[中国 北京,2024年4月26日],东软睿驰与Ambarella(安霸)在北京车展宣布建立战略合作关系。此次合作将基于双方在汽车基础软件、自动驾驶技术、电动化以及芯片技术等领域的强大资源和优势,建立可持续、可信赖的战略伙伴关系,共同推进、探索在智能驾驶产品技术及市场开发,实现联合创新和发展机会的共享。
图为东软睿驰与安霸战略合作签约仪式现场
东软睿驰董事长王勇峰(左一),安霸半导体董事会主席、首席执行官、董事、总裁王奉民(右一),副总经理刘威(左二),大中华区商务拓展总裁孔令刚(右二)
东软睿驰凭借其20 余年在自动驾驶 AI 视觉感知算法的研发经验,其自研的神经网络算法充分利用安霸CV系列芯片的高性能优势,从2021年双方合作推出的首款一体机产品量产开始,到后续的疲劳监测系统DMS产品,东软睿驰与安霸已经实现了在多个关键技术领域的全面合作。这些合作不仅助力了L2 及以上级别的智能驾驶功能落地,还为智能汽车的安全迭代升级提供了坚实保障。
东软睿驰董事长王勇峰表示:“我们很高兴能与安霸这样的行业技术领先者携手,为客户提供不同级别的智慧领航辅助驾驶和智慧泊车等优质智能驾驶体验,并助力客户实现高效量产落地。希望双方深化合作,共同拓展智能驾驶市场,构建更丰富的人车交互体验,赋能海内外汽车产业的智能化变革。”
安霸董事长王奉民表示:“我们非常高兴看到双方能够持续地合作。安霸推出了一系列基于5纳米车规工艺的高性能、低功耗的智能驾驶芯片。这次与东软睿驰的合作是我们战略布局中的关键一环,通过双方优秀技术相结合,一起从L2 ADAS到未来的行泊一体、高速NOA及城市NOA,我对双方共同打造下一代好用的自动驾驶域控方案充满信心。”
东软睿驰第三代前视智能摄像头 X-Cube 3.0 采用安霸 CV22 AI SoC,面向 L2+ 级别的 AI 感知算法基于安霸 CV22 平台已实现量产落地,共同为 OEM 提供安全、高效的乘用车产品技术与解决方案。
安霸新一代、大算力CV系列域控芯片方案是双方在智能驾驶领域开发与合作的有力基础,双方将进一步优化目前智能驾驶系统的性能与效率,东软睿驰的“软件先行”理念在此过程中也将得到充分的实践和验证。
随着双方合作的不断深化,未来东软睿驰将持续利用安霸CV系列的高算力、低功耗的芯片平台,双方将为行业带来具备创新性的技术应用,持续推动高性能的自动驾驶方案落地,共同构建智能汽车新生态。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。