北京时间2月19日凌晨4:55(美国太平洋时间18号12:55),毅力号探测器在火星上安全着陆,在腹部携带有4磅重的“机智号(Ingenuity)”无人直升机。
美国国家航空航天局(NASA)表示,搭载于毅力号探测器下腹部的机智号火星直升机成功着陆。在着陆后一个多月,机智号将在大气极其稀薄的火星环境中进行五次试飞,将实现在地球以外其它星球上的首次无人机动力飞行。
未来几周,机智号将在大气稀薄的火星环境(空气密度约为地球环境的1%)执行测试功能。火星气压极低并且极其寒冷,耶泽洛(Jezero)陨石坑着陆场夜间温度低至零下90摄氏度(零下130华氏度),将考验无人机及其电子器件的适应力。机智号依赖直径约4英尺的对转共轴旋翼在稀薄大气中快速旋转进行工作。
机智号直升机采用高通Snapdragon Flight平台作为其计算机的核心,包括一颗四核CPU、一颗GPU和一个5500万像素俯视图像信号处理器。该计算机利用摄像头追踪到的火星表面地理特征控制视觉导航算法。
高通业务拓展高级总监兼自动机器人、无人机和智能电器负责人Dev Singh在接受外媒Fierce Electronics采访时表示:“令人出乎意料的是,机智号上的骁龙处理器本身并没有进行强化加固,尽管NASA喷气推进实验室(NASA JPL)已对处理器进行了包围保护,以避免受到火星低气压和低寒的影响。”
Dev Singh表示,实际上,该平台采用的骁龙芯片与数十亿智能手机中所用的骁龙芯片没有多大区别。2016年高通率先开始与NASA JPL合作开展机智号项目。高通Snapdragon Flight平台是用于无人机和机器人的多功能芯片平台。
Dev Singh证实,高通希望在未来任务中继续与NASA JPL合作,尽管他未对此做详细说明。为了应对其他星球上更加恶劣的条件,未来项目中采用的芯片可能会被加固。他表示,参与机智号的研发,将有助于提升并获得面向工业场景使用的机器人和无人机经验与洞察,并可能有助于开发以蜂窝通信连接的群组机器人。
通过探测器和直升机上搭载的900 MHz SiFlex芯片组建立Zigbee无线电链路,支持机智号与探测器通信。探测器通过火星轨道飞行器与地球建立连接。
无人直升机计划在探测器着陆火星表面至少一个月后,预计在30天测试期内进行五次飞行。首先将开展离火星表面15英尺的短距垂直测试,然后将沿着飞行方向来回进行约150英尺的水平飞行。飞行将由NASA JPL规划安排,但直升机在飞行期间自动控制,之后与研究人员分享遥测数据。研究人员认为机智号将有助于协助规划未来火星任务。如果此次演示获得成功,那么飞行器可能成为未来机器人和人类火星任务的一部分。
美国国家航空航天局认为毅力号火星探测器着陆和机智号的演示堪比怀特兄弟的首次飞行。Dev Singh表示:“对高通和全人类来说,这是值得自豪的时刻。这一首次的创举将为未来的创新铺平道路。”
美国国家航空航天局表示,机智号所具备的全部功能不是毅力号科学任务的一部分,并且未携带任何科学仪器。
但是,毅力号探测器上部署有一系列广泛的技术,让大量传感器和芯片制造商有机会参与火星任务。正如直升机一样,探测器必须在极低气压和低寒恶劣条件下工作,也必须能够在可能出现全球沙尘暴的环境中运行。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。