自拍偷在线精品自拍偷,亚洲欧美中文日韩v在线观看不卡

十大機器蜜蜂:機器蜜蜂能拯救地球上所有的植物嗎?

譯文 精選
人工智能
作為一個幾乎每天都要吃蜂蜜吐司的人,在過去的幾年里,我一直非常關注全球蜜蜂種群持續(xù)減少這個話題。

譯者 | 張哲剛

審校 | 重樓

作為一個幾乎每天都要吃蜂蜜吐司的人,在過去的幾年里,我一直非常關注全球蜜蜂種群持續(xù)減少這個話題。

蜜蜂不僅僅是蜂蜜生產(chǎn)者,它們還是大自然中偉大的傳粉者。盡管,就傳粉者而言,它們不是唯一,但是,據(jù)我所知,它們是唯一能夠生產(chǎn)蜂蜜的傳粉者。

當前,林林總總的學術機構和商業(yè)公司都在開發(fā)一種微型飛行機器人或無人機,這些機器人或無人機可能能夠完成自然傳粉者的工作。考慮到這一點,覺得我應該深入探討一下這個話題。

像昆蟲一樣的小機器人能拯救我們嗎?

當前,我們正在見證一個事實:生物學、機器人技術與類昆蟲或蜜蜂的機器人發(fā)展形成了一個有趣的交集。這像一個個微小的奇跡他們的產(chǎn)生和存在,旨在解決全世界正面臨著的日益緊迫的環(huán)境和農(nóng)業(yè)問題,包括全球蜜蜂數(shù)量的持續(xù)下降。

下面,讓我們探究一下一些領域,包括世界上最先進的機器人昆蟲項目,以及傳粉者在自然界中的關鍵作用,還有蜂蜜生產(chǎn)的現(xiàn)狀,以及這些問題的技術解決方案是否有希望未來實現(xiàn)。

蜜蜂數(shù)量的減少

蜜蜂是重要的傳粉媒介,對全球農(nóng)業(yè)和生態(tài)系統(tǒng)有著巨大影響,做出了重大貢獻。然而,由于蜂群棲息地流失、農(nóng)藥殺蟲劑的使用、氣候變化以及蜂群衰竭失調(diào)(CCD)等疾病諸多因素的影響,蜜蜂的數(shù)量正驚人的速度下降。CCD——或類似的概念——看起來在各個時代都有報道。事實上,可能幾個世紀以來這個情況一直都在發(fā)生,但現(xiàn)在它與許多其他令人頭疼的環(huán)境問題同時出現(xiàn)一起存在,比如全球變暖等等。

數(shù)據(jù)統(tǒng)計

  1. 美國:根據(jù) Bee Informed Partnership 的數(shù)據(jù),2020 年至 2021 年間,美國的養(yǎng)蜂人報告說,他們的蜂群損失了大約 45%。
  2. 歐洲:在歐盟,蜜蜂群的損失從 10% 到 30% 不等,南歐等某些地區(qū)的降幅甚至更大
  3. 亞洲:雖然文獻記錄較少,但一些報告表明,隨著城市化進程的加快以及農(nóng)藥殺蟲劑的使用,傳粉媒介種群面臨的威脅日益增加。

這種情形嚴重影響糧食安全,因為全球超過 75% 的糧食作物依賴于授粉。

傳粉媒介在自然界中的作用

傳粉媒介,包括蜜蜂、蝴蝶、甲蟲和某些鳥類,它們在花粉從一朵花傳遞到另一朵花,實現(xiàn)受精和果實生產(chǎn)這一過程中,起著至關重要的作用

主要傳粉媒介

  1. 蜜蜂:最有效的傳粉者,尤其是蜜蜂和熊蜂。
  2. 蝴蝶和飛蛾對于特定植物物種非常重要,尤其是那些在夜間開花的植物。
  3. 甲蟲是最為“雜亂無章”的傳粉者,它們通過攝取花朵作為食物來幫助授粉。

據(jù)統(tǒng)計,傳粉媒介每年為全球糧食生產(chǎn)貢獻 2350 億至 5770 億美元,凸顯了其經(jīng)濟重要性。

蜜蜂和蜂蜜:全球生產(chǎn)趨勢

除了授粉之外,蜜蜂還生產(chǎn)蜂蜜。蜂蜜是一種寶貴的自然資源。蜜蜂數(shù)量的減少,引發(fā)了人們對于蜂蜜生產(chǎn)的擔憂。

全球蜂蜜生產(chǎn)趨勢

盡管面臨一系列問題,但由于主要蜂蜜生產(chǎn)國的養(yǎng)蜂大環(huán)境持續(xù)得到改善,全球蜂蜜生產(chǎn)保持相對穩(wěn)定。然而,局部地區(qū)的下降是明顯的。

主要蜂蜜生產(chǎn)國(2022 年數(shù)據(jù))

  1. 中國:461,900 噸
  2. 土耳其:118,297噸
  3. 伊朗:79,534噸
  4. 印度:74,534噸
  5. 阿根廷:70,437噸
  6. 俄羅斯:67,014噸
  7. 墨西哥:64,320噸
  8. 烏克蘭:63,079噸
  9. 巴西:60,966噸
  10. 美國:56,849噸

