高精度定位服务正成为市场新热点。近日,百度地图正式发布以北斗卫星导航系统为核心,结合高精度地图数据的“北斗高精”一体化精准定位导航技术,升级了北斗高精车道级导航,可实时引导用户提前驶入最佳车道并提供更安全的车道级预警服务。此前,华为、高德、真我等厂商也宣布推出高精度定位服务。随着行业快速发展和智能汽车对组合导航需求的爆发式增长,一场关于定位精度的升级战已经打响。
关于定位服务,普通人最熟悉的应用莫过于导航。对于多数有车族而言,脱离导航可能寸步难行,而高度智能化的自动驾驶对定位精度提出更高要求。未来,在智慧交通、虚拟现实、机器人、工业互联、市政物联、智能穿戴等领域,时空服务需求会更大。
“定位导航和基于高精度时空信息位置服务对于国家安全和经济发展非常重要。”北京邮电大学教授邓中亮表示。
2020年7月31日,我国自主研发的北斗三号全球卫星导航系统开通,为全球用户提供全天候、全天时、高精度定位、导航和授时服务,标志着我国定位导航与位置服务进入了一个全新时代。
北斗卫星导航系统总设计师、中国工程院院士杨长风表示,北斗系统在国民经济各主要领域提供安全、精准、可靠的时空基准信息服务,尤其在推动智能交通、智慧能源、智慧农业等数字化场景应用方面,大幅提升了高精度位置服务能力和水平,比如依托“北斗高精度定位+5G”技术,在大众手机上实现车道级导航。
当前,中国的北斗、美国的GPS、欧洲的伽利略、俄罗斯的格洛纳斯四大卫星导航系统,都是通过无线信号进行高精度测量和定位,精度可以达到厘米级甚至毫米级。但全球四大定位导航系统都只解决了空旷地带定位问题,室内、城市峡谷和复杂工业园区等卫星遮蔽区域的广域高精度定位仍是世界难题。
专家表示,由于卫星定位信号强度相对较弱、易受遮挡,难以在室内、密林等场景进行定位。现有室内定位技术如WiFi、蓝牙、超宽带等能实现局域室内高精度定位,但节点布设密度大、投入高,一个大城市需要数百万个甚至上千万个节点设备,运维难度也大,不利于向广域普适低成本推广应用,全球室内位置服务发展遇到了很大的瓶颈。
记者了解到,在室外,我们通过卫星信号覆盖做导航。但是人们80%以上的时间都在室内,越密集的区域,建筑空间越多、遮蔽空间越多,在一个城市往往40%至50%的区域都收不到卫星信号,这就意味着在这些空间用卫星很难满足位置服务的需求。同时,室内室外定位有空间连续性需求。不管是未来的无人机、无人车还是自动驾驶,这一系列需要位置服务的应用需要打通空间的连续性,实现室内到室外的位置服务无缝化。
在科技部支持下,我国研制了全球首个室内外无缝高精度导航位置服务平台“羲和”系统,提出了通信导航一体化的新型信号体系,制定了全球首个5G高精度定位国际标准。该技术有效节约了室内定位成本,把移动通信网变成了一张既能通信又能高精度定位的网,从而率先解决了北斗卫星导航系统“最后一公里”的难题,实现全空域、全时域的便捷定位导航和位置服务保障。
“把天上的卫星网与地面上的通信网有效融合起来,构成强大的‘天地一体’网络,就能实现信号覆盖与服务能力互补。这意味着我们在建设通信网的同时,可以让它具有跟卫星网络一样的高精度定位服务能力,满足我们的定位导航需求,特别是位置服务的商业化应用难题。”邓中亮说。
北斗和5G相互赋能可实现室内外无缝定位。比如,可以在地下停车场快速找到合适的停车位,在小区方便地找到朋友家的地址,在会议中心找到该去的会议室,在展览馆找到感兴趣的展品。从更高层面说,定位导航与位置服务可以赋能各个行业,为国家应急救援、公共安全及广域室内外导航定位服务提供重要技术基础。
中国工程院院士刘经南认为,北斗作为全球性、高精度时空基准,其高精度导航增强技术与5G移动通信网、互联网、物联网等融合,能在全球移动互联网中对流动的信息实现时空位置动态跟踪,解决工业互联网、车联网中的区域、广域或全球的智能规划、决策、协同控制难题,是智能化时代不可或缺的时空信息基础设施。
北斗与5G相互赋能对提升我国相关产业核心竞争力具有重要意义。比如,室内精准定位就是我国北斗在技术上超越GPS的关键之一。
“北斗只有通过实现位置服务商业化才有可能超越GPS。”邓中亮表示,由于定位存在很多盲区,缺乏连续性,其他卫星导航系统主要是卖产品,很少卖服务,缺乏成熟的商业模式。北斗通过与5G相互赋能,把卫星定位导航的服务能力从室外延伸到室内,提升定位导航服务能力,就可以提供位置服务的商业模式,从而吸引很多企业和用户。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。