NASA 向 HEBI Robotics 授予了新一轮小企业创新研究(SBIR)资助,以 II 期拨款的形式为其提供支持,用于开发和测试能够在太空恶劣环境中运行的物理驱动硬件组件。
这是一项为期两年、金额达 85 万美元的项目,是 NASA 持续投资 HEBI Robotics 开发模块化太空驱动硬件的延续。
此次项目涵盖的内容包括:与 HEBI Robotics 生态系统及其他第三方系统兼容的控制电子设备(即航电系统),旨在加速开发适用于地球轨道环境(包括近地轨道和地球同步轨道)的飞行级一体化驱动技术。
太空环境面临极端挑战,包括电离辐射,以及真空状态下传统齿轮润滑剂会挥发逸散的问题,使得这一研发任务显得尤为重要。机器人驱动系统与机械臂等设备,对于完成在轨服务、装配和维护(ISAM)等任务不可或缺。
HEBI Robotics 硬件总监 Andrew Willig 表示:"HEBI 的长期使命是让任何工程师都能在无需多年专业经验或培训的情况下,轻松构建稳健的专业级机器人系统。开发能够承受太空恶劣环境的驱动技术,将进一步拓展 HEBI 的模块化硬件平台,拓宽其应用领域。这将使复杂太空机器人系统的敏捷化生产成为可能,而在过去,这类工作往往需要耗费数年时间和数百万美元的投入。"
HEBI Robotics 此前已在 NASA I 期 SBIR 合同中取得成果,完成了太空应用执行器的初步研究与测试。
SBIR 项目是政府机构丰富技术储备的重要途径,同时也为员工人数少于 500 人的美国企业提供支持。II 期 SBIR 项目仅在 I 期成果展现出良好技术表现且商业化前景较高的情况下才会获批。
NASA 对太空级驱动硬件的需求涵盖广泛应用场景,包括用于部署设备和太阳能电池板的机械臂,以及太空建造任务等。老化卫星的在轨维护,以及在月球和火星上建造新型结构,已成为各国普遍关注的重要议题。HEBI Robotics 正致力于提供可靠的太空驱动能力,为上述未来任务提供支撑。
此次 SBIR 项目的意义超出其直接研究范围,还将推动 NASA ARMADAS 技术的持续发展——这是 NASA 与 HEBI Robotics 的联合项目,专注于开发可自主组装的建造材料,用于构建栖居结构、大型天线阵列和太空港等基础设施。
在地面应用层面,HEBI 的新技术同样具有重要价值。抗辐射驱动器在核能领域的检测与维护中需求日益增加,涉及陆基和海基反应堆等核设施的检查和维护工作。
Q&A
Q1:HEBI Robotics 获得的 NASA SBIR II 期资助用于什么项目?
A:NASA 向 HEBI Robotics 提供了一项为期两年、金额达 85 万美元的 SBIR II 期资助,用于开发和测试适用于太空恶劣环境的模块化驱动硬件。项目内容包括与 HEBI 生态系统及第三方系统兼容的航电控制设备,目标是加速开发适用于近地轨道和地球同步轨道的飞行级一体化驱动技术。
Q2:太空机器人驱动硬件研发面临哪些主要挑战?
A:太空环境对驱动硬件构成严峻挑战,主要包括两方面:一是电离辐射会对电子设备造成损害;二是在真空环境下,传统齿轮润滑剂会发生挥发逸散,导致设备失效。此外,在轨服务、装配和维护任务对设备的可靠性要求极高,这使得研发能在太空稳定运行的驱动系统成为关键技术挑战。
Q3:HEBI Robotics 的太空驱动技术在地面有哪些应用价值?
A:除太空应用外,HEBI Robotics 研发的抗辐射驱动技术在地面同样具有重要应用前景,尤其是核能领域。随着核设施检查与维护需求的增加,无论是陆基还是海基反应堆,对抗辐射驱动器的需求都在持续上升,HEBI 的技术有望在该领域发挥重要作用。
好文章,需要你的鼓励
本田汽车因电动车战略失败,创下上市以来最大亏损,电动车相关损失高达1.45万亿日元(约92亿美元)。本田CEO宣布全面调整战略:放弃2040年淘汰燃油车计划,转而推进混动路线,计划到2028年推出两款新混动车型原型,并在本十年末全球发布15款新混动车型。与此同时,本田将暂停150亿美元的加拿大电动车工厂建设,并将俄亥俄州电动车产线改为混动和燃油车生产。
中山大学等机构发现,多模态AI在同一道物理题因表达形式改变时推理能力明显下滑,视觉数值与物理实体的绑定是最核心瓶颈,且遮黑训练图片同样能提升测试成绩。
IEEE信号处理学会与《IEEE信号处理精选主题期刊》联合发布专题征稿,聚焦"网络化AI"领域。该研究方向旨在让机器人和AI系统摆脱孤立运行模式,通过互联网络实现集体学习、实时协同优化。研究涵盖多智能体机器人、分布式AI、边缘智能、自动驾驶等方向,探索系统在无需人工干预的条件下自主进化的可能性。论文征集截止日期为2026年6月15日,成果将于2027年1月发布。
这项由纽约大学与弗拉托恩研究所开展的研究证明,允许可学习嵌入时,Transformer只需对数维度就能存储大量事实,MLP充当通用关系选择器而非知识查找表,思维链可绕开多跳推理的容量瓶颈。