王虹、邓煜获2026年菲尔兹奖,成为首批获此荣誉的中国籍数学家,分别证明三维挂谷猜想和推进希尔伯特第六问题。丘成桐称这标志中国数学界走向成熟。其他新闻包括iOS 27限制逾期分期iPhone、手机涨价、荣耀Robot Phone、特斯拉投资周期、AI行业动态等。
Rivian决定开发自驾车,旨在实现更高的自动驾驶水平。CEO Scaringe表示这是多年努力的结果,而非追随特斯拉。新平台将利用真实驾驶数据训练AI模型,并计划推出“Autonomy Plus”付费套餐,提供无手驾驶功能。尽管面临挑战,Rivian希望在自动驾驶领域保持竞争力。
在《The Vergecast》中,主持人讨论了2026年的科技预测,包括苹果可折叠手机、自驾车的未来和社交媒体的新需求。他们认为人工智能将对未来产生重大影响,并邀请听众分享看法。
Tensor公司宣布推出首款量产的L4级别个人自驾车,计划于2026年在美国、欧洲和中东上市。该车配备多种高科技传感器,旨在提升个人自由和隐私。
美国交通部计划简化自驾车审批流程,允许无方向盘和踏板的车辆上路,并加快安全规则豁免请求的审查。目前仅Nuro获得相关豁免,通用汽车在申请中遇到困难。政府希望通过透明的数据共享增强公众对自动驾驶技术的信任。
本研究解决了自动驾驶中周围道路用户轨迹预测的不准确性问题,特别是避免不合理的越界预测和确保运动学可行性。提出了一种新颖的框架,通过可行驾驶方向及其边界来指导约束回归,此外,该模型显著改善了最终位移误差,消除了不合理轨迹,并在面对未知场景和对抗性攻击时,保持了卓越的泛化能力。
Alphabet首席执行官桑达尔·皮查伊表示,Waymo未来可能会出售个人自驾车,并将与其他公司合作,同时考虑个人拥有权的选项。Waymo早在2018年就与克莱斯勒讨论过自驾车的私人销售,目前在路上的自动驾驶出租车数量超过特斯拉。
科技正在迅速改变我们的生活,未来的家将更智能,健康设备将帮助我们管理健康,人工智能将成为隐形助手,自驾车将提升出行安全与便利。同时,技术促进人与人之间的连接,提醒我们珍视人际关系。我们应以好奇和乐观的态度迎接未来。
汽车行业正经历重大变革,自驾车将改变出行方式。通过传感器和人工智能,自驾车实现无人工干预,提升安全性、效率和可达性。它们能减少交通事故、优化交通流、降低排放,并创造经济机会。尽管面临监管、技术和公众接受度等挑战,自驾车在物流、公共交通和共享出行等领域前景广阔。
人工智能(AI)在医疗、汽车和金融等领域发挥着重要作用,包括疾病预测、自驾车和欺诈检测。了解AI的基本原则对各行业从业者至关重要。
世界基础模型(WFM)在物理人工智能的发展中至关重要。NVIDIA的刘明宇指出,WFM能够模拟真实环境并生成合成数据,助力自驾车和机器人等物理AI系统的开发。NVIDIA推出的Cosmos平台提供开放的WFM,促进各行业的AI工作流程,尤其在自驾车和人形机器人领域具有显著影响。
May Mobility正在扩展其自驾车队,推出可容纳30名乘客的电动迷你巴士,配备可更换电池,计划于2026年上半年投入使用,目标市场包括美国、加拿大和欧洲。公司专注于与企业和政府的运输合同。
美国国家公路交通安全管理局推出自驾车评估和监管的自愿框架,旨在促进无驾驶员汽车的商业化。该框架要求自驾车公司提供更多数据,以提高透明度和公众信任。尽管面临政治挑战,该提案为自动驾驶技术的发展奠定基础。
人工智能正在改变世界,未来将出现更智能的个人助手、先进的机器人、医疗AI、自驾车和教育AI,提升生活质量并解决环境问题。我们需关注伦理,确保AI惠及所有人。
在今年的机器人顶会CoRL上,自动驾驶车辆成功完成漂移,展示了新方法在极限操控下的安全性。获奖论文还探讨了机器人导航,利用强化学习实现了良好的现实世界泛化。CoRL自2017年起成为机器人学与机器学习领域的顶级会议。
今年的机器人顶会CoRL颁发了杰出论文奖,获奖论文包括利用强化学习进行导航的PoliFormer,展示了其在现实世界中的泛化能力。CoRL自2017年举办以来,已成为机器人学与机器学习领域的顶级会议。
计算机视觉(CV)使机器能够识别图像和视频中的对象、面孔和动作。迁移学习通过利用已训练的模型,节省时间和数据,提高准确性。其过程包括选择合适的预训练模型、调整分类层、冻结初始层、训练新层,并最终评估模型性能。迁移学习广泛应用于医疗影像、自驾车和零售等领域,但也面临数据不匹配和过拟合等挑战。
本文介绍了HDMapNet、VectorMapNet和MapTR等高清地图学习方法,强调通过多传感器数据融合和新型神经网络结构提高地图构建的精度与效率。这些方法在自动驾驶中尤为重要,特别是在复杂环境下的实时推断和稳定性方面。研究还探讨了标准定义地图在局部地图感知中的潜力及未来挑战。
作者在炎热的夏天选择离开上海,前往莫干山的小溪泡水。他们自驾车到达莫干山,沿着小溪游玩,找到了几个适合玩水的地方。然而,作者的手机不慎掉入水中,导致无法拍照。之后,他们去了庾村,参观了民国风情小镇。第二天,他们继续沿着小溪前行,找到更多的玩水地点。最后,他们回到上海,回味着在莫干山的美好时光。
本文提出了多种基于多智能体强化学习的方案,以解决复杂环境中的安全性和效率问题。这些方案包括离线多智能体保守分位回归、基于模型的动态屏蔽方法和基于扩散的模型,应用于无人机网络、自驾车和复杂驾驶情况,显著提升了任务性能和安全合规性。
完成下面两步后,将自动完成登录并继续当前操作。