00:00 / 13:01
连播
清屏
智能
倍速
点赞3
00:00 / 09:23
连播
清屏
智能
倍速
点赞4
00:00 / 01:36
连播
清屏
智能
倍速
点赞83
3月10日 (1)-副本(1) 雷视融合,感知的极限革命 你有没有想过,为什么顶级狙击手需要观察手?为什么F1赛车手的头盔里,集成着多重信息? 因为单一感官的极限,就是危险的开始。 在智能感知的世界里,也存在着这样一对“天作之合”。一边是雷达,它像拥有“蝙蝠回声定位”能力的黑暗骑士。无论暴雨、浓雾还是深夜,它发出的电磁波都能像触手般穿透阻碍,精准回传三个硬核数据:目标在哪(方位)、多远(距离)、以及多快(速度)。它是穿透迷雾的“确定性”。 另一边是摄像头,它如同“鹰眼”,拥有极高的分辨率。它能瞬间看清目标的大小、形状、颜色、纹理,甚至读取文字和表情。它将冰冷的数据,还原为丰富多彩的生动世界。它是认知世界的“丰富性”。 然而,它们各有致命弱点:雷达“看不见”细节,摄像头在恶劣天气下“睁眼瞎”,也测不准距离速度。 而“雷视融合”,就是让这两位超级英雄的大脑直接联网,共享感官! 在智慧交通中,它能同时追踪上百个目标,不仅知道每辆车的位置速度,还能识别它是公交车、救护车还是自行车,从而做出最优决策。 在安防领域,它能在黑夜中锁定入侵者,并同时“看清”他手里拿的是什么。 雷视融合,正是将雷达的“穿透感知”与视觉的“认知理解”合二为一,在比特流中构建了一个无限接近真实的数字孪生世界。它让机器从“看得见”进化到“看得懂”,再从“看得懂”跃升至“看得准、看得远”。 这不仅是技术的融合,更是一次感知维度的爆炸性升级。当机器同时拥有了“蝙蝠的耳朵”和“鹰的眼睛”,它所打开的未来,远超想象。 "雷视融合" 正让机器,比你我更“看清”这个世界。#雷视融合#雷视融合感知#雷达 #摄像机
00:00 / 01:59
连播
清屏
智能
倍速
点赞11
00:00 / 02:28
连播
清屏
智能
倍速
点赞18
00:00 / 35:07
连播
清屏
智能
倍速
点赞1
00:00 / 06:59
连播
清屏
智能
倍速
点赞194
00:00 / 08:12
连播
清屏
智能
倍速
点赞1
00:00 / 02:56
连播
清屏
智能
倍速
点赞12
这段视频取材自“两分钟论文”,这是一个纯公益性质的科普频道,由卡尔洛伊博士创办,致力于将极其复杂的学术论文简化为普通人也能听懂的视听盛宴,可说是声名卓著,被业内称为“宝藏频道”。我是科普知识搬运工周教授,为保持视频的原汁原味,我除了将内容写成下面这段科学小品外,仅仅将字幕翻译成中文,😉顺便让大家练练听力。 在数字世界的舞台上,一场奇妙的流体表演正在悄然上演。这并非魔术,而是物理学与计算机科学的完美结合——通过研究流体运动的定律,我们得以编写出能够模拟现实世界流体行为的程序。这些程序如同时间的见证者,随着硬件的进步和图形学研究的深入,它们所呈现的细节愈发丰富,仿佛一场逐年升级的视觉盛宴。 然而,在这看似完美的背后,科学探索的脚步并未停歇。尽管我们已经能够创造出令人叹为观止的流体模拟,但其中仍有许多未解之谜等待我们去揭开。例如,流体与固体之间的相互作用——一种双向耦合现象——至今仍是模拟中的难题。想象一下,沙子在流体的晃动中不仅被影响,同时也在影响着流体本身,这便是我们所称的双向耦合。 