北京時間2月19日凌晨4:55(美國太平洋時間18號12:55),毅力號探測器在火星上安全著陸,在腹部攜帶有4磅重的“機(jī)智號(Ingenuity)”無人直升機(jī)。
美國國家航空航天局(NASA)表示,搭載于毅力號探測器下腹部的機(jī)智號火星直升機(jī)成功著陸。在著陸后一個多月,機(jī)智號將在大氣極其稀薄的火星環(huán)境中進(jìn)行五次試飛,將實現(xiàn)在地球以外其它星球上的首次無人機(jī)動力飛行。
未來幾周,機(jī)智號將在大氣稀薄的火星環(huán)境(空氣密度約為地球環(huán)境的1%)執(zhí)行測試功能?;鹦菤鈮簶O低并且極其寒冷,耶澤洛(Jezero)隕石坑著陸場夜間溫度低至零下90攝氏度(零下130華氏度),將考驗無人機(jī)及其電子器件的適應(yīng)力。機(jī)智號依賴直徑約4英尺的對轉(zhuǎn)共軸旋翼在稀薄大氣中快速旋轉(zhuǎn)進(jìn)行工作。
機(jī)智號直升機(jī)采用高通Snapdragon Flight平臺作為其計算機(jī)的核心,包括一顆四核CPU、一顆GPU和一個5500萬像素俯視圖像信號處理器。該計算機(jī)利用攝像頭追蹤到的火星表面地理特征控制視覺導(dǎo)航算法。
高通業(yè)務(wù)拓展高級總監(jiān)兼自動機(jī)器人、無人機(jī)和智能電器負(fù)責(zé)人Dev Singh在接受外媒Fierce Electronics采訪時表示:“令人出乎意料的是,機(jī)智號上的驍龍?zhí)幚砥鞅旧聿]有進(jìn)行強(qiáng)化加固,盡管NASA噴氣推進(jìn)實驗室(NASA JPL)已對處理器進(jìn)行了包圍保護(hù),以避免受到火星低氣壓和低寒的影響。”
Dev Singh表示,實際上,該平臺采用的驍龍芯片與數(shù)十億智能手機(jī)中所用的驍龍芯片沒有多大區(qū)別。2016年高通率先開始與NASA JPL合作開展機(jī)智號項目。高通Snapdragon Flight平臺是用于無人機(jī)和機(jī)器人的多功能芯片平臺。
Dev Singh證實,高通希望在未來任務(wù)中繼續(xù)與NASA JPL合作,盡管他未對此做詳細(xì)說明。為了應(yīng)對其他星球上更加惡劣的條件,未來項目中采用的芯片可能會被加固。他表示,參與機(jī)智號的研發(fā),將有助于提升并獲得面向工業(yè)場景使用的機(jī)器人和無人機(jī)經(jīng)驗與洞察,并可能有助于開發(fā)以蜂窩通信連接的群組機(jī)器人。
通過探測器和直升機(jī)上搭載的900 MHz SiFlex芯片組建立Zigbee無線電鏈路,支持機(jī)智號與探測器通信。探測器通過火星軌道飛行器與地球建立連接。
無人直升機(jī)計劃在探測器著陸火星表面至少一個月后,預(yù)計在30天測試期內(nèi)進(jìn)行五次飛行。首先將開展離火星表面15英尺的短距垂直測試,然后將沿著飛行方向來回進(jìn)行約150英尺的水平飛行。飛行將由NASA JPL規(guī)劃安排,但直升機(jī)在飛行期間自動控制,之后與研究人員分享遙測數(shù)據(jù)。研究人員認(rèn)為機(jī)智號將有助于協(xié)助規(guī)劃未來火星任務(wù)。如果此次演示獲得成功,那么飛行器可能成為未來機(jī)器人和人類火星任務(wù)的一部分。
美國國家航空航天局認(rèn)為毅力號火星探測器著陸和機(jī)智號的演示堪比懷特兄弟的首次飛行。Dev Singh表示:“對高通和全人類來說,這是值得自豪的時刻。這一首次的創(chuàng)舉將為未來的創(chuàng)新鋪平道路。”
美國國家航空航天局表示,機(jī)智號所具備的全部功能不是毅力號科學(xué)任務(wù)的一部分,并且未攜帶任何科學(xué)儀器。
但是,毅力號探測器上部署有一系列廣泛的技術(shù),讓大量傳感器和芯片制造商有機(jī)會參與火星任務(wù)。正如直升機(jī)一樣,探測器必須在極低氣壓和低寒惡劣條件下工作,也必須能夠在可能出現(xiàn)全球沙塵暴的環(huán)境中運(yùn)行。
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。