将来の産業用ロボットは「金属を食べて」自ら動力を得るようになるのでしょうか?

将来の産業用ロボットは「金属を食べて」自ら動力を得るようになるのでしょうか?

このタイトルで説明されているのは、SF映画の架空の筋書きではなく、現実のことです。ペンシルバニア大学の研究者たちは、ロボットに金属を食べさせながら、IoT電子機器やロボットに電力を供給することで、エネルギーを節約できることを発見しました。

[[325488]]

製造業は根本的な変革を遂げつつあると言う人もいます。ここで、ロボットは将来の工場において重要な要素となるでしょう。これらの機械は、人間の脳を模倣した人工知能を使用して動作し、製造プロセスだけでなく、サプライチェーンの物流、計画など、これまで人間が行っていたその他の役割も処理します。

この未来ビジョンは、インターネットに接続された機械が人間の動作を模倣しながらも、人間よりも正確に、速く、安価に仕事を完了する産業現場を予見しています。

人類の自己複製能力は、それだけでは終わらないかもしれない。ペンシルバニア大学の研究者らは、ロボットが最終的には人間のように食事できるようになるかもしれないことを発見した。

Medium が公開したニュース記事によると、このロボットは「金属でエネルギーを消費する」とのこと。研究者の「金属空気除去装置」構想は、将来の IoT 対応工場の課題の 1 つを解決する可能性があります。課題は、従来のかさばるバッテリーのように質量や重量を増やすことなく、モバイル デバイスに電力を供給する方法です。

ペンシルバニア大学の研究者によると、その答えは、機械や IoT デバイスが通過する金属表面から電気機械的にエネルギーを回収し、化学反応を利用して獲得した物質を電気に変換する (ガルバニック反応) ことです。

「ロボットや電子機器は、大量の金属材料を運ぶことなく、大量のエネルギー密度の高い材料からエネルギーを抽出できるようになるだろう」と研究者らはACS Energy Letters誌に掲載された論文で述べている。

それは「金属を食べてその化学結合を破壊し、人間が必要とするエネルギーを得る」ようなものです。電池は化学結合を繰り返し破壊したり形成したりすることで機能します。

この調査では、コンピューティングと電力貯蔵の二分法について言及しています。コンピューティングは小型化、高性能化に適しており、プロセッサのサイズはバッテリーストレージのないデバイスに徐々に縮小されてきました。より多くの電力を得るには、より大きなバッテリーが必要です。

たとえ群がることで産業用ロボットが昆虫サイズになったとしても(この可能性については以前書いたことがあります)、ナノデバイスに電力を供給するという問題は残ります。必要な電源のサイズが小型化の目的を台無しにしてしまうのです。

バッテリー自体がデバイスを損傷する可能性があり、損傷しなくても、バッテリーの質量により、マシンを動かすのに大量のエネルギーが必要になります。この課題は、IoT 開発において高密度かつ高エネルギーの新しい材料を見つけることに重点が置かれていることです。

ただし、太陽エネルギーや潜在的に磁場などで見られる周囲の電力の場合、電力密度が影響してきます。つまり、エネルギー収集技術では環境から十分なエネルギーを抽出できないか、抽出速度が遅すぎて従来のバッテリーほどエネルギー効率が良くないのです。

金属を食べるロボットの登場です。ペンシルバニア大学の研究者らは、高出力バッテリーを効率的に開発した。新たに研究された金属は、バッテリーの化学物質よりも密度が高く、寿命が長く、効率も高い。

研究チームは、ロボットが牽引するハイドロゲル電解質を使用して、海綿動物の採餌エネルギー生産を模倣した。表面上で引きずられるカソードを使用して、金属燃料源(鋼鉄やアルミニウムなど)から一定量の電気(アンペア数)を抽出します。

「私たちの[金属空気スカベンジャー]は、最高級のバッテリーの10倍の電力密度を持ち、バッテリーと競争できるレベルに達しています」と、ペンシルバニア大学機械工学・応用学部の助教授、ジェームズ・ピクル氏は語った。

力学の専門家であり、Mechanical Post の論文著者の一人です。 「バッテリーの化学物質を使用しますが、周囲の環境からそれらの化学物質を電気分解するため、重量は発生しません。」

ピクル氏によると、このアプローチは既存のリチウムイオン電池の化学的性質よりも優れている可能性があるという。

「ロボットがアルミニウムを見つけてそれを食べて、何ヶ月も働くようになる日が来るのも夢ではないだろう」とピクル氏は言う。

ロボットは最終的には人間よりも良い仕事をするかもしれないが、彼らは不注意な食事をする。ちなみに、通過する金属は酸化されるため、「軽い錆び跡」が残ります。

<<:  機械学習が交通と物流に革命を起こす4つの方法

>>:  機械学習トレーニングマニュアル: 頑固なブロンズから最強の王へ

ブログ    
ブログ    

推薦する

教育業界における自動問題解決と適応学習AIの応用

[51CTO.comより引用] 近年、人工知能が大流行し、多くの大企業、中堅企業、中小企業が動き始め...

LZ77 圧縮アルゴリズム エンコーディング Python 実装原理図

序文LZ77 アルゴリズムは、1977 年にイスラエルの Abraham Lempel によって公開...

相関関係は因果関係ではない。ディープラーニングによりAIは「10万のなぜ」を問うことができる

[[274938]]ビッグデータダイジェスト制作出典: searchenterpriseai編纂者:...

Ruan Yifeng: ガウスぼかしアルゴリズム

通常、画像処理ソフトウェアには、画像にぼかし効果を加えるための「ぼかし」フィルターが用意されています...

テキスト処理から自動運転まで: 機械学習で最もよく使われる 50 の無料データセット

機械学習分野のオープンデータセットにはどのようなものがあるでしょうか。Gengo は最近、高品質の無...

新しい時代を受け入れよう: スマートホームが贅沢な生活を再定義する

イノベーションとテクノロジーの時代において、贅沢な暮らしはスマートホームによって変化しています。これ...

顔認証ロック解除を使用するとき、携帯電話はどのようにしてあなたを「認識」するのでしょうか?顔認識について詳しく知る

2020年10月1日、私たちの祖国は71歳の誕生日を迎えました!我が国は、最初の人工衛星の打ち上げか...

AIOps に関する 6 つの誤解とその説明

[[387871]] AIOps とは何でしょうか? IT リーダーは、AIOps に関する一般的な...

13 の視覚言語タスクをクリアしましょう!ハルビン工業大学がマルチモーダル大型モデル「九天」をリリース、性能が5%向上

マルチモーダル大規模言語モデルにおける視覚情報抽出が不十分な問題に対処するため、ハルビン工業大学(深...

...

Objective-C 実装と主要なソートアルゴリズムのグラフィカルなデモンストレーション比較

[[176714]] Objective-C を使用していくつかの基本的なソート アルゴリズムを実装...

Python 学習パス - Python スライス シミュレーション LRU アルゴリズム

問題の説明: プロセスが 3 つのメイン メモリ ブロックを使用する権利を取得しました。プロセスが ...

...

コロナウイルス:スマートシティ変革のきっかけ

都市環境は、物理的、デジタル的、人間的システムを統合し、住民と企業に優れた成果をもたらします。 [[...

グーグルは、人工知能の進歩により飛行機による地球温暖化への影響を大幅に軽減できると主張

グーグルは8月14日、飛行機による気候への影響を大幅に軽減できる人工知能の分野で大きな進歩を遂げたと...