为了捕捉这一复杂的现象,科学家们采用了材料点法——一种混合方法,它将粒子和网格相结合,以模拟流体的动态。然而,一项新的研究却将这一挑战推向了另一个高度。这项工作不仅成功地将流体-固体耦合引入到更简单的基于网格的模拟器中,还揭示了双向交流的不同种类。 让我们回到一个看似普通的场景:蜂蜜与勺子的互动。在现实世界中,蜂蜜能够支撑勺子,但勺子在移动时也微妙地影响着蜂蜜的流动。这种看似微不足道的变化,实际上蕴含着深刻的科学道理。通过实验,我们得以验证这些现象的真实性,并将它们转化为模拟中的精确数据。 然而,这样的模拟并非易事。一个高分辨率的流体-固体相互作用模拟可能需要数小时甚至数天的时间来完成计算。而如果我们使用较低的分辨率,虽然可以节省时间,但可能会错过一些重要的互动细节。 正是为了解决这一问题,科学家们提出了一种新颖的体积估算技术。这项技术将计算集中在发生行动的地方,这意味着即使是一个相对粗糙的模拟,也能获得令人难以置信的结果。正如一位研究者所说:“我可以整天观看这些GUI粘性模拟。”
00:00 / 04:35
连播
清屏
智能
倍速
点赞1
最近汽车圈有个大事儿,不知道大家关注到没有。就在3月2号,小鹏汽车扔出了一枚深水炸弹,发布了他们的第二代VLA智能驾驶系统。何小鹏在现场说了一句话,让全场都沉默了,他说,我们比行业一流选手领先了接近5倍。 大家先别急着反驳,咱们今天不聊口号,专门来拆一拆,这个所谓的第二代VLA,它到底牛在哪?以及为什么小鹏和特斯拉,这些智驾的头号玩家,都不约而同地走上了同一条技术窄路? 其实逻辑很简单,小鹏这次干了一件什么事呢?他把VLA中间的字母L给删掉了。VLA全称是视觉语言动作模型,传统的智驾车处理路况,流程大概是这样的:眼睛看到画面,脑子把它转化成语言描述,比如前方有行人横穿,然后再根据这个描述下指令,减速。每转译一次,就有一次延迟,有一次信息损耗。 而小鹏的第二代VLA,把中间的语言翻译环节直接砍了。实现了从眼睛看到,到手和脚去动,端到端的直接生成 。这意味着什么呢?这就好比我们普通人开车,靠的是脑子想;而一个顶级赛车手,靠的是肌肉记忆。反应速度快了可不是一星半点,官方数据说响应延迟降低了80% ,推理效率提升了12倍 。 大家想一想,为什么特斯拉的FSD,还有现在小鹏的第二代VLA,最终都殊途同归,选择了这种纯视觉的端到端方案?其实答案就藏在2026年智驾行业的一个核心矛盾里。 过去我们总以为,智驾堆硬件就行了,激光雷达越多越安全。但到了今年,行业突然发现,真正的瓶颈不是看没看见,而是理没理解。你哪怕装了再多的雷达,遇上雨天、逆光,或者路上突然滚出来一个奇形怪状的障碍物,传统规则就显得力不从心 。 这时候,端到端的视觉方案的优势就体现出来了。它不再依赖写好的规则,而是通过海量数据去训练一个“神经网络”,让机器自己去学习什么叫路况,什么叫博弈。就像教小孩一样,你告诉他红灯停绿灯行,他记不住;但你带他过一万次马路,他就自然而然地会了。小鹏这次发布的底气,就来自于它那50PB的训练数据 ,和3万卡的算力储备 。这不只是技术的竞争,这是数据富矿和算力军备竞赛的降维打击。 那么,当我们把这里面的逻辑理顺了,再来看资本市场,机会其实就浮出水面了。 小鹏这次把技术发布会开成了“宣战会”,直接叫板特斯拉FSD V14版本 。 #小鹏vla #端到端自动驾驶 #纯视觉自动驾驶 #联创电子 #德赛西威
00:00 / 04:14
连播
清屏
智能
倍速
