Saildrone成立于2012年,致力于让海洋情报采集变得经济高效,为科学、渔业、天气预报、海洋测绘和海事安全行业提供数据采集系统,目前已获得1.9亿美元的融资,并且是NVIDIA初创加速计划的成员。
Saildrone拥有三种不同的自动无人驾驶水面航行器(USV),并通过其Mission Portal控制中心服务监测自定义任务和近乎实时地将数据可视化。Saildrone还免费向公众开放部分历史数据。
Saildrone所开发的USV搭载了多种传感器,所采集的数据在边缘的NVIDIA Jetson模块进行AI处理后,使用NVIDIA DeepStream软件开发套件对原型进行智能视频优化。
通过使用NVIDIA JetPack SDK,Saildrone在Jetson平台上获得了完整的硬件加速边缘AI开发环境。公司通过在该模块上进行机器学习实现了基于图像的航行器探测,以此辅助导航。
Saildrone领航员利用从航行器传回的海洋气象数据设定航点并优化航线。所有USV均被全天候监测,操作员可根据需要通过云端远程更改航线。
由于从生成高分辨率图像的高性能传感器套件进行传输的带宽有限且成本高昂,机器学习主要在本地的Jetson模块上运行,但也可以通过卫星连接到云端运行。
这些USV携带用于测量风力、温度、盐度和溶解碳的海洋学传感器。Saildrone还能利用测深传感器研究海底和湖底,包括使用单波束或多波束深层声纳测绘加深或扩大勘测范围等。该公司的感知传感器套件包含了雷达和可视化水下声学传感器。
Saildrone充分利用NVIDIA DeepStream SDK开发其视觉AI智能应用和服务。开发者可以使用该套件为AI视频、音频和图像分析构建通畅的传输通道。
DeepStream的吞吐量提升了10倍,应用范围也从边缘扩展到云端的各个领域,可用于开发能够处理多个视频、图像和音频流的最佳智能视频应用。
依靠DeepStream的图像预处理和模型推理能力,Saildrone甚至可以在海上利用太阳能和风能实现边缘机器学习。
与传统的船只和船员相比,Saildrone USV能让研究人员利用更少的资源采集更多的数据,不但能够节约能源,还能使船员远离危险。
这些USV专为恶劣天气和长时间任务而打造。近期,该公司的一艘USV完成了为期370天的二氧化碳监测航行。这艘USV从罗德岛出发,横跨北大西洋到达佛得角,再沿赤道到达非洲西海岸,最后返回佛罗里达。
若想主要依靠太阳能和风能运行,就需要使用节能的计算来处理海量数据。通过使用NVIDIA Jetson,Saildrone的计算负载功耗比运行GPU的常规计算平台更低,这对于执行此类任务至关重要。
全球科学界正在将NVIDIA AI应用于气候研究,比如构建超本地气候模型、使用AI改善碳封存、研究可再生能源等等。为了预测气候变化,NVIDIA正在开发世界上最强大的AI超级计算机Earth-2,它将被用于在Omniverse中创建地球的数字孪生。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。