它们令人印象深刻。其目标也是如此——清理世界水域中的垃圾。2019年,据估计海洋中有5.25万亿件塑料垃圾,重量超过26.8万吨(https://ieeeoes.org/oes-beacon/june-2019-beacon/plastics-a-threat-to-our-oceans/)。但如今,塑料并非堵塞海洋和河流的唯一物质。考虑到所有物质的话,近期的预测表明,海洋中漂浮的垃圾可能超过171万亿件。

海洋中的小垃圾碎片可能会被海洋动物吞食。如果它们留在动物体内,就可能成为感染源,或者随着小动物被大动物吞食而在食物链中进一步传播。较大的海洋垃圾碎片可能会影响航运——每年大约有1万个海运集装箱坠入大海。
机器人可以帮助识别这些垃圾,甚至将其从海洋中清除,但机器人也有局限性。
河流巡查
垃圾清理水上机器人(aquabots)的部署受到限制,主要是由于缺乏资金,但有几个著名的例子。首先是水母机器人(Jellyfishbot),IEEE Spectrum刊物中称其为“河流版的Roomba”。一些地方政府,如加利福尼亚州的长滩,就在使用它们。
另一个例子是由荷兰非营利组织The Ocean Cleanup开发的河流拦截器。它固定在河流之中。当垃圾顺流而下时,会沿着一个漂浮的围栅被引导至这个太阳能驱动机器人的“嘴”部,然后通过传送带从水中被清除。
这两种机器人有一些区别。水母机器人相对较小,能放进汽车后备箱,并且是遥控的。而河流拦截器则大得多,其长度和宽度大约是标准海运集装箱的两倍。
这些机器人在清理河流垃圾方面发挥了重要作用,因为大部分海洋垃圾是通过河流流入海洋的。
一项快速发展的技术
水上机器人(aquabots)的开发也面临一些挑战。一方面,并非所有垃圾都漂浮在水面上。有些沉到水底,有些则在水面下漂浮。而在水面作业的机器人无法触及它们。
另一个挑战是:水下的能见度可能有限。在水面下作业的机器人可能难以识别海洋垃圾。因此,大多数水下垃圾清理机器人的原型都依赖人类操作员来识别垃圾。然而,目前针对基于人工智能(AI)的自动垃圾识别方法有大量的研究。IEEE Access上的这篇文章对该领域的研究进行了综述,并展示了一种提高准确性的新方法。
IEEE高级会员王刚表示:“大多数海洋垃圾机器人项目都是试点项目。我们需要梳理海洋垃圾的一些核心问题,以解决大规模清理的难题。大多数项目针对的是水面垃圾,而这只是垃圾的一部分。大多数垃圾可能在水下,比如渔网。
我们需要水上机器人(Aquabots)来清洁海洋吗?
海洋中的人造垃圾数量惊人。一些估计表明,到2040年垃圾量可能会翻两番。
IEEE会员Paulo Drews指出,机器人造价昂贵。它们需要维护,还需要操作员。而且它们也需要有地方存放垃圾。
Drews说:“使用水上机器人处理垃圾是社会的一个重要发展方向。不过,随着这项技术的发展,仍有复杂的成本问题需要考虑。机器人可以提供帮助,但人类需要尽快减少水体中的垃圾量。”
好文章,需要你的鼓励
日立公司在CES 2026技术展上宣布了重新定义人工智能未来的"里程碑式"战略,将AI直接应用于关键物理基础设施。该公司与英伟达、谷歌云建立重要合作伙伴关系,并扩展其数字资产管理平台HMAX,旨在将AI引入社会基础设施,变革能源、交通和工业基础设施领域。日立强调其独特地位,能够将AI集成到直接影响社会的系统中,解决可持续发展、安全和效率方面的紧迫挑战。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
科技行业女性从业者比例从2015年的16%增至2025年的22%,进步缓慢。尽管各种倡议不断推进,但多元化员工仍面临离职率高、薪酬差距和发展机会不足等问题。2025年经济不确定性导致企业削减多元化项目,美国政策变化也产生连锁反应。随着AI技术快速发展,缺乏多元化团队将导致技术偏见,影响产品质量和市场表现。2026年将成为科技行业多元化发展的关键节点。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。