繼Qualcomm Flight平臺助力“機智號”直升機在火星成功完成無人飛行的關(guān)鍵突破之后,高通技術(shù)公司繼續(xù)強化其在無人機領(lǐng)域的領(lǐng)導(dǎo)力,推出全球首個由5G和AI賦能的無人機平臺和參考設(shè)計——Qualcomm Flight RB5 5G平臺。該全新解決方案可助力加速消費級、企業(yè)級和工業(yè)級無人機的開發(fā),助力計劃采用無人機解決方案并發(fā)揮智能邊緣優(yōu)勢的行業(yè)擁抱創(chuàng)新機遇。Qualcomm Flight RB5 5G平臺采用高通QRB5165處理器,并基于高通技術(shù)公司最新物聯(lián)網(wǎng)技術(shù)打造,為推動下一代高性能、低功耗5G無人機的發(fā)展提供解決方案。
作為全球5G普及的主要推動力量,高通技術(shù)公司一直對賦能5G擴展和變革機器人與無人機行業(yè)具有遠(yuǎn)見,并積極加速其進程。Qualcomm Flight RB5 5G平臺為無人機行業(yè)帶來前沿功能,將多項復(fù)雜技術(shù)融入緊密集成的無人機系統(tǒng),以支持不斷演進的應(yīng)用和廣泛領(lǐng)域的全新用例,包括影視制作與娛樂、安全與應(yīng)急救援、物流配送、防務(wù)、檢測和測繪等領(lǐng)域。
高通技術(shù)公司業(yè)務(wù)拓展高級總監(jiān)兼自主機器人、無人機和智能電器負(fù)責(zé)人Dev Singh表示:“我們與眾多領(lǐng)先的無人機公司持續(xù)合作,為全球超過200家機器人和無人機生態(tài)系統(tǒng)合作伙伴提供支持。與此同時,我們在3GPP、GSMA、全球無人機交通管理系統(tǒng)(UTM)協(xié)會、空中連接聯(lián)合倡議計劃(ACJA)以及美國材料與試驗學(xué)會(ASTM)等組織中,持續(xù)推動全球無人機的標(biāo)準(zhǔn)化工作和革新性的5G功能應(yīng)用。我們倍感自豪推出Qualcomm Flight RB5 5G平臺,繼續(xù)推動全球眾多行業(yè)數(shù)字化轉(zhuǎn)型。該解決方案專門面向無人機開發(fā)而打造,具備增強的自主和智能特性,為工業(yè)級、企業(yè)級和消費級細(xì)分市場帶來頂級聯(lián)網(wǎng)飛行能力。”
Qualcomm Flight RB5 5G平臺能夠以超低功耗支持高性能異構(gòu)計算,提供面向AI和機器學(xué)習(xí)(ML)的高能效邊緣側(cè)推理,賦能全自主無人機。突破性的影像功能支持頂級圖像處理特性和性能。憑借5G和Wi-Fi 6連接,該平臺增強了關(guān)鍵的超視距(BVLOS)飛行功能,支持更安全、更可靠的飛行。此外,僅依靠安全控件無法保障工業(yè)和消費級無人機安全,尤其當(dāng)無人機擴展至超視距操作時更是如此。作為數(shù)據(jù)保護和安全要求的關(guān)鍵功能,Qualcomm Flight RB5 5G平臺采用高通安全處理單元,支持現(xiàn)代無人機網(wǎng)絡(luò)安全防護需求。
高通技術(shù)公司最新推出的無人機解決方案獲得全球運營商和物聯(lián)網(wǎng)生態(tài)系統(tǒng)領(lǐng)軍企業(yè)的認(rèn)可和支持。高通技術(shù)公司正在與Verizon合作完成Qualcomm Flight RB5 5G平臺基于Verizon 5G網(wǎng)絡(luò)的網(wǎng)絡(luò)測試,預(yù)計支持5G毫米波的Qualcomm Flight RB5 5G平臺將通過Verizon Thingspace Marketplace銷售。
Qualcomm Flight RB5 5G無人機參考設(shè)計現(xiàn)已通過ModalAI預(yù)售。Qualcomm Flight RB5 5G開發(fā)套件預(yù)計將于2021年第4季度面市。
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(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。