标签归档:2017

飞行机器人大师Vijay Kumar:用亮眼的研究成果将机器人的未来娓娓道出 | CCF-GAIR 2017

雷锋网按:由中国计算机学会(CCF)主办、雷锋网与香港中文大学(深圳)全程承办的 AI 盛会「全球人工智能与机器人峰会」(CCF-GAIR),将于 7.7-7.9 日在深圳召开。

CCF-GAIR 为国内外学术、业界专家提供了一个广阔的交流平台,既在宏观上把握全球人工智能趋势脉搏,也深入探讨人工智能在每一个垂直领域的应用实践细节。延续上一次大会的议题,本次 CCF-GAIR 2017 将会迎来更多人工智能和机器人行业的议题与讨论,其中就包括了飞行机器人。

说起无人机,大部分人第一反应是大疆。但其实在飞行机器人业内,有一位来自印度的大师必定会被提及,他就是:Vijay Kumar。

作为宾夕法尼亚大学工程学院院长、IEEE会员、美国国家工程院院士的Vijay Kumar在空中机器人(无人机)领域知名度极高,他研究的前沿项目在人工智能领域无人不知无人不晓。

据雷锋网编辑了解,此前他在2012年TED演讲中展示了他的研究成果,有400万人观看,是TED官网最热门的视频。当被问及为何这个视频会如此受欢迎,Vijay Kumar答道:

“罗马不是一天建成的。大家看到的可能是里程碑式的成果,但没有看到的是这背后可能有着5年、10年或者更长时间的积累。我的意思是,可能大多数人对机器人领域研究的进展并不了解,当他们突然看到一项新的技术,他们会有让他们觉得眼前一亮的感觉。这就是技术的魅力,如果你一直从事这方面的研究,你可能会对所做的一切习以为常。”

15年Vijay Kumar在TED的舞台上再次展示了了令人惊艳的飞行机器人,仿佛在诉说着飞行机器人的未来。

无“GPS”的飞行机器人

当前大部分的多旋翼消费级无人机都是带GPS的,而Vijay Kumar并没有按常理出牌,他研发了一种不带GPS,可自主飞行的机器人。这种机器人用机载传感器,相机和激光扫描仪来扫描环境,它能够扫描到环境的特征,并使用三角测量的方式来决定不同的特征之间有的联系,将这些信息特征整合到一张地图上。这张地图可以让机器人确定障碍物的位置,并巧妙的躲避障碍物。

▲ 边飞边绘制地图

手机飞行机器人

由于传感器太过昂贵,并且太重,Vijay Kumar将手机放在了无人机上面,轻量化设备,并命名为Plone。如此以来,这款自主飞行机器人便更加敏捷,每秒速度可达到2~3米,同时转向时还可进行激烈地起降和翻转。

协调平衡的飞行

Vijay Kumar还用仿生学原理给飞行机器人装上了可以抓取物品的爪子,以3米每秒的速度俯冲抓取一块特大号菲力牛排三明治,手臂与爪子完美协调的动作如同鹰隼般优雅与精准。

同时,飞行机器人还可在悬浮载重的模式下调整自己的飞行模式,协调与平衡。

要知道飞行器与悬挂重物的垂直高度大于那个窗口,机器人需要俯冲向下倾斜并调整高度,把重物甩过去。

更小的飞行机器人

Vijay Kumar对于飞行机器人的研究方向其实主要集中在安全、救护、农用等方向。所以他认为飞行机器人如果可以更小的话,则会更安全、拥有更高的灵敏度、撞击时产生的损耗越小、更耐用,如此一来更适用于复杂的地形,因此重量25克、耗电量6瓦、速度每秒6米的飞行机器人诞生了。他的灵感来自蜜蜂,蜜蜂的尺寸小、惯性小,这是“小巧”“高效”的智慧。小尺寸同样带来了很多问题,而自然界却有很多办法来弥补这些缺陷。蜜蜂虽然小巧,但是它们可以聚集在一起组成大型群落协同工作。于是飞行机器人网络出现了。他试着使用传感器让每一个机器人与其他机器人沟通、计算,结果非常壮观。


