Google Research

谷歌研究团队提出 SensorWM 机器学习框架，将智能手表被动采集的生理信号转化为可干预的“可教练健康年龄”，并用动作条件世界模型模拟个性化 12 周习惯“假设”轨迹。该框架进一步扩展至常规血液生物标志物，用于追踪心血管-肾脏-代谢（CKM）早期风险，为个性化健康教练提供可验证的临床预后依据。

Google Research 与斯坦福学习加速器联合发布互动课程 Polar Peaks，面向 11 至 14 岁学生，让他们以研究者身份用 AI 绘制神经元并练习数据清洗与模型测试，同时强调人类监督的必要性。配套教师培训模块已上线 Google AI Educator Series。

谷歌研究团队将建筑级屋顶反射率数据集扩展至全球 50 多座城市，并通过新的高分辨率 Heat Resilience Earth Engine 应用开放使用，帮助城市规划者落地冷屋顶方案以缓解极端高温。该工作配套发表于 Nature Communications 的论文，并提供交互式数据入口。

谷歌研究团队基于 Android Auto 采集的急刹车事件（HBE）数据，首次建立其与路段实际碰撞率之间的正相关关系，证明 HBE 高发路段碰撞风险显著更高。该研究提出以急刹车事件作为道路安全评估的先行指标，弥补传统警方事故统计滞后且样本稀疏的缺陷。