在本屆CES上,Parrot又推出兩款新奇的智能玩具,分別是MiniDrone與Jumping Sumo。
Jumping Sumo是一款可以在地上行走并跳躍的遙控機器人,通過智能終端設備對它進行操控,它配備一個陀螺儀及一個加速計,反應極其靈活敏捷,支持拍攝功能,擁有彈性的沖擊系統(tǒng)使得Jumping Sumo可以跳來跳去,機身采用彈性的塑料材質使得它在自然落下時可以承受比較大的沖擊力。
MiniDrone是Parrot的AR.Drone產品“縮小版”,也是四軸直升機。用戶可通過Bluetooth Smart技術把MiniDrone與智能終端連接,達到操控的目的,它支持拍攝功能,內置的超聲波傳感器、加速度計、陀螺儀等感應器及自動駕駛功能,還配備兩個碳纖維車輪,可沿墻壁迅速攀爬或快速穿越天花板,真的是偷拍利器。
下面請看演示視頻:
[video]uu=dfa091e731&vu=6513556245&auto_play=0&width=600&height=450[/video]
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(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。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經過強化學習訓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際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質量的能力,且模型在自我驗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等頂尖機構聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速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練效率,已在多個任務上驗證有效性。