专用无线网络助力加州(California)葡萄园的拖拉机保持顺畅运行。
图片说明:Federated Wireless和Blue White Robotics与英特尔合作,为加州葡萄园的拖拉机提供自动驾驶技术。其中一款拖拉机在今年5月的英特尔On产业创新峰会(Intel Vision)上亮相,这款拖拉机可自动执行重复性任务,并把工人从繁琐任务中解放出来,从而腾出精力处理价值更高的任务。
最新消息:在英特尔On 产业创新峰会(Intel Vision)上,英特尔展示了当公司将高带宽、低时延的专用5G无线网络与边缘计算设备结合使用时所带来的可能性。英特尔与Federated Wireless(无线基础设施解决方案提供商)和Blue White Robotics(以色列自动驾驶解决方案提供商)合作,为加州葡萄园的自动驾驶拖拉机提供技术支持,使其能够自动执行重复性任务,并将工人从繁琐任务中解放出来,从而腾出精力去处理价值更高的任务。
英特尔副总裁兼网络业务孵化器部门总经理Caroline Chan表示:“展望自动化农业的未来时,我们对5G边缘解决方案的前景感到非常乐观,并相信这些解决方案能够帮助客户创造新的业务和收入模式。”
运作方式:在农场主绘制好拖拉机的路线后,车队就可以开始工作了。拖拉机在无人驾驶的情况下,以两班倒的方式、24小时不间歇地穿梭于葡萄园中。此外,拖拉机上配备的传感器还可检测到路径中出现的障碍物,而其他传感器则可引导拖拉机避开这些障碍物。
在三方合作的一年多时间里,自动拖拉机被安排针对农场两平方英里的葡萄藤执行除草、割草和喷洒除草剂等重复性任务。
和大多数农场一样,这里远离城市,没有足够的蜂窝网络或宽带连接来覆盖至各个角落。网络连接上的不足也意味着传感器无法从农场设备中收集实时数据或自动化处理农场任务。因此,Federated Wireless还部署了一个专用无线网络来克服场地内的连接障碍。
该专用无线网络由一台配备六核英特尔®至强™ D-1528处理器的边缘服务器提供支持,该服务器还利用英特尔® Smart Edge™软件将自动拖拉机和传感器连接到一起。
与此同时,自动化设备专家Blue White Robotics还提供了将现有 John Deere拖拉机转变为自动驾驶机器车队的套件。
重要意义:英特尔网络与边缘解决方案事业部专用无线网络与边缘计算总监Bhupesh Agrawal说:“Blue White Robotics向我们提出了一个具体问题。他们在乡下农田拥有一支自动化拖拉机车队,但这些机器无法相互通信,因为农场几乎没有网络连接,这也就意味着他们没有机会处理实时数据。”
后续计划:Agrawal和他的团队正在把目光投向葡萄藤之外的下一个重大挑战。他们希望把这项技术扩大应用至柑橘农场和坚果农场,同时在此过程中不断进行技术迭代。
为什么选择坚果农场?主要是为了积极迎接挑战。以对加州经济非常重要的作物夏威夷果为例,密密麻麻的坚果树丛的种植环境比修剪整齐的葡萄藤要复杂得多。
在Agrawal眼里,这些农场并非只是密密丛丛的植物,也是有价值的信息来源。每株植物都是一个数据源,能够驱动发掘边缘计算的无限潜能,但前提是我们能够妥善捕获和处理这些数据。这样一来,这些植物就可以对我们的客户、合作伙伴和所在社区做出更大贡献。
好文章,需要你的鼓励
美光发布新款2600客户端QLC固态硬盘,采用自适应写入技术动态优化缓存,使QLC闪存达到TLC级写入性能。该技术通过顶层SLC缓存处理新写入数据,二级TLC缓存应对SLC满载情况,空闲时将数据迁移至QLC模式。硬盘无DRAM设计,采用Phison四通道控制器和美光276层3D NAND,提供512GB至2TB容量选择,相比竞品QLC和TLC固态硬盘,顺序写入速度提升63%,随机写入速度提升49%。
清华和AIRI研究团队提出循环一致性图像编辑方法,仅需4步即可实现高质量图像编辑,速度比传统方法快10倍。该方法通过训练AI反复练习"看图-重画"过程提升图像理解能力,结合智能引导机制确保编辑质量,在多项评测中超越现有快速方法,为AI图像编辑的普及应用奠定基础。
在AMD AI推进大会上,CEO苏姿丰展示了公司在AI硬件和软件方面的显著进展。新一代MI350系列GPU性能提升4倍,高端MI355X在内存、计算吞吐量和性价比方面均优于英伟达B200。公司计划2026年推出Helios机架级平台,ROCm 7推理性能提升3.5倍。尽管在GPU训练、TCO优势等方面表现良好,但在NIMs微服务、企业级GPU市场渗透等领域仍需加强,以进一步缩小与英伟达的差距。
中科院、北大、清华联合开发的DualTHOR平台首次为双臂人形机器人提供真实家庭环境仿真训练。该平台不仅支持双手协作任务,还引入意外机制模拟现实不确定性。实验发现现有AI模型在双手协调方面表现不佳,为未来家庭服务机器人发展指明方向。