亚马逊送货无人机
北京时间5月11日早间消息,据BBC报道,亚马逊上月申请了一项专利,希望无论用户身在何地,都能用送货无人机在半小时内将包裹直接送到他们手中。
在此之前,亚马逊的无人机送货计划仅局限于“送货上门”,像传统邮递员一样直接将包裹投递到用户门口。但亚马逊的这项专利申请表明,该公司还在探索新的方式,希望根据用户的智能手机判断其所在的位置,从而直接将包裹送到用户手中。
根据专利申请文件,亚马逊还专门设立了一套订单流程,用户首先通过亚马逊手机应用在线购买一些体积较小的产品,然后在配送选项中选择“送货给我”。之后,与用户距离最近的无人机系统便会执行送货任务,并将产品直接送至用户智能手机所在的位置。
一旦进入一定距离范围,无人机便可借助用户智能手机的摄像头功能实现着陆。目前还不太清楚具体实现方式,从理论上讲,客户可以自行降落无人机。不过,这一过程必须保证无人机的降落安全,避免硬着陆的情况发生。
然而,降落并非关键所在。该专利申请文件表明,无人机未必要真正接触地面即可投递货物,而是可以盘旋在用户周围,然后轻轻投下包裹。文件还现实,亚马逊希望该公司的无人机可以在空中相互交流,从而分享天气信息、地理位置、路径数据和着陆地点。
不过,亚马逊的这项无人机送货服务正式实施前仍需克服一些障碍。目前无法确保美国政府一定会批准这项专利,即使获得了专利,能否最终部署该技术也存在一些疑问。该公司还希望美国及其他国家或地区的航空管理部门允许其推广无人机送货项目,而不必非要将无人机控制在操作者的视线范围之内。
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。