科技行者 6月5日 北京消息: 近日,欧洲全球导航卫星系统局(European Global Navigation Satellite Systems Agency,简称GSA)在官网以大篇幅报道了小米8发布的消息。
GNSS(Global Navigation Satellite Systems),中文即全球导航卫星系统,是指通过一系列导航定位卫星在太空中向地面上的GNSS接收机传输带有时间与位置数据的信号,然后接收机通过这些数据来计算位置。
根据定义,GNSS系统提供全球覆盖,包括欧洲的伽利略、美国的GPS、俄罗斯的GLONASS与中国的北斗卫星导航系统。
GSA称,小米8是全球首款搭载双频GNSS的智能手机,也是全球首个可提供分米级定位与导航精度的手机。
报道全文如下:
小米8已于5月31日发布,搭载博通BCM47755芯片,成为世界上首款可以为定位服务和车载导航提供分米级定位精度的智能手机。
小米已经发布了世界上首款支持双频GNSS的智能手机小米8。这款智能手机可以说是GNSS技术的突破性代表,也是博通革命性的BCM47755芯片的首次商用。
去年发布的博通BCM47755是一款支持双频 (E1/L1+E5/L5) GNSS的芯片,它可以将定位的计算精度提升到分米级别。此前依托于定位服务的移动应用受限于单频GNSS,其精度一直被限制在米级。但是近年来GNSS发射了很多支持全新频段的卫星,尤其是伽利略定位系统大部分都是由拥有E1/L1+E5/L5频段的卫星组成,这为提高定位精度增加了新的可能。
使用伽利略卫星提高精度
小米8以及未来将使用双频GNSS的终端产品用户,都将会在城市环境下获得更好的定位以及导航体验。这取决于E5/L5频段的特殊性,该频段可以更容易区分出真实信号和建筑物反射的信号,以降低多径效应的影响(多径效应是在城市和其他富有挑战性环境下引起导航偏差的主要来源)。数量众多的伽利略卫星可以广播E5信号为全球用户提供定位的精准提升。另外,同时使用双频信号可以减少如电离层造成的信号误差,多频信号更具抗干扰能力。
除了现存应用可以更加精准定位外,双频GNSS还可为全新应用如增强现实、车辆导航以及地图测绘等提供更多机会。
GSA(欧洲全球导航卫星系统局)市场开发负责人Gian Gherardo Calini在产品发布时评论称,全球首款双频GNSS智能手机进入大众市场对于全世界用户来说都是一个突破,“更精准的定位精度可以帮助开发者创造全新的应用去满足越来越高的定位需求,也能打开以前只能在专用设备上运行的应用程序。”
博通公司无线通信和连接部门产品营销副总裁Alex Chou表示:“博通很高兴看到小米最新的旗舰手机应用了双频GNSS技术。小米8作为全球第一款采用BCM47755的智能手机,将智能手机的定位导航提升了一个全新的水平。”
小米产品市场总监臧智渊表示:“全球卫星定位系统是非常伟大的发明,对智能手机尤为重要。如今地图导航App和LBS-based App对于定位的精确性越来越高,双频GPS可以有效提升它们的体验。小米非常荣幸成为了全球首家支持双频GPS功能的手机厂商,我们会持续创新,让全球每个消费者都能享受科技带来的美好生活。”
定位服务的新时代
全球首款双频GNSS智能手机的发布,再加上Android系统提供的GNSS原始数据的访问权限,为定位服务开发者创造了令人兴奋的机会。对GNSS原始数据的访问权限为手机使用更高级的定位算法打开了一扇大门,此前仅有更高级的卫星定位接收器能够使用相关算法。这能让普通用户充分享受伽利略定位系统的独特优势。
考虑到以上机会,去年开始,GSA(欧洲全球导航卫星系统局)鼓励卫星导航与定位领域的相关科研单位及公司围绕GNSS原始数据展开创新,并作为GNSS原始数据工作组的一部分。今年一月,GSA发布了在Android系统中应用GNSS原始数据的白皮书,向开发者提供了获取原始数据的深入介绍,以及应用这些数据为大众市场设备引入高级GNSS技术的指导。
在此基础上,位于布拉格的GSA总部将在5月30日召开专题研讨会,主题为“GNSS原始数据:从研究到商用”。会上,GSA与GNSS原始
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。