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
openGauss的目标是探索oGRAC和超节点深度融合的可能,打造超节点原生数据库。
清华团队开发DKT模型,利用视频扩散AI技术成功解决透明物体深度估计难题。该研究创建了首个透明物体视频数据集TransPhy3D,通过改造预训练视频生成模型,实现了准确的透明物体深度和法向量估计。在机器人抓取实验中,DKT将成功率提升至73%,为智能系统处理复杂视觉场景开辟新路径。
字节跳动研究团队提出了专家-路由器耦合损失方法,解决混合专家模型中路由器无法准确理解专家能力的问题。该方法通过让每个专家对其代表性任务产生最强响应,同时确保代表性任务在对应专家处获得最佳处理,建立了专家与路由器的紧密联系。实验表明该方法显著提升了从30亿到150亿参数模型的性能,训练开销仅增加0.2%-0.8%,为混合专家模型优化提供了高效实用的解决方案。
上海AI实验室团队开发的Yume1.5是一个革命性的AI视频生成系统,能够从单张图片或文字描述创造无限可探索的虚拟世界。用户可通过键盘控制实时探索,系统8秒内完成生成,响应精度达0.836,远超现有技术。该系统采用创新的时空通道建模和自强制蒸馏技术,支持文本控制的事件生成,为虚拟现实和内容创作领域开辟了新的可能性。