
CNET科技资讯网 3月29日 国际报道:受益于无人驾驶汽车的兴起,全球的科研人员正在谋划一个没有交通信号灯与道路堵塞的未来。
交通信号灯有一天会在我们的城市中变得无足轻重吗?研究人员说,由于无人驾驶汽车的出现,这样的未来是可能来到的。
谷歌、奔驰和Delphi等公司正在开发无人驾驶汽车。现在,智能感应器、信息娱乐仪表板和巡航控制部件不断出现,而自动驾驶汽车超越了这些概念,完全用计算机代替了司机。
谷歌是无人驾驶汽车的拥护者,该公司声称,自动驾驶汽车的安全性超过了人驾驶。
安全性不是唯一的问题,如果自动驾驶汽车普及,我们可能堵在路上的时间会大大减少。
来自麻省理工学院,瑞士理工学院和意大利国家研究委员会的研究人员提出了“光流量”(Light Traffic)的概念,它能够让无人驾驶汽车无需等待通过交通繁忙的路口。
“光流量”使用感应器与无人驾驶汽车通讯,在汽车达到之前预留出通过的时间节点。这种系统使得汽车能够保持一个 安全距离,从而实现无缝通过路口。
这套系统可以灵活修改,可用于骑自行车和行人的交通管理。
麻省理工“可感应城市实验室”主任Carlo Ratti表示:“交通繁忙的路口是一个异常复杂的空间,因为你在同一地段有两股车流,我们的系统将重点由交通流量层面转移到了车辆层面。最终,这是一个更有效的体系,因为当有通过的节点,汽车会迅速通过路口。”
开发人员认为,这套系统可以很大程度避免“停停走走”的场面出现,也将有利于汽油燃烧带来的环境污染。
总的来说,新系统将十字路口的交通流量增加了一倍,改善了城市交通。
麻省理工“可感应城市实验室”科学家Paolo Santi表示:“认识到自动驾驶汽车对城市层面的影响非常重要。现在的道路 有几十年的的生命周期,新技术的出现肯定会对道路产生影响。”
本月初,谷歌表示,无人驾驶汽车让美国政府在停车,道路基础设施与公共交通上面花费更少的钱。
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。