点赞707
很多人看到这条新闻,第一反应是,小鹏是不是在跟特斯拉走同一条路。答案是,方向上确实越来越像。3月2日,小鹏正式发布第二代VLA,并宣布将在3月推送,这套架构最关键的变化,不是单纯“更聪明了”,而是它把自动驾驶的大脑重新改了一遍,直接从视觉信号生成动作指令,拿掉了中间那层“先翻译成语言、再去做决策”的环节,目标直指更高阶的自动驾驶能力。小鹏自己把它定义为“开启L4时代的物理世界大模型”。而特斯拉官方这几年反复强调的核心路线也很明确,就是基于视觉与规划的通用智能方案。 大家想一想,人类开车靠什么,本质上不是靠“先把路况翻译成一段话,再决定踩油门还是刹车”,而是眼睛看到环境,大脑瞬间判断,手脚直接动作。所以无论是小鹏VLA,还是特斯拉FSD,为什么都越来越坚定地选择端到端的视觉自动驾驶方案,其实逻辑很简单,因为这条路线更接近人类驾驶的原生机制。过去传统自动驾驶更像流水线,感知是一个模块,预测是一个模块,规划又是一个模块,中间还要经过规则、标签、甚至语言式中介,这样做的优点是可解释、好拆解,但问题也很明显,一旦场景复杂起来,链路越长,信息损失越多,延迟越高,模块之间还容易互相“甩锅”。小鹏这次去掉语言转译,本质上就是要减少中间损耗,让模型直接学习“看见什么就怎么开”。特斯拉官方把视觉和规划看成实现通用自动驾驶的核心,也是同样的逻辑,因为真正决定上限的,不是规则写得多细,而是模型能不能在海量真实世界视频里学会泛化。 再往深一层看,这背后其实反映的是整个智驾产业的范式切换。以前行业拼的是零部件堆料,是把雷达、摄像头、算法模块一块块拼起来,谁的配置高谁就更像“高阶智驾”。但现在越来越多车企发现,硬件当然重要,可真正拉开差距的,是数据闭环、算力基础设施和大模型训练能力。换句话说,自动驾驶开始从“工程问题”加速转向“AI问题”。一旦进入这个阶段,端到端视觉路线的优势就会越来越明显,因为视频数据是最天然、最丰富、最容易规模化积累的数据形态,而端到端模型又最吃数据规模和训练迭代效率。小鹏第二代VLA本月推送,意义不只是一次功能升级,而是在告诉市场,中国车企也在从“做功能”切到“做模型”。这意味着什么呢,意味着未来竞争焦点会从单点功能体验,逐步转向谁能形成更强的数据飞轮。 #小鹏vla #特斯拉fsd #德赛西威 #经纬恒润 #伯特利
00:00 / 04:45
连播
清屏
智能
倍速
点赞104
1️⃣介绍:DWD是2020 年 12 月欧盟发布了新的欧盟饮用水指令(EU) 2020/2184,该指令于 2021 年 1 月生效,要求欧盟各成员国必须在 2023 年 1 月 12 日之前将该指令转化为国家法律并遵守其规定。 2️⃣DWD认证项目:微生物测试:测试目的:评估材料是否会促进微生物生长关键参数:增强微生物生长(EMG)指标合格标准:表面不得有生物杀灭作用,不得显著促进微生物增殖迁移测试:测试项目检测指标限值要求测试周期水的气味与味道TON/TFN值≤2.0(管道ID<80mm)/ ≤8.0(其他规格)10天/31天颜色变化Pt/Co比色≤5 mg/L10天/31天浊度变化NFU单位≤0.5 NFU10天/31天总有机碳迁移Ctap(TOC)≤0.5 mg/L10天/31天化学物质限值测试:DWD对化学物质的限制更为严格,重点关注相关物质迁移,意外物质迁移,重金属迁移,物质残留等。相关物质:配方中有意添加、且被法规明确管控的起始物质,杂质、降解和反应产物等。