% 以上。
10 月 13 日，深圳視塔機器人完成天使輪融資，投資方包括華為旗下哈勃投資、深高新投旗下基金與高軒投資。公司由 1998 年出生的張偉創辦，團隊約 50 人、平均年齡約 23 歲，核心方案是把膽甾相液晶彈性體等柔性光子晶體與柔性 TFT 感光陣列結合，做成厚度小於 1 毫米、感知密度超 10,000 點/cm²的電子皮膚，量產感測器經 100 萬次測試誤差率均小於 5%。其自研的“外掛觸覺小腦”可與 VLA 等上層模型協同，在擦黑板、插孔等內部測試中任務成功率最高提升近 100%。
Meta 為 Muse 推出開源硬體專案 Muse Gadgets，提供 ESP32 Device SDK 與 Linux Device SDK，可讓自建裝置接入 Muse 的顯示、按鈕、感測器與執行器。SDK 與韌體以 Apache 2.0 許可開源，官方同時列出樹莓派 5、Waveshare ESP32-S3、M5Stack StickS3 等範例專案，並預告 Muse on your TV 即將推出。
OpenAI 開發者帳號展示了一個溫室通風原型，它用 SwitchBot 溫度計採集溫度資料來驅動通風。帖子只給出這一句說明，未披露所用模型、程式碼、硬體接線方式或實際執行效果。對打算用現成消費級感測器搭建自動化的人來說，可以把它看作一個最小範例，後續細節仍待公布。
Meta 開源了讓使用者自製 Muse AI 硬體裝置的程式碼，Muse 是其新的 AI agent。官方建議的玩法包括把 Muse 裝到彩色 E Ink 屏上顯示提醒、裝到 HDMI 棒上投到大屏，或裝到小觸控式螢幕裝置上做成類似 DIY Muse Charm 的形態。使用者可用現成 ESP32 板或 Raspberry Pi 配合官方 SDK，連線顯示屏、按鈕、感測器、執行器等外設。
Eka Robotics 完成 1.5 億美元 A 輪融資，由 a16z 與 F-Prime 領投，投後估值 14.5 億美元。其核心技術是視覺-力覺-動作模型（區別於視覺-語言-動作模型），配合力感測器更多的柔性機械手，每小時可抓取約 1500 個 1 公斤以內的物體（人類約 600 個），成功率超過 95%，能捏起覆盆子而不壓碎。
Meta 於 10 月 3 日推出開源專案 Muse Gadgets，提供開源韌體與 Linux SDK，讓開發者用 Raspberry Pi、ESP32 等低成本硬體連線其個人 AI 代理 Muse，可接顯示器、按鈕、感測器等。官方範例包括給 Muse 加彩色電子墨水屏，或做成插入電視 HDMI 口的棒狀裝置，並開設 Discord 頻道支援。Meta 還自製了 USB-C 供電的 Muse Home Link，量產 5000 臺，向 Muse 訂閱者免費贈送，數週後發貨。
SETI 研究所與 Breakthrough Listen 將 agentic AI 引入艾倫望遠鏡陣列的日常搜尋，研究人員只需說一句自然語言，就能讓 agent 操控天線、校準裝置、糾正資料錯誤並繪圖。基於 NVIDIA Holoscan 的 DAQIRI 把每秒 2.4 Tb 的感測器資料直接送入 GPU 記憶體即時處理，再由 Nexus 統一編排儀器狀態與計算資源。該系統已在蟹狀星雲完成首次即時 AI 脈衝星探測；
由德州農工大學、Google DeepMind、CMU 等 15 家機構聯合發布的 TouchScale 資料集公開，500 小時人類第一視角視覺-觸覺資料由同一套穿戴裝置採集，雙手各含 880 個觸覺感測器單元。僅用這批資料做 mid-training，xArm6 機械臂加 BrainCo Revo 2 靈巧手在四項接觸密集型任務上的平均成功率從 22.5% 升到 57.5%；
斯坦福、CMU、MIT 等機構的研究者發布機器人評測基準 LIBERO-MAX，專門檢驗機器人在任務執行途中遭遇環境變化後能否繼續完成，論文入選 NeurIPS'26 Robotics World Modeling Workshop 口頭報告。它用共享初始狀態、指令與隨機種子的配對執行，建置 8,000 組案例和 8 類中途變化，涵蓋目標移動、容器移動、相機視角改變、感測器噪聲等；
人大高瓴 GeWu-Lab、智源研究院等提出 ROMA 系統，讓多感測器機器人主動與物體互動來補全物理理解，其 ROMA-7B 模型在 ROMA Bench 的 2100 道題上取得 72.9% 成功率，整體與 GPT-6 Astra 持平，並超過 GPT-5.4 與 Gemini 3.5 Flash。該工作同時開源了覆蓋近 2000 個真實物體、視聽觸力四模態同步採集的互動資料集 ROMI-2K，以及包含單鏈、多鏈和意圖驅動三類任務的評測基準。
ROME 攻擊通過惡意 Python 模組直接在 GPU 記憶體中改寫模型權重，使同一檢查點對同一問題給出語義不同的答案，磁碟檔案卻沒有任何變化。傳統 EDR/ADR 只監控檔案、程序和網路，因而看不到這類僅由額外 CUDA 核心啟動完成的篡改。Stealthium 的執行時感測器把每次 CUDA 核心啟動關聯回發起它的 Python 程式碼，並結合權重變化與呼叫棧進行檢測；其實驗室復現顯示，攻擊表現為標準推理加一批額外 CUDA 啟動。