
在本届CES上,Parrot又推出两款新奇的智能玩具,分别是MiniDrone与Jumping Sumo。
Jumping Sumo是一款可以在地上行走并跳跃的遥控机器人,通过智能终端设备对它进行操控,它配备一个陀螺仪及一个加速计,反应极其灵活敏捷,支持拍摄功能,拥有弹性的冲击系统使得Jumping Sumo可以跳来跳去,机身采用弹性的塑料材质使得它在自然落下时可以承受比较大的冲击力。
MiniDrone是Parrot的AR.Drone产品“缩小版”,也是四轴直升机。用户可通过Bluetooth Smart技术把MiniDrone与智能终端连接,达到操控的目的,它支持拍摄功能,内置的超声波传感器、加速度计、陀螺仪等感应器及自动驾驶功能,还配备两个碳纤维车轮,可沿墙壁迅速攀爬或快速穿越天花板,真的是偷拍利器。
下面请看演示视频:
[video]uu=dfa091e731&vu=6513556245&auto_play=0&width=600&height=450[/video]
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。