微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 旧手机派上大用场:看老旧CPU如何为火星上的首次飞行提供动力

旧手机派上大用场:看老旧CPU如何为火星上的首次飞行提供动力

2021-04-15 20:01
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2021-04-15 20:01 科技行者

如果你有一部新的Android手机,其处理器可能比控制火星首次飞行的处理器更先进。

NASA设计制造的机智号直升机定于4月14日开启自己在火星上的首段航程。这架直升机搭载有经典的骁龙801处理器,同款芯片曾在2014年至2015年间发布的智能手机中大放异彩。

该系统拥有一块名为Qualcomm Flight Platform的集成电路板,负责执行自动飞行任务。

图示:机智号已经成功抵达火星表面并解锁了其旋翼桨片。

NASA喷气推进实验室(JPL)的工作人员负责提前规划机智号的行程,但考虑到地球与火星间相距过远带来的通信延迟,整个航线将由机智号自主完成。这里多解释一句,面对1.73亿英里的地球和火星距离,无线电信号需要15分钟以上才能从发送端抵达接收端。

高通公司机器人、无人机与智能机器总经理Dev Singh在采访中表示,“我们指望不上跳线、也用不了远程操控——大部分智能功能只能由平台自主实现。”

旧手机派上大用场:看老旧CPU如何为火星上的首次飞行提供动力图示:机智号将在30个火星日(相当于31个地球日)的演示窗口内最多尝试5轮飞行。

高通的这套平台将负责捕捉来自两个摄像头与多部传感器的数据。这部分数据将供算法解析,用以引导机智号的前进方向。

如果无人机因火星表面的障碍物或其他条件而被迫偏离航道,该系统将及时介入并做出调整。

高通政府科技业务开发高级总监Chris Pruetting强调,“我们的整个飞行模型完全基于机载传感器与计算机视觉技术,我个人将其称为「视觉导航」。”

旧手机派上大用场:看老旧CPU如何为火星上的首次飞行提供动力图示:NASA的机智号直升机于2021年3月30日成功登陆火星。

毅力号火星车的通信系统中同样搭载有Qualcomm Flight平台,机智号正是搭乘毅力号成功登陆火星。

在毅力号上,Qualcomm Flight平台将处理由机智号捕捉到的图片,而后将结果发送回地球。

Pruetting解释道,“我们对机智号捕捉到的图像充满好奇。喷气推进实验室的研究人员也期待着数据的顺利发回,希望借此积累在火星表面飞行的更多专业知识。”

NASA将利用这些知识开发出更先进的下一代直升机,借此探索地面火星车无法前往的广阔火星区域。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 奖励设计:让AI学会智能使用工具的关键
    2025-04-23 17:39

    奖励设计:让AI学会智能使用工具的关键

    想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。

  • ToolRL:奖励设计是工具学习所需的全部
    2025-04-23 17:34

    ToolRL:奖励设计是工具学习所需的全部

    想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。

  • X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御
    2025-04-23 14:08

    X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御

    想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。

  • "思考操纵":用外部思考让大型推理模型更高效
    2025-04-22 16:43

    "思考操纵":用外部思考让大型推理模型更高效

    想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-