意外物质:非配方有意添加、但可能因原料杂质、工艺副反应、材料降解或环境因素迁移进入饮用水的有害物质,包括未列入正面清单中的杂质、降解产物、残留单体等其他未知风险物质。重金属迁移限值:根据有机材料,金属材料,水泥基材料,搪瓷 / 陶瓷 / 其他无机材料的不同材料设置不同限值。如有镀层的金属材料中(部分示例)铅(Pb) :≤2.5 µg/L(2028年后德国市场全面执行)镉(Cd) :≤2.5 µg/L砷(As) :≤5 µg/L配方审核:对于有机材料(塑料、橡胶、密封件等),金属材料,胶凝材料,搪瓷/陶瓷/其他无机材料必须:提交完整的材料配方;证明所有成分均在欧盟正面清单中;提供供应商的合规声明
00:00 / 00:42
连播
清屏
智能
倍速
点赞4
00:00 / 09:45
连播
清屏
智能
倍速
点赞23
星星1周前
中国学者提出“周坚基准探针验证法”:以太阳为标尺丈量宇宙深处 中国学者提出“周坚基准探针验证法”:以太阳为标尺丈量宇宙深处 本报讯 如何精确测量亿万光年外的超新星?中国学者周坚近日在《周坚论文集》发表最新研究,提出一种名为“周坚基准探针验证法”的创新技术,有望将太阳打造成一把丈量宇宙的“黄金标尺”,为破解宇宙学核心难题提供全新工具。 传统天体测量依赖层层递进的“宇宙距离阶梯”,从近邻恒星校准到遥远超新星,每一步都伴随系统误差的累积。周坚此前创立的“周坚天体测量法”与“周坚红移反演法”(合称“周坚双法”),已初步建立以太阳为绝对基准的几何测量体系,并在近邻星系超新星测量中得到验证。 然而,将这套方法应用于更高红移的宇宙深处时,面临角分辨率不足、光度模型依赖、星际消光与引力透镜干扰等实际挑战。 最新研究中,周坚提出“基准探针验证法”,其核心思想极为巧妙:将人类唯一全知的天体——太阳,作为“探针”虚拟插入被测天体所在位置,如同温度计插入被测物体测量温度。通过建立被测天体与太阳虚拟参数的比值关系,即可解算未知距离、红移、速度,同时分离出星际消光和引力透镜的干扰程度。 该方法包含七大步骤,形成从基准选择、虚拟插入、参数解算到交叉验证的完整闭环。这相当于在宇宙的每一个角落都放置了一把与太阳完全相同的“标尺”,使遥远天体的测量回归到与近邻天体相同的绝对基准上。 研究指出,该方法特别适用于高红移Ia型超新星——这些被誉为“标准烛光”的天体是发现宇宙加速膨胀的关键证据。通过基准探针验证法,有望独立校准其绝对星等,检验现有宇宙学模型的系统误差,甚至为哈勃常数争议提供新的解决路径。 更值得关注的是,该方法还可与引力波事件、重子声学振荡等传统宇宙学探针进行交叉验证,构建多信使、多尺度的宇宙测量网络。 天文学界认为,这一系列研究展现了中国学者在基础科学领域的原创性贡献。从“双法合璧”到“基准探针”,周坚正逐步构建起一套完全独立于西方传统范式的宇宙测量新体系,其核心是以太阳为原点、以几何关系为纽带、以比值对称性为工具,让宇宙的尺度回归到最基本的物理定律上。 正如论文中所写:“这如同将已知温度的物体插入被测系统,通过热平衡反演未知温度;宇宙测量亦然,以太阳为‘温度计’,插入宇宙的每一个角落。” 据悉,该方法已通过近邻超新星数据完成初步验证,下一步将应用于詹姆斯·韦伯太空望远镜的高红移观测数据中,有望为人类理解宇宙的膨胀历史提供新的独立视角。 (本报记者)
00:00 / 03:00
连播
清屏
智能
倍速
点赞4