Jawbone®今天发布了多感应器活动追踪器UP3™,为您提供与自身健康相关的深度信息。
在修长的外观下,UP3™多感应器专利平台能够采集各种数据,为您的健康和锻炼提供详细的观察报告和指南:
多感应器平台:先进的多感应器平台包括全新的三轴加速计,精密的生物抗阻感应器和皮肤及环境温度感应器。利用这项技术,UP3™能够追踪静息心率 - 整体心脏健康的关键指标,并且能够通过未来固件更新采集更多健康数据。
高阶睡眠:UP3™能够采集详细的睡眠阶段,包括快速眼动睡眠 (REM)、浅度睡眠和深度睡眠,提供深入的睡眠信息以及改进睡眠的方法。
高阶活动:全新的智能算法让UP3™能够自动识别锻炼并对活动分类,包括跑步、交叉训练、网球等。
智能教练Smart Coach:UP3™连接行业领先的UP应用程序提供智能教练Smart Coach功能,这是一款能够追踪进度并提供个性化指导,帮助你更快达到目标的智能系统。UP3™采集的睡眠、活动、饮食和其他生物计量信号信息越多,智能教练Smart Coach能够帮到你的就越多。
巧妙设计:UP3™由业内领先的设计师Yves Behar操刀设计,具有轻盈、时尚和低调的设计风格,可以与珠宝或手表一起佩戴在手腕上。UP3™续航时间长达七天,水下10米仍可以正常工作,拥有耐用的电镀铝外框,是市场上唯一可以全天佩戴的追踪器。UP3™拥有安全的重叠式手表型扣环,可以根据手腕的不同尺寸进行调节。
Jawbone®产品管理和战略副总裁Travis Bogard表示:“我们打造UP3™的使命是推出世界上功能更强大、设计更小巧的追踪器。 在智能算法和高度个性化智能教练Smart Coach系统的支持下,我们先进的多传感器平台能够提供大量新的健康数据。而且因为UP3™支持更新,所以我们可以在未来几个月提供新的功能和体验。”
了解心脏健康
先进的生物抗阻传感器让UP3™可以自动、准确地测量静息心率(刚刚苏醒时的心率),不受运动、活动或摄入咖啡因等其他因素的影响。通过 UP 应用程序,你可以观察静息心率的历史变化,认识到健康心率对你的意义。即将推出的免费 UP3 无线固件更新则可以采集更多健康数据。
追踪,理解,行动
UP3™ 拥有精密的多传感器平台,能够识别详细的睡眠阶段 - 快速眼动睡眠 (REM)、浅度睡眠和深度睡眠 - 提供与睡眠状态有关的全新的观察报告。选择早睡,记录更多与身体恢复、治愈和记忆力相关的深度睡眠。延长睡眠时间则会有更多REM睡眠,这通常与做梦、学习和巩固记忆有关。
UP3™ 中强大的传感器和智能算法能够在你完成一项活动或锻炼后自动检测活动。UP应用程序可以识别多种常见活动,包括跑步、交叉训练、有氧运动、网球、远足,甚至跳舞、尊巴等其他运动。而且通过长时间了解你的行为模式,系统可以自动分类其他难度更大的活动,如游泳、自行车运动、举重或瑜伽。
UP 应用程序的智能教练Smart Coach功能使用 UP3™ 采集的丰富信息,提供个性化指导和专为你定制的挑战。了解如何改进自己的活动、睡眠、饮食和心率,这样你就可以更快地实现目标,为自己的健康幸福带来更大改观。
上市时间:2015年初
UP3™有两种颜色 (Black Diamond, Silver Cross) 供你选择, 售价为 1598元人民币,今年冬天开始在 Jawbone.com官方网站发售,苹果专卖店以及其他大型电子商城将于2015年初开始发售。
适用于UP3™的Jawbone UP应用程序即将推出 iOS 版本,可以在App Store应用商店免费下载。明年将推出兼容安卓系统的UP3应用程序。支持iOS的Jawbone UP应用程序不久就可以从App Store下载,兼容Android应用程序的UP3™应用程序将在明年年初推出。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。