微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 国际海事卫星组织与澳大利亚航空业合作 提升航班追踪系统

国际海事卫星组织与澳大利亚航空业合作 提升航班追踪系统

2015-03-03 12:14
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2015-03-03 12:14 CNET科技资讯网

国际海事卫星组织(Inmarsat), 作为全球移动卫星通信和安全服务的领先供应商,在3月1日宣布,与澳大利亚航空服务公司(Airservices Australia) 及其他主要航空业的利益相关者携手合作,在来往澳大利亚的航班上推出新的客机追踪系统。

此宣布是源于国际民用航空组织( ICAO)在 2 月 6 日通过的一项决议,商用飞机须采用新的15分钟客机追踪标准。 ICAO 作为联合国组织一员,旨在推动国际民航标准和建议相关措施。

国际海事卫星组织(Inmarsat)会与行内合作伙伴,包括澳大利亚航空服务公司 (AirServices Australia),澳洲航空(Qantas)和维珍澳大利亚(Virgin Australia)制定试验概念,在澳大利亚的海洋区域展开自动相关监视系统( ADS-C )测试。

澳大利亚航空服务公司(Airservices Australia) 是首家利用 Inmarsat 的自动相关监视系统 ADSC 服务来测试国际民航组织新标准的空中导航服务提供商( ANSP )。 ADS-C 为空中交通管制员在其负责的空中领域不断提供更新的监视画面,从而确保在海洋上空操作的安全和效率。

目前已有一万一千架商业客机配备了国际海事卫星组织的卫星连接系统,占全球长途商业飞机数目的 90%以上。参与测试的航空公司包括澳航和维珍澳大利亚。国际海事卫星组织总裁鲁珀特•皮尔斯表示: “这项测试对于国际航空的安全性至关重要,我们非常高兴能够与澳大利亚航空服务公司(AirServices Australia),以及我们的合作伙伴共同实施此项改进了的客机追踪服务。”

“我们对国际民航组织的新追踪标准决定表示赞同,也相信我们能善用现有的全球卫星覆盖,在时限内实施新的追踪标准。国际海事卫星组织一向都以安全为上。 我们随时准备与航空公司和空中导航服务供应商合作,提供正常和异常航班追踪服务。”

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-