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 当科技为体育注入新能量,我们都在成为5G特长生

当科技为体育注入新能量,我们都在成为5G特长生

2021-06-24 12:48
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2021-06-24 12:48 周雅

希腊神话中,当普罗米修斯将茴香树枝条伸进阿波罗的太阳车,盗取了火种赠予人间,人类社会就此进入一个文明时代。而在现代社会,不断推动人类社会进步,改变人类生产生活方式的新“火种”,便是科技之力。于是,同样源自希腊神话的现代奥运赛场,成了科技“火种”燃烧的竞技场,也就不会让人意外了。

5G+AI,体育科技竞技场的新能量

今明两年,无疑是体育产业大放异彩的两年,先后将有东京夏季奥运会、北京冬季奥运相继开幕。而在体育竞技场上,不仅是运动健儿的角逐场,也是前沿科技的检验场——5G+AI,一个新技术搭档开始频繁亮相。

回顾1959年的世界乒乓球锦标赛,中国参赛运动员为中国夺得第一个世界冠军,举国振奋,从此乒乓球运动在中国风靡,成为了事实上中国“国球”的体育项目。国球,正在亲历5G+AI这一科技之力点燃的新能量。

说到体育运动,尤其是球类运动,专业训练的痛点不是简单的对打,而是如何通过训练达到技术定型的效果,即让动作形成肌肉记忆,成为肢体习惯。传统的专业训练方式中,通常依靠教练,对运动员“喂球”,但这对教练自身的体能和水平都提出了极高要求,因为人是无法对落点、速度、旋转等参数进行精确地一致性控制的。

于是,一款庞伯特拟人型乒乓球机器人应运而生,成为科技赋能体育的最新成果,它通过对参数一致性的控制和调节,刺激运动员极限,快速形成强烈的肌肉记忆,并且能够提供符合不同水平乒乓运动者的训练模式,全面契合乒乓球训练的各种场景。

图:庞伯特发球机器人。由高通、上海庞勃特科技有限公司、中国乒乓球学院合作研发。

也就是说,与庞伯特乒乓球机器人交手,可以体验不同难度的训练内容,并拿到实时的训练数据反馈,让乒乓球训练专业且不枯燥。要说这背后的核心大脑,来自全球首款支持5G+AI的机器人平台——高通机器人RB5平台,让智能的机器之眼和灵动的机器肢体成为可能。

首先它「反应快」。乒乓球作为高速球类运动项目,需要机器人反应快且灵活,才能人机交互更融洽。而庞伯特乒乓球机器人之所以反应快,是因为它搭载的高通机器人RB5平台采用了高通AI引擎,5G低时延的特性能够实时向后端反馈训练数据,从而实时分析运动员接发球的质量。若不然,等乒乓球已经打过来,系统统计结果哪怕慢了1秒,下一个发球轨迹就已经发生,哪还有训练数据的真实可言。

图:高通机器人RB5平台。

其次它「看得准」。为保证更精准地捕捉到球的运动轨迹,庞伯特乒乓球机器人的秘密武器是——鹰眼系统,它采用由两个摄像头支持的双目视觉系统,摄像的帧率达到200赫兹。这意味着它可以在5毫秒内,同时处理完两张720P的照片。在深度学习领域,这一技术的实现,其实难度颇高。由于高通RB5平台搭载Spectra 480 ISP,一方面支持高达七个并行摄像头,能带来每秒20亿像素的处理速度,从而让机器人能够捕捉快速运动、专业级的照片和视频;另一方面带来同样强大的即时定位与地图构建(SLAM)、物体检测与分类等能力,让庞伯特能够精准记录乒乓球的运动轨迹,同时还能分析处理如球速、力度等更多数据并进行实时反馈。

最后它「挥得准」。鹰眼系统借助高通机器人RB5平台,采集了大量专业运动员挥拍数据,建立了一个球拍接发球的深度学习模型,并用它来实现乒乓球的击打动作。目前,这个系统可实现对乒乓球飞行速度、旋转、落点、过网高度的精准控制,机器人可以实现最大12m/s的发球速度,最大80转/s的旋转速度。且机器人末端的移动速度可达12米/秒,市面上很多同类型的机器人这一数据约为3-4米/秒。

