北京时间6月17日上午消息,怎么让司机认路成了Uber的大问题。或许你还记得几天前Uber开发了一款游戏,专门训练司机认路,同时改进应用导航服务。现在这家公司又把谷歌地图的前任主管挖过来了。
Uber周二宣布,谷歌地图业务前负责人布莱恩-麦克莱顿(Brian McClendon)将领导Uber的先进技术中心,向Uber首席产品官杰夫-霍尔顿(Jeff Holden)报告工作。近期,Uber正在投入资源,开发自主的地图和导航技术。
谷歌和Uber之间的竞争气氛越来越浓。近期,谷歌正考虑推出自主的打车服务,而Uber则开始关注谷歌已投入大量资源开发的无人驾驶汽车技术。今年2月,Uber宣布与卡耐基梅隆大学合作开发交通及地图技术,随后还在匹兹堡成立了先进技术中心。之前也有Uber联合百度竞购诺基亚地图业务的消息。
霍尔顿在一封电子邮件中表示:“我们很高兴麦克莱顿加入Uber团队。他从早期开始就负责了谷歌地球和谷歌地图的开发,而这些是世界级的产品。”
好文章,需要你的鼓励
清华大学等多家机构研究团队完成了语音分离技术的全面调研,系统梳理了从传统方法到深度学习的技术演进。研究揭示了"鸡尾酒会问题"的核心挑战,分析了各种学习范式和网络架构的优劣,并通过统一实验框架提供了公平的性能基准。调研涵盖了实时处理、轻量化设计、多模态融合等关键技术方向,为学术界和产业界的技术选型提供了重要参考,推动语音分离从实验室走向实际应用。
浙江大学和腾讯微信视觉团队发现AI图片生成训练中"时机胜过强度"的重要规律,开发出TempFlow-GRPO新方法。通过轨迹分支技术精确评估中间步骤,结合噪声感知权重调整优化不同阶段的学习强度,将训练效率提升三倍,在复杂场景理解方面准确率从63%提升至97%,为AI训练方法论带来重要突破。
谷歌DeepMind发布突破性AI规划技术,让机器人学会像人类一样进行"情境学习"规划。该技术通过Transformer架构实现了快速适应新问题的能力,在迷宫导航、机器人控制等测试中表现优异,为自动驾驶、智能制造、医疗等领域应用奠定基础,标志着向通用人工智能迈出重要一步。
新南威尔士大学研究团队开发了ZARA系统,这是首个零样本运动识别框架,能够在未经专门训练的情况下识别全新的人类活动。该系统集成了自动构建的知识库、多传感器检索机制和分层智能体推理,不仅实现了比现有最强基线高2.53倍的识别准确率,还提供清晰的自然语言解释,为可穿戴设备和健康监护等应用领域带来了突破性进展。