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
论文提出CAST框架,通过多智能体系统把任务成败的粗略反馈转化为逐步动作的详细批评理由,训练出更懂节制的批评模型,再用它优化执行策略,让8B小模型在可靠性指标上反超120B大模型,提升智能体在真实动态环境中的稳定表现。
论文提出NavMCP框架,用意图、观察、记忆三条通道把VLM推理与导航基础模型NFM结合,解决具身问答中长距离探索问题,在多个基准和真实机器狗测试中均取得最优效果。
研究发现教师模型批改学生生成内容时噪声率高达50%,但学生依然能进步。作者发现真正起作用的是压制学生自己低概率词,据此提出无需外部监督的OPSA方法,在AIME24等数学测试上带来最高307%的提升。
PaperGym提出一套把科研论文转化为AI训练环境的方法,解决科研计划生成缺乏可验证奖励的难题,通过问题答案分离降低评分标准泄露,结合自蒸馏与强化学习两阶段训练,让小模型在多个基准上超越更大规模的商业模型。