
2014年国际消费类电子产品展览会(CES)在美国拉斯维加斯拉开了帷幕。而随着停车和拥挤的交通已经成为两大最单调乏味的驾驶状况,在展会上,汽车设备供应商为我们展示了怎样减轻司机在停车时负担的过程。
在无人驾驶汽车演示区,法雷奥(Valeo)为我们展示了一台配备其新技术的路虎揽胜极光(Range Rover Evoque)停车的过程。站在一旁的工作人员只需点击控制一款iPhone应用,路虎揽胜就会开始沿一行汽车向前行驶,寻找停车位。当它发现一个空车位时,就会自动开过去,然后掉转方向盘,倒车停入空位。它甚至能够自动正位,向前行驶一点然后再倒车,以确保与其两侧汽车的距离均匀。
而在停车过程中,该无人驾驶汽车完全独立行驶,并未预先设定路线。法雷奥指出,尽管这次只演示了汽车如何倒车泊入停车位,它还可以进行平行泊车或机头向内停放入库,而且后两者的操作实际要比倒车入库更容易。
该汽车配有12个超声波传感器,前面和后面各装有6个,前护栅上安装有一台激光扫描仪和四个摄像头。而这些摄像头和超声波传感器设备目前都可在路虎揽胜汽车上找到。
此外,法雷奥还为这台无人驾驶汽车添加了一个CPU,用以分析传感器数据并确定进入停车位的最佳路线,以及转向、制动、加速的控制。该CPU并未超过标准汽车发动机控制器的大小。
虽然法雷奥也可以将该控制系统嵌入一把遥控钥匙中,但对司机而言,智能手机应用是启动该系统的一种便捷方式。在演示中,法雷奥通过WiFi连接将手机与汽车联通,而且任何通信协议都是可行的。
同时,这项功能也可以很容易地拓展出另一种功能,即可操纵汽车自动从停车位驶出,来到车主面前。法雷奥为宝马提供了一些这方面的技术,使得宝马i3的自动停车功能成为可能。至今为止,还没有哪家汽车制造商宣布过其已研发出无人驾驶停车功能。
好文章,需要你的鼓励
这项由Snowflake AI Research发表的研究挑战了传统语言学对大型语言模型的批评,通过引入波兰语言学家Mańczak的理论框架,论证了LLM的成功实际上验证了"频率驱动语言"的观点。研究认为语言本质上是文本总和而非抽象系统,频率是其核心驱动力,为重新理解AI语言能力提供了新视角。
freephdlabor是耶鲁大学团队开发的开源多智能体科研自动化框架,通过创建专业化AI研究团队替代传统单一AI助手的固化工作模式。该框架实现了动态工作流程调整、无损信息传递的工作空间机制,以及人机协作的质量控制系统,能够自主完成从研究构思到论文发表的全流程科研工作,为科研民主化和效率提升提供了革命性解决方案。
德国马普智能系统研究所团队开发出专家混合模型的"即时重新布线"技术,让AI能在使用过程中动态调整专家选择策略。这种方法无需外部数据,仅通过自我分析就能优化性能,在代码生成等任务上提升显著。该技术具有即插即用特性,计算效率高,适应性强,为AI的自我进化能力提供了新思路。
Algoverse AI研究团队提出ERGO系统,通过监测AI对话时的熵值变化来检测模型困惑程度,当不确定性突然升高时自动重置对话内容。该方法在五种主流AI模型的测试中平均性能提升56.6%,显著改善了多轮对话中AI容易"迷路"的问题,为构建更可靠的AI助手提供了新思路。