
当地时间本周二,美国专利商标局(US Patent and Trademark Office)批准苹果“根据检测到的停车情况做出路线选择”专利(Routing based on detected stops),为众包导航概念向前推进一步。
图:苹果最新专利显示,导航系统能够根据红灯、停车标志和沿途障碍物数量进行导航。
当前众包导航产品如Waze整合大量司机提供的交通数据,为用户到达目的地提供捷径。大众信息较通过标准导航应用如Google Maps和苹果Maps应用获得的信息更准确、及时,但目前众包系统仅仅是考虑用户沿途上可能存在的造成停车或减速的各个事件,能够真正找到最佳路线的更智能系统将是每位司机的福音。
在苹果专利中,该智能导航系统通过用户移动设备上的GPS收集检测到的汽车停车次数,判断每次停车持续时间。我们甚至能够通过分析信息甄别出红灯与停车标志。数据本身被发送至一台远程服务器上,然后交通工具通过Google Maps或苹果Maps常规导航应用接入该系统后,实现共享。
司机利用导航信息判定到达目的地的最快路线,还能够根据数据准确估算行程时间,甚至在不迟到的情况下决定出行的最佳时间。
随着时间推移,服务器还能够收集并整理数据,根据红灯位置、每日时间段及其他因素预测出明确的交通模式。
一般情况下,即使是一项获准专利也不意味着该技术能够进入现实生活,但司机对新专利充满期待。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。