从抗击野火到管理仓储,人类始终无法彻底摆脱恶劣工作条件带来的威胁。而研究人员正运用数字孪生模拟应对这方面风险。
对消防员们来说,抗击野火的本质就是消化信息和数据,根据自己掌握的情况做出一个个性命攸关的决定。
时至今日,消防仍然是风险最高的工种之一,消防员们的每个决定都有可能关乎自己乃至他人的生命安全。为此,洛克希德马丁公司的AI中心(LAIC)正努力运用AI技术加快决策速度。
该中心希望利用AI技术帮助消防员评估火灾场景下的各种影响因素,例如风力、火势等,协助他们准确了解自己当前面临的危险。
为此,洛克希德马丁公司AI集成总监Irene Helley在今年3月23日英伟达GTC 2022大会的小组讨论中表示,AI中心决定使用英伟达提供的Omniverse虚拟与增强现实模拟工具。
英伟达Omniverse是一套3D设计与模拟平台,主要为各类工作条件创建虚拟的数字孪生副本,用以模拟野火等高危活动场景。
洛克希德马丁公司则利用Ominverse对野火现场进行建模,并通过数据分析将火势蔓延情况转为可视化效果。
AI中心还在数字孪生与模拟环境中运用机器学习工具,借以创建合成机器学习训练数据——这类数据为人工合成,与以往只能从现场事件中采集的真实数据有所不同。
Helley解释道,“在这类模拟环境中,我们可以尝试使用各种资产对抗火势,并由机器学习模型据此生成学习素材,以供后续开展方案优化与预测改进。”
洛克希德马丁AI中心认为,这种强大的模拟能力将帮助消防员准确把握当前面临的混乱状况。
Helley指出,“抗击火灾其实包含一系列具体步骤,从观察、分析、态势感知再到最后的决策和任务执行。”
专家们探讨如何利用模拟技术解决恶劣条件下的工作风险
她补充道,“由AI建立的这样一套任务管理器能帮助我们减少沟通需求……响应人员与观察员可以通过无线电即时发送事件指令和观察到的情况,AI系统会综合观察结果以分析火灾动向、确定最佳行动方针。”
利用模拟技术……训练而成的模型,将帮助我们根据既有信息做出最佳决策。以此为基础,我们可以快速规划、直接行动。
——洛克希德马丁公司AI集成总监Irene Helley
AI模型也确实不负众望,准确上报了火灾中的各项重要信息。
Helley强调,“利用模拟技术……训练而成的模型,将帮助我们根据既有信息做出最佳决策。以此为基础,我们可以快速规划、直接行动。”
除了洛克希德马丁之外,其他组织也在探索如何利用AI与数字孪生在危险条件下有效开展工作。
来自德国的叉车与仓库自动化设备制造商凯傲集团,目前正使用数字孪生与模拟技术管控仓库内可能出现的种种风险因素。由于市场对运输订单时效性与准确率的要求愈发高,穿梭于狭窄过道中的叉车操作员和其他物流工人极易发生安全事故。
为此,凯傲集团希望通过数字孪生与模拟技术提高仓储体系的自动化水平。
凯傲集团机器人与AI项目经理Bengt Abel在小组讨论中表示,“我们开始跟踪员工与叉车的实时位置信息,再共同组成成数字孪生副本。”
有了这样的副本,该公司就能模拟设备与工人在封闭环境下协同工作时可能出现的种种意外,抢先一步找出有效规避人身风险的好办法。
与此同时,来自美国盐湖城的Sarcos Robotics则计划利用数字孪生与AI技术降低恶劣环境下的工作风险。
根据公司产品管理副总裁Ed Tiongson的介绍,虽然Sarcos一直在努力实现高风险任务的全自动化处理,但至少就目前的情况看,矿山、建筑工地等相当一部分高危环境仍然离不开人类员工。
为此,Sarcos开发出了“数字蛇”(一种能够在石堆等危险环境间往来爬行的机器人工具),并针对其他一些危险场景设计出能够替代人类的大型机器人。
为了模拟危险状况下可能出现的种种变数,Sarcos团队需要在机器人工作结束后对现场进行全面识别与处理。
在据此建立起模拟数字图像之外,机器人就可以在其中接受进一步训练,确保它们在后续遇到不同状况时总能做出正确的反应。
Tiongson总结道,“这无疑是一项极具前瞻性的尝试,也是一次意义重大的探索。”
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。