合作旨在通过增强实时性能、精度、可靠性和可扩展性,革新机器人行业
德国,纽伦堡 – 2024年4月9日 – 在今日举行的国际嵌入式展会(Embedded World)上,BlackBerry(纽约证券交易所代码:BB;多伦多证券交易所代码:BB)宣布与AMD合作,旨在通过实现新水平的低延迟、低抖动和可重复确定性,革新下一代机器人系统。两家公司将共同推出一款经济实惠、功能强大的平台,为工业和医疗领域的机器人系统提供更强的性能、可靠性和可拓展性,从而满足机器人硬件对“硬”实时能力的迫切需求。
该平台结合了BlackBerry® QNX®在实时基础软件解决方案和QNX®软件开发平台(SDP)方面的专业技术,以及由AMD Kria™ K26 SOM提供支持的异构硬件解决方案,后者采用了Arm®和FPGA可编程逻辑架构。凭借Kria,Arm®子系统可支持QNX微内核实时操作系统(RTOS)的高级功能,同时允许用户在AMD Kria KR260机器人入门套件的可编程逻辑上运行低延迟、确定性的功能。
该组合在机器人应用中实现了传感器融合、高性能数据处理、实时控制、工业网络和减少延迟。此外,客户还可从软件和硬件组件的无缝集成和优化中获益,从而简化开发流程,并加速创新机器人解决方案的上市时间。
“借助 QNX 软件开发平台,客户可以在 AMD Kria KR260 入门套件上快速启动开发,并根据其需求无缝扩展到其他性能更高的 AMD 平台。”AMD公司工业、视觉、医疗保健与科学市场高级总监Chetan Khona表示,“此次AMD和QNX强强联手,集各自行业领先优势打造的基础平台将为创新开辟新的可能,并开拓机器人技术的未来边界。”
“通过与AMD的合作,BlackBerry QNX的一体化解决方案将提供一个集成的软硬件基础,提供实时性能、低延迟和确定性,以确保关键机器人任务每次都能以相同的精度和响应速度执行。”BlackBerry QNX产品与战略副总裁Grant Courville表示,“这些特性对于执行精细操作的行业至关重要,如自主移动机器人和手术机器人这些快速增长的行业。我们与AMD携手,致力于推动技术进步,以应对最复杂的挑战,并改变机器人行业的未来。”
该集成解决方案现已面向客户推出。
在国际嵌入式展会上,您可以参观BlackBerry(4 号展厅,544 号展台)的新型机械臂演示,该演示由 QNX® 软件开发平台(SDP) 8.0 支持,专为工业和医疗环境中的精度和性能优化而设计。
AMD 也将参加国际嵌入式展会。欢迎莅临 AMD 展台(5 号展厅,5-111 号展台)了解 AMD 自适应和嵌入式设备产品组合如何帮助客户解决各行业的问题。
好文章,需要你的鼓励
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。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。