科技行者 3月21日 北京消息:3月20日,戴森在發(fā)布了全新Cyclone V10系列無繩吸塵器,這款產(chǎn)品相比之前設(shè)計、吸力功效和續(xù)航全面提升。產(chǎn)品分為Fluffy/Absolute兩款,價格分別為4490元/4990元。
杰克·戴森揭幕全新戴森Cyclone V10™無繩吸塵器
戴森公司創(chuàng)始人詹姆斯戴森的長子杰克•戴森表示:“要想吸除家中的過敏原,需要一臺在以下三個方面擁有卓越功效的無繩吸塵器——強(qiáng)效吸力:能夠深度清潔隱藏過敏原10;專利氣旋技術(shù)6:有效分離空氣中的大顆粒垃圾及微塵,如花粉細(xì)菌,并甩入塵筒,產(chǎn)生強(qiáng)勁吸力;整機(jī)過濾系統(tǒng):將99.97%小至0.3微米吸附的微塵鎖在機(jī)身內(nèi) ,防止泄露。沒有二次污染,排出潔凈空氣。
“自1997年來,我們在高效強(qiáng)力馬達(dá)技術(shù)方面的研發(fā)投入超過了3.5億英鎊——V10就是我們迄今為止最先進(jìn)的馬達(dá)2。結(jié)合全新的直線氣流機(jī)身結(jié)構(gòu)和數(shù)十年來的過濾技術(shù)相結(jié)合,我們一定能夠打造出戴森有史以來最好的吸塵器。”
這次新產(chǎn)品使用了全新戴森V10數(shù)碼馬達(dá),全新馬達(dá)可將氣旋組和集塵筒旋轉(zhuǎn)90度,讓馬達(dá)、集塵筒和氣旋組呈直線流線性,使得吸塵器使吸力功效相較戴森V8無繩吸塵器提升13%。
V10數(shù)碼馬達(dá)搭載重新設(shè)計的葉輪,這種全新斜流葉輪設(shè)計使其具有狹長的布局,能夠引導(dǎo)更多的氣流。為了能夠應(yīng)對達(dá)125000RPM速度的轉(zhuǎn)軸,采用了陶瓷,在1,600攝氏度下所處理的陶瓷的硬度是鋼的三倍。
在吸力提升方面,戴森Cyclone V10 有14個同心氣旋組圍繞機(jī)器中心軸精確布置,使每個氣旋組內(nèi)的氣流以每小時120英里的速度行進(jìn),產(chǎn)生超過79000G離心力,有效地將微塵從空氣中分離。與此同時,戴森的工程師將前置、后置馬達(dá)濾網(wǎng)合二為一,作為一個密封裝置包裹在馬達(dá)周圍,以改善過濾性能,有助吸附99.97%的小至0.3微米的微塵,釋放出潔凈的空氣。
除了吸力的提升,Cyclone V10的續(xù)航也有提升。在低速模式下Cyclone V10的連續(xù)使用時間增加至1小時左右,并且吸塵檔位也從原來的兩檔增加到三檔,從原來普通+Max變成和低、中、Max三個檔位。
在儲能系統(tǒng)方面,戴森研發(fā)出更輕、能量密度更高的7芯高能鋰電池組。除了電子工程和電池系統(tǒng)管理有所改進(jìn)外,它還幫助戴森V10 Cyclone 無繩吸塵器實現(xiàn)高達(dá)60分鐘的運行時間。
戴森V10數(shù)碼馬達(dá)可智能持續(xù)調(diào)整以保持最佳性能:它可感知自身的高度、氣壓、溫度,甚至可以計算出天氣。借助其壓力傳感器,V10數(shù)碼馬達(dá)可感知你是在樓上還是在樓下。事實上,它敏感到可感知桌子和地板之間的高度差異。它可以利用這些信息進(jìn)行精密調(diào)節(jié),從而在不同的空氣壓力下提供不變的性能。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)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(jì)大學(xué)團(tuán)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(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(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)隊通過對比實驗發(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際提升推理準(zhǔn)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(qiáng)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(jī)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。