2017年11月15日,沃尔沃集团在北京举办 “智慧社会:未来的基础设施和交通运输”高峰论坛,并首次面向大众展示了一辆适用于“枢纽到枢纽”货物运输的自动驾驶卡车。沃尔沃集团一直致力于开发未来交通领域的创新解决方案,此举也旨在探索自动驾驶将如何提高运输效率、安全性并减少对环境的影响。
沃尔沃集团深耕自动驾驶技术多年,成功展示了多辆适用于矿山和砂石场等封闭区域的概念车型。如今,沃尔沃集团面向未来更进一步,推出了一辆适用于港口和公路专用车道等半封闭区域的“枢纽到枢纽”货物运输自动驾驶卡车,进一步满足客户和社会的需求,创造更多价值。
基于现有的沃尔沃FH卡车的平台,这款开创性的卡车实现了完全的自主导航和自动驾驶。借助激光雷达和GPS技术,卡车可持续识别周围环境,在固定和移动的障碍物间穿行,同时还利用车载交通系统来收集数据,优化行驶路线、道路安全和油耗性能。该卡车可以完美融入客户控制货物交付的整体运输解决方案而无需人工干预。
沃尔沃集团总裁兼首席执行官马丁·伦德斯泰特(Martin Lundstedt)表示:“尽管这一技术可能还需数年才能实现量产,但毫无疑问的是,它将影响我们未来的产品,并帮助我们构建未来的智慧社会。无论开发何种交通解决方案,安全都是我们首要考虑的因素,并贯穿我们所有的自动驾驶项目。”
好文章,需要你的鼓励
Snap 推出 Lens Studio 的 iOS 应用和网页工具,让所有技能层次的用户都能通过文字提示和简单编辑,轻松创建 AR 镜头,包括生成 AI 效果和集成 Bitmoji,从而普及 AR 创作,并持续为专业应用提供支持。
罗切斯特理工学院和美国陆军研究实验室的研究团队开发了一种突破性的无源域适应方法,通过混搭拼图增强技术和置信度-边界加权策略,使AI模型能在没有原始训练数据的情况下适应新环境。该方法在三个主要基准数据集上取得显著成果,特别是在PACS数据集上准确率提升了7.3%,为AI系统在隐私保护、安全限制等现实场景中的应用提供了新解决方案。
这篇论文介绍了R1-Code-Interpreter,一种通过有监督学习和强化学习训练大型语言模型进行代码推理的新方法。研究团队收集了144个推理和规划任务,利用多轮训练教会模型自主决定何时使用文本推理或生成代码。最终的14B模型在测试集上将准确率从44.0%提高到64.1%,超过纯文本GPT-4o并接近带Code Interpreter的GPT-4o。研究揭示了SFT阶段的关键作用,并发现模型展现出自发的自我检查行为,为开源模型提供了与商业模型竞争的代码解释器能力。