亞馬遜送貨無(wú)人機(jī)
北京時(shí)間5月11日早間消息,據(jù)BBC報(bào)道,亞馬遜上月申請(qǐng)了一項(xiàng)專利,希望無(wú)論用戶身在何地,都能用送貨無(wú)人機(jī)在半小時(shí)內(nèi)將包裹直接送到他們手中。
在此之前,亞馬遜的無(wú)人機(jī)送貨計(jì)劃僅局限于“送貨上門”,像傳統(tǒng)郵遞員一樣直接將包裹投遞到用戶門口。但亞馬遜的這項(xiàng)專利申請(qǐng)表明,該公司還在探索新的方式,希望根據(jù)用戶的智能手機(jī)判斷其所在的位置,從而直接將包裹送到用戶手中。
根據(jù)專利申請(qǐng)文件,亞馬遜還專門設(shè)立了一套訂單流程,用戶首先通過(guò)亞馬遜手機(jī)應(yīng)用在線購(gòu)買一些體積較小的產(chǎn)品,然后在配送選項(xiàng)中選擇“送貨給我”。之后,與用戶距離最近的無(wú)人機(jī)系統(tǒng)便會(huì)執(zhí)行送貨任務(wù),并將產(chǎn)品直接送至用戶智能手機(jī)所在的位置。
一旦進(jìn)入一定距離范圍,無(wú)人機(jī)便可借助用戶智能手機(jī)的攝像頭功能實(shí)現(xiàn)著陸。目前還不太清楚具體實(shí)現(xiàn)方式,從理論上講,客戶可以自行降落無(wú)人機(jī)。不過(guò),這一過(guò)程必須保證無(wú)人機(jī)的降落安全,避免硬著陸的情況發(fā)生。
然而,降落并非關(guān)鍵所在。該專利申請(qǐng)文件表明,無(wú)人機(jī)未必要真正接觸地面即可投遞貨物,而是可以盤旋在用戶周圍,然后輕輕投下包裹。文件還現(xiàn)實(shí),亞馬遜希望該公司的無(wú)人機(jī)可以在空中相互交流,從而分享天氣信息、地理位置、路徑數(shù)據(jù)和著陸地點(diǎn)。
不過(guò),亞馬遜的這項(xiàng)無(wú)人機(jī)送貨服務(wù)正式實(shí)施前仍需克服一些障礙。目前無(wú)法確保美國(guó)政府一定會(huì)批準(zhǔn)這項(xiàng)專利,即使獲得了專利,能否最終部署該技術(shù)也存在一些疑問(wèn)。該公司還希望美國(guó)及其他國(guó)家或地區(qū)的航空管理部門允許其推廣無(wú)人機(jī)送貨項(xiàng)目,而不必非要將無(wú)人機(jī)控制在操作者的視線范圍之內(nèi)。
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(wèn)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(wèn)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(guò)"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(wèn)題。實(shí)驗(yàn)顯示,該方法在數(shù)學(xué)競(jìng)賽題上將模型準(zhǔn)確率提升43.2%的同時(shí),輸出長(zhǎng)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(guò)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(zhǎng)視頻生成中的錯(cuò)誤累積問(wèn)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(guò)讓AI模型學(xué)習(xí)解決幾何問(wèn)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(cè)試基準(zhǔn)上都帶來(lái)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(jī)。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。