至顶网CIO与应用频道 04月12日 北京消息:科技是汽车行业鏖战正酣的创新战场。“对于大部分OEM来说,当下,差异化的技术特色来源于汽车电子设备系统:从辅助驾驶、到安全性、再到互联网连接性无所不包”,TI汽车处理器部门车载信息娱乐平台市场营销经理Cyril Clocher这样介绍说。“OEM提供的电子设备越丰富,他们打造特色设备的方法就越多。”
电子创新也为OEM厂商降低复杂性和材料成本铺平了道路。 在2005年至2015年期间,典型汽车中的电子控制单元(ECU)数量翻了一番。 仅在过去的四年中,典型汽车的半导体材料成本上涨了8%。 围绕更少,更强大的处理器,可以让汽车制造商和原始设备制造商通过在整个产品系列中为其系统添加功能和应用来降低成本,最大化投资并提高其产品线的灵活性。
斑马智行将数字座舱视为增强车载体验的新机会。 基于2016年首个“互联网汽车”系统,面向“智能新物种智能新物种”的最新斑马智行系统利用Jacinto 6+处理器为创新的双屏数字座舱设计提供动力,该设计目前已应用到国产荣威Marvel X汽车上。
“作为全球最大的互联网汽车平台之一,斑马智行通过发展跨行业的关系建立生态系统。”斑马智行Network首席执行官郝飞表示。“智能化驾驶方式是斑马智行的使命和目标,与有影响力的技术公司合作将帮助我们实现目标。”
为了最大限度地重复使用和提升研发效率,斑马智行决定利用TI Jacinto 6+汽车处理器的软件和硬件可扩展性来增强现有的AliOS“Internet Car”系统性能,并通过集成增强现实(AR)驾驶辅助重新定义驾驶体验。
Jacinto 6系列处理器可支持多种操作系统,并保持该系列的众多处理器之间的完整软件兼容性,加之能够进行视觉算法处理,从而协助斑马智行工程团队可快速把概念转变为原型、再到成品,完成这三个阶段的超快速度在汽车行业中实属罕见。“这种开发流程通常需要三年的时间”,Cyril说道。“TI与斑马智行协作将概念转化为车载系统,仅用了12个月。”
荣威Marvel X智能数字化驾驶舱系统,在现有荣威“智能网联汽车”功能的基础上,采用19 英寸中央显示屏和12.3英寸全数字仪表屏、高精度地图结合新颖的AR驾驶功能,重新定义驾驶,令人眼前一亮。所有这些特性与完整的AliOS体验融为一体,幕后的推手仅仅是单个Jacinto 6+处理器。
现有平台与Jacinto汽车处理器的可扩展性相结合,为荣威 Marvel X开发增强型智能数字座舱解决方案奠定了基础。单个Jacinto 6+处理器可提供斑马智行数字座舱所需的所有处理功能。。 该处理器还提供扩展图像,信号和视觉处理功能,以支持在环绕视图之上集成AR驱动。 Jacinto 6+处理器提供管理实时图像处理所需的功能,各种驱动程序辅助模块以及可在系统中设计和升级的信息读取。
Jacinto 6+处理器具有强大处理能力和图形功能,因而它成为满足斑马智行对于实现基于AliOS的精致复杂的双显示屏座舱设计需求的选择。 这只是选择合适的处理器如何影响汽车创新的一个例子。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。