Atmel公司今日推出其首款可穿戴應(yīng)用解決方案,該方案整合了Atmel廣泛的產(chǎn)品組合。Atmel圍繞智能胸牌概念設(shè)計了一個7cm x 9cm的演示設(shè)備,它采用低功耗嵌入式處理、無線、觸摸及傳感器技術(shù)打造一個完整的系統(tǒng)。借助Atmel領(lǐng)先業(yè)界的技術(shù),這一完整系統(tǒng)解決方案能夠展示幾乎任何類型的可穿戴應(yīng)用。
該演示設(shè)備將Atmel及其合作伙伴的多項(xiàng)軟硬件技術(shù)整合到一個經(jīng)過高度優(yōu)化、開箱即用的完整解決方案中,不僅能夠滿足可穿戴市場的復(fù)雜要求,而且還能將他們的設(shè)計快速推向市場。用戶可以將它戴在脖子上,并顯示Atmel的合作伙伴Adeneo Embedded專為安卓操作系統(tǒng)設(shè)計的各種應(yīng)用(指南針、手表、水平儀、幻燈播放、電池電量表)。演示設(shè)備基于Atmel的嵌入式連接,能夠與其它安卓手機(jī)交互。該演示胸牌配備一塊Precision Design Associates(PDA Inc.)出品的3.5英寸顯示屏,并采用了Bosch Sensortec 公司的MEMS和傳感器技術(shù)以及Micron的多芯片內(nèi)存模塊,后者在一個運(yùn)行于安卓操作系統(tǒng)之上的演示設(shè)備中整合了4Gb的LPDDR2和4GB的 eMMC。此外,Atmel正在開發(fā)一個軟件框架,將允許各個軟件合作伙伴將他們的軟件以插件形式插入,從而實(shí)現(xiàn)無縫操作。
根據(jù)國際數(shù)據(jù)公司(IDC)《全球可穿戴設(shè)備季度跟蹤報告》中的最新預(yù)測數(shù)據(jù)顯示,2015年全球可穿戴設(shè)備的出貨量將達(dá)到4570萬件,比2014年的1960萬件激增 133.4%。到2019年,全球總出貨量預(yù)計將達(dá)到1.261億件,從而實(shí)現(xiàn)45.1%的五年年均復(fù)合增長率。*
鑒于可穿戴市場的預(yù)期增長,設(shè)計人員正在尋求將所有必要和復(fù)雜的技術(shù)整合到一個全面應(yīng)用之中的解決方案,以便能夠?qū)W⒂谠O(shè)計差異化產(chǎn)品。智能胸牌是第一款整合Atmel的超低功耗Atmel | SMART SAMA5D31 MPU、Atmel | SMART SAM G54傳感器集線器解決方案、maXTouch mXT112控制器以及Atmel SmartConnect WILC3000和Wi-Fi/藍(lán)牙的演示設(shè)備。
Atmel公司傳感器業(yè)務(wù)部負(fù)責(zé)人Vince Murdica 表示:“Atmel擁有全世界最全面、功耗最低的可穿戴設(shè)備技術(shù)組合。Atmel的智能胸牌是公司即將推出的眾多可穿戴參考設(shè)計和平臺的先行者,我們希望客戶在想到可穿戴設(shè)備時,就會想到Atmel。我們專注于并期待利用完整、低功耗、全面的軟硬件解決方案,助力可穿戴市場加速發(fā)展。”
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗(yàn)證有效性。