至顶网CIO与应用频道 05月10日 北京消息:PTC(纳斯达克代码:PTC)宣布,医学博士Peter Diamandis将于当地时间6月11日周二下午5:30,在LiveWorx®数字化转型大会上,面向工业企业发表主旨演讲。Diamandis毕业于麻省理工大学及哈佛大学,是一名企业家、医学博士、《纽约时报》畅销书作家,他将深入探讨混合现实、人工智能和机器人等尖端技术如何改变企业和人类在数字时代的运作方式。
作为这一为期4天的大会的一份子,Diamandis将同一众全球意见领袖、专家和技术专家一道,探索数字化转型、增强劳动力,并探讨技术将如何补充(而非取代)人类独特的品质与优势。
Peter Diamandis有一句名言“预测未来的最佳方式就是创造未来”。此次他的加入进一步壮大了LiveWorx的专家阵容。最近,Diamandis又被 《财富》杂志评为全球50位最伟大的领袖之一,他是XPRIZE基金会的创始人兼执行主席,该基金会是设计和运营大型激励竞赛领域的全球领导者。此外,他还是美国加州奇点大学的执行创始人和总裁,这是一个学习与创新的全球社区,利用指数技术来应对全球最棘手的挑战。Diamandis与他人合作创立了一家专注于指数技术的风险基金,并在人类寿命、太空、风险投资和教育领域开创了20多家公司。他是《纽约时报》的畅销书作家。
如需聆听他的主旨演讲,参与数百个分组会议,体验Xtropolis™互动技术游乐场,请于6月10日至13日登录 www.liveworx.com/register,注册参加在波士顿海港创新区举办的LiveWorx大会。
技术前沿的领导者
除Diamandis及之前宣布的主题演讲者Pattie Maes,及Track Spotlight演讲者Cathy Hackl和Kat Holmes,其他有影响力的LiveWorx Track Spotlight 演讲者还包括:
Jeff Hojlo,IDC Manufacturing Insights产品创新战略项目总监,负责领导IDC对PLM和协作创新市场的研究与分析。
追踪:数字工程
Kathleen Mitford,PTC产品执行副总裁。
焦点:PTC产品
John Nosta,NOSTALAB创始人、Google Health顾问委员会成员,《福布斯》和《今日心理学》博主。
追踪:生命科学
Helen Papagiannis,增强现实技术专家,《增强型人类:技术如何塑造新现实》作者。
追踪:AR/ MR/ VR
David Rose,麻省理工大学高级讲师,《Enchanted Objects》作者,Warby Parker视觉技术副总裁。
追踪:IIoT、智能互联产品
Max Tegmark,《Life 3.0:在人工智能时代做人》作者,麻省理工学院物理学教授。
追踪:AI、机器人
Amy Webb,纽约大学斯特恩商学院战略预测教授,未来今日研究所创始人。
追踪:IIoT、智能互联产品
LiveWorx19的新内容:同地协作活动
LiveWorx与领先组织合作,在会议期间为与会者提供额外的学习及交流机会。与会者将被邀参加6月10日举行的任意一个同地协作活动,其中包括:CAD&PLM技术日、Readwrite Labs企业区块链峰会和VRARA企业峰会。CAD、PLM、工业自动化、物联网和AR的深入软件培训课程可在支付额外费用后参与。
好文章,需要你的鼓励
谷歌Agent Development Kit(ADK)革新了AI应用开发模式,采用事件驱动的运行时架构,将代理、工具和持久化状态整合为统一应用。ADK以Runner为核心,通过事件循环处理用户请求、模型调用和外部工具执行。执行逻辑层管理LLM调用和工具回调,服务层提供会话、文件存储等持久化能力。这种架构支持多步推理、实时反馈和状态管理,为构建超越简单聊天界面的生产级AI应用提供了完整框架。
上海AI实验室联合团队开发RoboVIP系统,通过视觉身份提示技术解决机器人训练数据稀缺问题。该系统能生成多视角、时间连贯的机器人操作视频,利用夹爪状态信号精确识别交互物体,构建百万级视觉身份数据库。实验显示,RoboVIP显著提升机器人在复杂环境中的操作成功率,为机器人智能化发展提供重要技术突破。
苹果在iOS 26中推出全新游戏应用,为iPhone、iPad和Mac用户提供个性化的游戏中心。该应用包含五个主要版块:主页展示最近游戏和推荐内容,Arcade专区提供超过200款无广告游戏,好友功能显示Game Center动态并支持游戏挑战,资料库可浏览已安装游戏并提供筛选选项,搜索功能支持按类别浏览。iOS 26.2版本还增加了游戏手柄导航支持,为游戏玩家提供更便捷的操作体验。
英伟达研究团队提出GDPO方法,解决AI多目标训练中的"奖励信号坍缩"问题。该方法通过分别评估各技能再综合考量,避免了传统GRPO方法简单相加导致的信息丢失。在工具调用、数学推理、代码编程三大场景测试中,GDPO均显著优于传统方法,准确率提升最高达6.3%,且训练过程更稳定。该技术已开源并支持主流AI框架。