科技行者 10月28日 北京消息:高通今日宣布,聯(lián)合廣泛的中國汽車產(chǎn)業(yè)鏈企業(yè),展示安全可靠的蜂窩車聯(lián)網(wǎng)(C-V2X)直接通信技術(shù)已經(jīng)商用就緒,將為2020年中國C-V2X的商用部署鋪平道路。聯(lián)合30余家領(lǐng)先的中國汽車產(chǎn)業(yè)鏈企業(yè),高通參加了在中國汽車工程學(xué)會年會暨展覽會期間于上海舉行的中國首次“跨芯片模組、跨終端、跨整車、跨安全平臺”的C-V2X應(yīng)用展示。此次應(yīng)用展示,彰顯了C-V2X技術(shù)在預(yù)防行駛事故如車輛碰撞方面的能力。
“跨芯片模組、跨終端、跨整車、跨安全平臺”的C-V2X“四跨”應(yīng)用展示
參加此次應(yīng)用展示的汽車制造商包括:上汽集團(tuán)、吉利汽車、上汽大眾、長安汽車、長城汽車、廣汽集團(tuán)、福特汽車、東風(fēng)汽車、一汽集團(tuán)、北汽集團(tuán)、江淮汽車、奇瑞汽車、雷諾-日產(chǎn)-三菱聯(lián)盟阿利昂斯和蔚來汽車;參加展示的汽車通信方案供應(yīng)商包括:聯(lián)創(chuàng)汽車電子、星云互聯(lián)、萬集科技、金溢科技、東軟汽車電子、東軟睿馳、延峰偉世通、均勝車聯(lián)、中移物聯(lián)網(wǎng)、億咖通科技、雄獅科技、Savari、Cohda Wireless、華礪智行、移遠(yuǎn)通信、中興通訊和高新興物聯(lián);以及安全平臺廠商國汽智聯(lián)和大唐電信集團(tuán)。
本次測試的大部分演示整車和車載單元(OBUs)裝置均采用了Qualcomm® 9150 C-V2X芯片組解決方案,通過高性能的車對車(V2V)以及車對基礎(chǔ)設(shè)施(V2I)通信,支持一系列智能互聯(lián)駕駛輔助應(yīng)用。
此次互操作性測試的四類V21演示場景包括:安全限速預(yù)警、道路危險狀況提示、闖紅燈預(yù)警和綠波車速引導(dǎo)和弱勢交通參與者提醒。三類V2V演示場景包括:前向碰撞預(yù)警、盲區(qū)提醒和故障車輛預(yù)警。同時還展示了四類安全機(jī)制驗證場景,包括偽造限速預(yù)警防御、偽造紅綠燈信息防御、偽造緊急車輛防御和偽造前向碰撞預(yù)警防御。
中國智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)創(chuàng)新聯(lián)盟秘書長公維潔表示:“聯(lián)盟一直積極參與智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)和技術(shù)的發(fā)展,通過整合跨行業(yè)資源,推動產(chǎn)業(yè)協(xié)同創(chuàng)新。我們很高興看到高通積極參與此次的多跨應(yīng)用展示,攜手產(chǎn)業(yè)鏈企業(yè)進(jìn)行C-V2X技術(shù)的實驗驗證。C-V2X的應(yīng)用能夠提升車輛的安全和行駛效率,支持自動駕駛的實現(xiàn)。聯(lián)盟希望攜手包括高通在內(nèi)的更廣泛產(chǎn)業(yè)鏈企業(yè)一起,加快推動C-V2X的商用落地。”
高通產(chǎn)品管理高級副總裁Nakul Duggal表示:“中國一直是C-V2X技術(shù)發(fā)展的開拓者和引領(lǐng)者之一,高通很高興能夠通過本次互聯(lián)互通應(yīng)用展示,聯(lián)合廣泛的中國汽車生態(tài)系統(tǒng)合作伙伴加速C-V2X的商用部署。我們相信,包括C-V2X、5G、AI在內(nèi)的前沿技術(shù)創(chuàng)新將支撐智能網(wǎng)聯(lián)汽車走在汽車行業(yè)的最前端。我們期待和中國汽車生態(tài)系統(tǒng)的合作伙伴共同開啟安全、高效、智能的未來出行新紀(jì)元。”
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。