
車燈的照射距離還遠(yuǎn)。這種激光車燈有一個(gè)過濾器,因而它發(fā)出的燈光不會(huì)讓傷害行人或致盲。
M4 Concept Iconic Lights,是寶馬公司的概念車燈,這種車燈使用了激光照明和OLED(有機(jī)發(fā)光二極管)照明技術(shù)。
該車燈使用的激光前車燈的投射距離大大增加。后車燈使用了OLED照明技術(shù)。
M4概念車具有一個(gè)攝像頭,可以判斷前方潛在的路面危險(xiǎn)。一旦發(fā)現(xiàn)危險(xiǎn)物體,前車燈能夠?qū)iT照射到專門的區(qū)域,從而給司機(jī)發(fā)出警告。目前,寶馬在德國使用了這種車燈技術(shù),為了在美國使用這種技術(shù),寶馬需要修改這種車燈的形狀,以滿足美國交通部的規(guī)定。
為了探測前方路面的車輛或前方的交通情況,M4的前車燈會(huì)動(dòng)態(tài)的制造一個(gè)黑點(diǎn),以追蹤其它車輛。
這種車燈最新穎的地方在于,它能夠?yàn)檐囕v規(guī)劃路線,在視頻演示中,當(dāng)M4發(fā)現(xiàn)前方的大卡車,前車燈利用攝像頭的數(shù)據(jù)信息,可為司機(jī)在大卡車與路邊護(hù)欄之間規(guī)劃出一條避讓的路線。當(dāng)系統(tǒng)電腦發(fā)覺通過空間對(duì)于M4車輛過窄時(shí),它會(huì)發(fā)出警報(bào)信息。
寶馬照明信息部門負(fù)責(zé)人Thomas Hausmann表示,M4的每個(gè)前車燈使用了兩個(gè)激光照明模塊和一個(gè)電動(dòng)托架,電動(dòng)托架能夠旋轉(zhuǎn),制造出一個(gè)黑暗區(qū)域,以免致盲其它司機(jī)。
M4概念車的尾燈采用了OLED照明,能顯示黃色與紅色的光,除此之外,尾燈還能為后面的司機(jī)顯示各種形狀。
在白天,這種尾燈也很亮,寶馬的視頻顯示,尾燈面板僅有0.1英寸薄。OLED也異常的節(jié)電。
Hausmann表示,這種尾燈距離生產(chǎn)還有數(shù)年時(shí)間。它不僅要滿足汽車駕駛要求,還要能夠耐受最高80攝氏度的高溫。寶馬希望這種尾燈在使用了1萬小時(shí)后,仍然具有70%流明的亮度。
電腦技術(shù)已經(jīng)極大的提高了汽車駕駛,剎車和轉(zhuǎn)向的質(zhì)量。汽車內(nèi)部的電子系統(tǒng)給予司機(jī)很有有用的信息,從而確保安全性。現(xiàn)在,電腦技術(shù)開始改變汽車的照明系統(tǒng)了。
好文章,需要你的鼓勵(lì)
浙江大學(xué)團(tuán)隊(duì)提出動(dòng)態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計(jì)算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團(tuán)隊(duì)提出SIRI方法,通過"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實(shí)驗(yàn)顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時(shí),輸出長度減少46.9%,真正實(shí)現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊(duì)開發(fā)出Rolling Forcing技術(shù),實(shí)現(xiàn)AI視頻實(shí)時(shí)流式生成的重大突破。該技術(shù)通過滾動(dòng)窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項(xiàng)創(chuàng)新,解決了長視頻生成中的錯(cuò)誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊(duì)發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個(gè)幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個(gè)AI模型。實(shí)驗(yàn)結(jié)果顯示,幾何訓(xùn)練在四個(gè)空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績。這項(xiàng)研究揭示了基礎(chǔ)幾何知識(shí)對(duì)培養(yǎng)AI空間智能的重要價(jià)值。