7月25日,由中国城市轨道交通协会主办的2019北京国际城市轨道交通展览会在北京盛大开幕。作为城轨数字化解决方案领导者,紫光旗下新华三集团以“基于智能数字平台 构建城轨数字大脑”为主题,携城轨数字大脑计划强势亮相,与来自全国的轨道交通数字化专家分享新华三在城轨领域的创新技术,共同探索城轨数字化转型的发展路径。
城轨建设进入黄金期,城轨数字大脑引领城轨数字化转型
十三五期间,我国城市轨道交通迎来建设高峰期,预计将新增运营里程3000公里,投资额有望超过2万亿元。如何通过云计算、大数据、人工智能、物联网等前沿技术的部署和应用,推进城轨建设向全自动驾驶、线网运营、服务创新、智能运营等方面加速转型升级,是城轨行业面临的关键议题。
为助力城轨行业用户加速数字化转型进程,新华三城轨数字大脑计划通过整合数字基础设施、业务能力平台、主动安全、统一运维的智能数字平台,结合生态伙伴创新智慧应用,可以提供感知、联接、汇聚和分析决策等多层面的服务能力,将成为推动城轨行业向智能化、数字化、网络化转型升级的最有力支撑。
新华三全面展示了智能数字平台面向智慧城轨的能力输出:通过智能演进的数字基础设施为智慧城轨构建全面感知和数据互通管道全场景互联的能力;借助城轨云实现应用云化与运营创新,通过智能安防解决方案提供安防支持,利用大数据、人工智能、物联网等数字平台的融合能力,与生态伙伴融合创新;等级保护2.0、安全态势感知等则共同为智慧城轨建立全方位的主动安全保护;混合架构资源监控管理则通过基础架构、业务应用、用户体验的全栈管理实现智慧城轨的统一视图管理、统一调度管理和统一监控管理,从而以“数字大脑”的整体形态共同支撑智慧城轨的业务创新。
业界领先车地无线方案,打造高效数据通道
新华三全新亮相的WLAN车地无线方案亦吸引了众多参会者关注,智慧城轨的建设中,车地无线网络是基础。新华三为城轨行业定制的全新WLAN车地无线方案目前已成功通过120km/h及160km/h高速移动环境下的高适应性和高带宽测试:车地无线网络平均带宽均可达到350Mbps以上,平均丢包率小于0.1%,平均切换时延小于20ms,完全可以适应列车的高速移动场景,新华三一举成为国内首家成功将WLAN IEEE802.11ac Wave2技术应用于城轨高速移动场景的数字化企业。
截至目前,新华三的车地无线解决方案已经广泛应用于全国20多个城市的50余条地铁线路,有效保障地铁平稳安全地运行。
一朵城轨云,托举城轨智能数字平台核心力量
智慧城轨建设包罗万象,新业务、新应用、新技术层出不穷,那么什么才是智慧城轨的技术基础架构?以城轨云为核心的城轨智能数字平台支撑智慧城轨当下与未来发展的核心技术框架,新华三基于多年实践经验,深刻洞察城轨云化运营趋势,在业界率先推出了城轨全栈云解决方案,融合多种城轨场景生态应用,为城轨行业提供云化架构、云化安全与云化资源的部署,同时还能实现生态应用的“全接入”,承载城轨多个业务系统的高效运行,为轨道交通提供全生命周期服务,有效推动智慧城轨的高速发展。
作为轨道交通数字化核心技术创新与实践的推动者,新华三深度参与了我国城市轨道交通信息化、智能化建设并长期保持领先地位,迄今已参与北京、上海、广州、深圳等43个城市的205条线路、417个地铁项目,涉及地铁10余个关键业务系统。未来,新华三将通过不断实现新一代数字化技术与城轨交通场景的深度融合,更好地助力轨道交通的智能化升级,助推我国由交通大国迈向交通强国行列。
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。