- 资讯公开站IEEE Spectrum Robotics
AI 时代重新思考机器人安全
Rethinking Robot Safety in the Age of AI
随着 AI 与机器人技术快速发展，现代机器人通过多模态传感器感知环境、用 AI 模型理解情境并转化为物理行动。传统安全评估关注故障时的安全性，而物理 AI 带来新问题：当攻击者篡改机器人所见、所听或决策依据时，即使没有明显故障，机器人是否仍能保持安全？文章指出，这种对数据完整性的依赖可能产生传统评估无法捕捉的风险。
意义：提醒开发者与AI行业：机器人安全评估需从传统故障安全扩展到对抗性数据攻击与物理AI的决策完整性。
- 论文公开站arXiv
老年人下肢骨折或髋关节置换术后功能恢复与社会隔离的多结局预测
Predicting Multiple Clinical Outcomes Related to Functional Recovery and Social Isolation Among Older Adults After Lower-Limb Fracture or Hip Replacement
摘要显示，该研究利用MAISON-LLF数据集，包含18名社区老年人的多模态传感器和临床评估数据，监测长达8周。提取46个日度特征，每两周评估5项临床结局。采用多输出回归算法联合预测临床评分，结果显示联合预测优于单独预测，其中NODE模型表现最佳（MSE=3.96，MAE=1.02）。SHAP分析强调了多模态传感器的重要性。
意义：对开发者而言，该研究展示了多模态传感器数据在多输出回归中的潜力，可启发健康监测AI模型设计，提升对老年康复过程的综合评估能力。