資料來源:聯(lián)合國糧食及農(nóng)業(yè)組織

機器昆蟲:領先項目概述

1. RoboBee(哈佛大學)

由Wyss研究所開發(fā)的RoboBee是一種能夠自主飛行的微型飛行機器人。它能夠模仿蜜蜂的翅膀運動,專為精確授粉和環(huán)境監(jiān)測而設計。

2. 麻省理工學院的敏捷機器昆蟲

麻省理工學院快速靈活的機器昆蟲能夠十分復雜的環(huán)境中導航,在機械授粉和搜救任務應用方面相當有潛力。

3. 仿生蜂 (費斯托

仿生蜂費斯托仿生學習網(wǎng)絡的一部分,專注于能源效率和靈感來自于自然界蜜蜂飛行動力學。仿生蜂的研究方向是復制授粉行為。

4. 華盛頓州立大學微型機器人

這些以自然界昆蟲為原型的小型機器人是有史以來重量最輕、速度最快的機器人之一。目前,它們正在測試應用于農(nóng)業(yè),包括授粉。

5. 地平線項目的機器蜜蜂

歐盟地平線項目正在研發(fā)配備先進人工智能和傳感器的機器蜜蜂,以提高農(nóng)業(yè)生產(chǎn)力,改善環(huán)境健康。

6. NASA美國宇航局噴氣推進實驗室的機器昆蟲

作為教育推廣活動的一部分,NASA美國宇航局 的噴氣推進實驗室開發(fā)了機器昆蟲的原型,以推動機器人技術和太空探索的創(chuàng)新。

7. 蜜蜂跟蹤無人機(代爾夫特理工大學)

代爾夫特理工大學的科學家們制造了一種能夠模仿蜜蜂的無人機,用以研究它們的行為,并可能用于協(xié)助授粉。

8. 情感蝴蝶 (費斯托)

另一個有可能會給人奇特感覺的項目來自費斯托,這是一家工業(yè)自動化公司。情感仿生蝴蝶正在開發(fā)的幾種機器昆蟲之一。

9. 仿生蜻蜓 (費斯托

不知何故,莫名其妙地,費斯托這個詞非常適合這家公司。這種仿生機器人昆蟲外形像蜻蜓,具有復雜的飛行能力。

10. Roboflapper(加州大學圣地亞哥分校)

以煙草鷹蛾為原型的Roboflapper 仍在研發(fā)中,該團隊希望開發(fā)一種飛行機制。

機器人可以代替蜜蜂嗎?

當前功能

雖然這些機器人顯示出巨大的應用前景,但當前它們?nèi)蕴幱趯嶒炿A段。例如,機器蜜蜂能夠展現(xiàn)工作精度,但卻不具備有效授粉所需的數(shù)十億個單位的能力。

財務可行性

開發(fā)和部署數(shù)十億個機器人傳粉媒介的成本是高昂的技術進步能否降低生產(chǎn)成本提高能源效率,將決定機器昆蟲在經(jīng)濟上是否可行。

環(huán)境和道德問題

  1. 干擾生態(tài)系統(tǒng):大規(guī)模引入機器人傳粉媒介可能會破壞自然生態(tài)系統(tǒng)。
  2. 對技術的依賴:轉(zhuǎn)向機器人解決方案可能會下意識地減少人們在保護自然傳粉媒介方面意圖和努力。

機器蜜蜂和垂直農(nóng)場 – 人造天堂的天作之合

小型昆蟲類機器人代表了機器人技術一個前景誘人的前沿領域,為自然傳粉媒介可能會嚴重缺乏這一問題提供了潛在的應對方案。

然而,它們仍然存在一系列問題,比如技術限制、可擴展性問題和潛在的生態(tài)影響,所以必須十分謹慎。雖然這些機器人能夠在特定的農(nóng)業(yè)方面得到應用,但保護和恢復自然傳粉媒介種群仍然是最可持續(xù)的思路

將技術與保護工作相結(jié)合,確保全球糧食系統(tǒng)安全和環(huán)境健康最佳前進道路。

大多數(shù)討論,涉及到的都是在自然農(nóng)場中使用這些昆蟲機器人的可能性,但事實上可行性更強的方案是在垂直農(nóng)場中使用它們,看起來,這類農(nóng)場似乎就是專門為機器人傳粉媒介建造的人工環(huán)境。

譯者介紹

張哲剛,51CTO社區(qū)編輯,系統(tǒng)運維工程師,國內(nèi)較早一批硬件評測及互聯(lián)網(wǎng)從業(yè)者,曾入職阿里巴巴。

原文標題:Top 10 robotic insects: Can robotic bees save all plant life on Earth?,作者:David Edwards

責任編輯:華軒 來源: 51CTO
相關推薦

2020-03-19 08:42:00

無人機物聯(lián)網(wǎng)蜜蜂

2022-05-11 15:20:31

機器學習算法預測

2024-07-29 15:07:16

2022-04-19 08:29:12

Python機器學習

2020-07-19 07:30:00

人工智能物聯(lián)網(wǎng)大數(shù)據(jù)

2022-08-26 14:46:31

機器學習算法線性回歸

2020-05-20 07:00:00

機器學習人工智能AI

2024-05-30 07:34:42

2016-12-01 07:41:37

機器學習常用算法

2021-01-17 23:03:15

機器學習開源人工智能

2021-02-03 05:26:49

機器學習存儲AI

2022-09-04 19:38:11

機器學習算法

2024-09-11 08:32:07

2024-01-04 15:09:03

蜜蜂AI助手鴻蒙操作系統(tǒng)

2017-12-16 11:50:56

機器學習常用算法

2020-03-06 10:45:48

機器學習人工智能神經(jīng)網(wǎng)絡

2024-09-29 06:55:37

2018-09-12 10:10:09

2022-08-15 09:34:56

機器學習人工智能

2022-02-07 09:17:00

機器人工業(yè)技術
點贊
收藏

51CTO技術棧公眾號