CNET科技資訊網(wǎng) 9月8日 北京消息(文/齊豐潤): 在我本人看來,科技的發(fā)展與人類的思想是分不開的,正是由于人們想要更加便捷地完成生活中某些繁瑣的事情,才讓科技產(chǎn)生了進步,而在我看來,這或許就是“科技以人為本”的含義。
在平時的生活中,居家的日常清潔絕對是相當繁瑣的一件事情,所以掃地機器人應(yīng)運而生,并一下受到了許多家庭用戶的青睞。雖然掃地機器人讓打掃變得簡單便捷,但有一點卻讓身為處女座的我無法釋懷。
大部分的掃地機器人可以達到清掃地面灰塵和雜物的功能,但對于地板上出現(xiàn)的粘性污漬就比較難處理了,所以經(jīng)常出現(xiàn)的狀況是,掃地機器人在屋子里清掃一遍之后,我們還需要針對污漬在擦洗一遍地板,很難讓我們徹底擺脫繁瑣的清潔工作。尤其是對于習(xí)慣使用硬質(zhì)地板的中國家庭,這點尤為明顯。
正是看到了這樣的訴求,iRObot推出了Braava jet噴水擦地機器人。據(jù)介紹,Braava jet 噴水擦地機器人為清潔硬質(zhì)地板而設(shè)計。它適宜于擦拭各類硬質(zhì)地板,清除微塵與黏膩污垢。安裝清潔布后,只需按下CLEAN鍵,即可啟動。
iRobot公司董事長兼首席執(zhí)行官Colin Angle表示,目前,iRobot已在全世界范圍內(nèi)銷售出了超過1500萬臺的家用機器人。
Braava jet采用了 iAdapt 2.0 導(dǎo)航系統(tǒng),可自動規(guī)劃與追蹤清潔路線。據(jù)介紹,Braava jet在干掃及濕抹模式下空間清潔面積可達25平方米,在濕擦模式下追蹤面積可達20平方米。小巧的外觀設(shè)計讓 Braava jet能夠輕松的清潔到家里的每一個角落,同時Braava jet 還可以記住清潔路徑中的障礙物,在接近家具、墻面和其它物體時會自動減速。
Braava jet可以根據(jù)搭配不同類型的清潔布而自動選擇清潔模式,以滿足用戶的多種需求。Braava jet配備的精準噴射技術(shù)以及震動清潔機身能使灰塵及污漬脫離地板表面,并進一步將灰塵與污垢分解并鎖住污垢碎屑。同時,用戶還可以下載相應(yīng)的應(yīng)用軟件,通過手機對機器人進行控制。
Braava jet還有一個很有意思的功能,用戶可以通過Braava jet的Virtual Wall(虛擬墻)模式,設(shè)定無須清潔的區(qū)域,比如沒有房門但不需要清潔的室內(nèi)區(qū)域、鋪設(shè)大塊地毯的房間等。
iRobot公司首席營運官Christian Cerda表示,“中國消費者需要經(jīng)常清潔家中的硬質(zhì)地板,并且他們對擦地和吸塵的要求非常不同。iRobot公司推出的Braava jet噴水擦地機器人與Roomba掃地機器人相輔相成,幫助消費者清潔硬質(zhì)地板上的灰塵與黏膩污垢。”
Braava jet噴水擦地機器人售價為1999元,目前已在京東和天貓上線。
好文章,需要你的鼓勵
浙江大學(xué)團隊提出動態(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)上顯著提升推理準確率,且不增加計算成本。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)研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學(xué)競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(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)合研究團隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓(xùn)練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,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)研究團隊發(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個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學(xué)習(xí)方法訓(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。