7月15日,小米生態(tài)鏈企業(yè)華米科技攜手運動品牌李寧,聯(lián)合發(fā)布了智能跑鞋——烈駿和赤兔,打造了中國運動品牌的首款智能跑鞋。繼小米手環(huán)之后,華米科技推出了智能芯片產(chǎn)品——“華米智芯”,真正實現(xiàn)了讓智能跑步無感融入互聯(lián)網(wǎng)和日常生活。
對于雙方的合作,李寧公司創(chuàng)始人李寧表示,“李寧智能跑鞋所嘗試的,不僅是創(chuàng)新產(chǎn)品體驗和打破價格壁壘,更是在互聯(lián)網(wǎng)+的浪潮中打造立體生態(tài)圈,讓每個消費者都能輕輕松松邁入智跑時代是研發(fā)智能跑鞋的初心與動力。”華米科技創(chuàng)始人及CEO黃汪提到,“此次與李寧的合作,是華米科技在智能可穿戴領(lǐng)域里的一次嘗試。李寧在運動裝備領(lǐng)域有著非常深厚的用戶積累與專業(yè)優(yōu)勢,此次合作讓智能運動生活方式真正大眾化,讓更多消費者可以驚喜擁抱智能跑步時代。”
為了讓消費者真正從李寧智能跑鞋中體驗智能跑步的樂趣,華米科技組建了硅谷、北京、合肥三地的包括10多名博士在內(nèi)的40多人專業(yè)研發(fā)團隊,在李寧運動科學(xué)實驗室的幫助下,歷經(jīng)一年的努力,從續(xù)航、防水、算法、互動服務(wù)、數(shù)據(jù)等方面力爭達到完美。
為延長芯片電池續(xù)航時間,華米科技采用了智能電源管理算法來動態(tài)調(diào)節(jié)芯片電源使用模式和運算速度。此外,華米智芯使用了最先進的低功耗傳感器、低功耗無線傳輸技術(shù)和自適應(yīng)數(shù)據(jù)傳輸速率控制算法。這些技術(shù)使得用戶即使每天穿著李寧智能跑鞋跑一個半程馬拉松,電池續(xù)航能力也可達到1年以上。
而對于用戶普遍關(guān)心的防水問題,華米智芯防水達到IPX7級別,可以在3米水深放置30分鐘依然正常工作。每一顆華米智芯都會經(jīng)過嚴格的氣密性防水檢測、震動測試、靜力測試、耐汗測試、高溫高濕的測試、高低溫度測試、扭力測試,以保證芯片無論在何環(huán)境下都可正常運作,確保跑友可以“風(fēng)雨無阻”進行跑步。
除了出色的硬件保障外,華米科技此次開發(fā)了擁有專利技術(shù)的“米動計步算法“、”米動步態(tài)分析算法“和“米動戶外運動追蹤算法”,不僅實現(xiàn)準確性達到90%的精準記步、實時步頻和里程計算,還與李寧科學(xué)實驗室合作,實現(xiàn)前后腳掌著的智能判斷,幫助用戶糾正跑姿并選擇適合自己的跑鞋。米動戶外運動追蹤算法還可以進行精準的實時配速測量和軌跡追蹤,讓用戶獲得自己的最準確運動信息。
李寧智能跑鞋還擁有千萬級活躍用戶的小米運動APP為交互平臺,除了常規(guī)分享跑步路線、運動成績與水印照片之外,通過“米動步態(tài)分析算法’ 對跑者步態(tài)的智能判斷和分析,可以參與到米動云端訓(xùn)練計劃,更好的完成科學(xué)的跑步訓(xùn)練。未來,小米運動APP也將搭建米動訓(xùn)練中心平臺,提供從初級入門到馬拉松訓(xùn)練的全套,并向?qū)I(yè)的第三方服務(wù)開放,讓李寧智能跑鞋用戶可以得到更好的增值服務(wù)。
與此同時,李寧智能跑鞋用戶還將感受到米動云端大數(shù)據(jù)平臺的強大。通過此平臺可以了解到自己各個時刻的各類詳細運動數(shù)據(jù),見證自己從一個初跑者成為資深跑者的蛻變。通過李寧智能跑鞋里程數(shù)據(jù)的記錄,小米運動還將提醒用戶跑鞋的更換。
烈駿智能版發(fā)售價399元,赤兔智能版發(fā)售價199元。據(jù)了解, 7月20日,烈駿智能版將首先在李寧天貓官方旗艦店預(yù)售,7月28日智能跑鞋將在李寧和小米的天貓旗艦店聯(lián)合首發(fā)。8月8日起相關(guān)產(chǎn)品將在李寧官方網(wǎng)站、李寧天貓旗艦店、李寧京東旗艦店和小米網(wǎng)同步發(fā)售。
好文章,需要你的鼓勵
新加坡國立大學(xué)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(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。
同濟大學(xué)團隊開發(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)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、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)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(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(zhì)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(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(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)上驗證有效性。