图:2021高通技术与合作峰会现场,奥运冠军丁宁对战庞伯特发球机器人,左上角为鹰眼系统统计数据。

有了上述创新技术加持,庞伯特乒乓球机器人既是乒乓球专业运动员的“陪练”,又可作为乒乓球业余爱好者的“老师”,完全可以称作是体育领域的一次智能转型代表作。

从“无科技不体育”,到“无科技不千行百业”

乒乓球奥运冠军王励勤曾表示,“无科技不体育”理念近年来得到越来越多人的认可,在竞技体育中,要获得优异成绩,就需要在训练、科研、医务等方面形成合力,尤其是要加大体育科研的投入,加强科学技术在竞技体育中的运用。王励勤的观点,其实不仅适用于体育,也适用于千行百业。

5G+AI的科技“火种”已经全方面点燃。随着5G商用进入下一个阶段,科技圣火的传递步伐也正在提速,催生更多服务和更多应用。

在宏观数字上就能感受这样的风向,根据IHS《5G经济》报告最新数据显示,到2035年,全球5G价值链将创造13.2万亿美元的经济产出,创造2230万个工作岗位,是目前同等经济产出水平所支持的工作岗位数量的3.4倍。在中国,到2035年,中国的5G价值链将创造9840亿美元的产出,和950万个工作岗位。

在政策层面,急迫之情也跃然纸上。根据工信部此前起草编制的《5G应用“扬帆”行动计划(2021-2023年)(征求意见稿)》,已经明确提出要推动5G在工业互联网、车联网、智慧物流等众多领域的应用,目标到2023年,让我国5G应用发展水平显著提升,综合实力持续增强。

在生态层面,创新领导者的步伐也异常坚定。在5G所在的移动通信技术领域,我们所了解到的历史经验而言——没有任何进展可以凭企业一己之力单干,它需要一个由企业、技术、应用和用户组成的生态系统共同创造价值。这其中,生态领导者的作用极其关键。

以高通为例,自5G商用至今,高通公司和合作伙伴见证并参与了5G在中国的规模化部署。多年来,高通公司本着“植根中国、合作共赢、共谋发展”的初心,通过“5G领航计划”、“5G物联网创新计划”、5G联合创新中心、5G生态投资等一系列项目,支持无线通信、智能终端、汽车、机器人、物联网各行业的发展,助力了合作伙伴更好地把握全球市场机遇。

5G+AI,则是高通的长期工作重点。高通全球副总裁侯明娟曾这样判断, 5G+AI 将会是今后若干年移动互联网的主流趋势。应该说,两者之间进一步开发彼此潜在的优势已经得到业内共识。

覆盖了工业互联网、智能采矿、智慧城市、信息消费、车联网、智慧农业、融合媒体、云游戏、智慧医疗9大领域。而交通出行是格外值得关注的领域。最近,高通就完成了对蜂窝车联网(C-V2X)和计算机视觉相关解决方案提供商卓视智通的最新投资,将进一步推动双方在AI领域探索合作,共同推动5G赋能下智慧交通的发展。

图:高通一直推动业务和企业数字化转型,目前在多个细分市场拥有11000个客户。

“更快、更高、更强”是公认的奥林匹克精神,而从2G到5G,从云端到边缘,从计算到智能,“更快、更高、更强”同样也是技术创新演进的必由之路。运动员的卓越成就来自于自身的拼搏,也来自于教练组等各方的协力支持;面向万物互联、万物智能时代的新世界,千行百业需要开放技术生态的鼎力赋能。如果说通信、计算叠加的技术之力是新时代文明火种的新特点,那么开放、创新叠加的生态之力,则正在让“5G+AI”成为每一个行业的新特长。

点击链接,了解更多相关资讯:https://www.qualcomm.cn/join-us

分享至
0赞

好文章,需要你的鼓励

周雅

Miranda
关注科技创新、技术投资。以文会友,左手硬核科技,右手浪漫主义。
推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

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