据Vijay Kumar描述,这种技术可以被用于农业,可以监控农作物达到精细化耕种的效果。他让“蜂群”飞向果园,运用热成像传感器为每一株植物搭建精细的模型,最终绘制成地图,根据结果告诉农民,每株植物需要些什么。

▲ 采集信息

▲ 绘制出的地图

最后达到提升10%的农业产量,降低水资源用量25%的目的。

雷锋网编辑看完Vijay Kumar的展示,不禁让人期待起飞行机器人的未来。在7月7-9日的CCF-GAIR大会上,雷锋网也安排有机器人为主题的专场,探讨机器人的现状与未来,如果想了解这一领域的最新见解与洞察,欢迎购票参加。

雷锋网

用区块链养鸡!众安率先将区块链应用于农业,还将分享技术干货 | GAIR 2017

“银行并不是当前最适合上区块链的,目前最适合先用区块链的是信息化程度比较低的领域,比如农业,”在上个月北京举行的区块链发展论坛上,众安科技CTO李雪峰如是向雷锋网表示。

“那可以做什么呢?”被追问时,李雪峰并未回答。

答案是,比如,可以养鸡。

今日(6月20日),众安科技宣布首次在国内将区块链全面应用于养鸡——基于区块链不可篡改等特点,保证每只鸡从鸡苗到成鸡、从鸡场到餐桌的过程中,所有产生的数据都被真实记录,真正实现每只鸡的防伪溯源。这个项目,是对国内区块链创业公司“连陌科技”的扶持合作,也是区块链首次在国内被应用于农业领域。

根据第三方统计数据,中国人每年要吃掉近50亿只鸡。一只鸡从鸡场到餐桌,经过了几千公里。你吃的鸡在哪里养?每天运动多少量?对于一般消费者来说,大家都知道像清远那些散养养足180天的鸡是好鸡(所以建议率先在清远落地此项目啊),但如何确保自己所吃的是完全生态的散养鸡?而上了区块链,给鸡加上了一个身份证,就实现了数据信息追踪溯源了。

众安方面介绍,这一套系统,由众安科技安链云提供区块链技术,杭州沃朴物联提供物联网智能设备和防伪技术,实现实时记录鸡只地理位置和计步信息,追溯整个鸡的成长过程;还能在整个生产链上,实现从鸡苗的供应源、养殖基地,到屠宰加工厂、检疫部门、物流企业等环节打通信息壁垒,所有信息通过区块链进行流转,并通过共识算法保证信息的不可篡改。沃扑提供的拥有国际专利的防伪技术,保证了带着防伪标识鸡在送到用户手上之前撕毁就立即无效,防止信息的多次复制。

众安科技复旦大学区块链联合实验室副主任吴小川表示,未来3年内众安科技的区块链将支撑上千万个设备数据同时上链,未来将向不同行业应用的扩展推出统一共有接口,实现快速对接链上应用,轻量化切入前端应用系统。

区块链交易效率一直是落地痛点,生态化建设也是行业公认的落地挑战。据雷锋网了解,支撑如此规模的应用数据扩展,需要较强的区块链共识速度、交易确认速度的承载能力及链路由的动态可扩展能力,目前能实现这一点的区块链服务在国内尚属于少数,所以,想要了解众安背后的技术实践、区块链应用经验,欢迎莅临雷锋网于7月7日-9日在深圳举办的CCF-GAIR 2017 —— 2017全球人工智能与机器人峰会,在7月8日金融科技专场区块链环节上,众安科技CTO李雪峰将作为演讲嘉宾,分享众安科技的区块链实践经验,掏出干货,有兴趣的朋友欢迎快快购买六折票参会吧!https://gair.leiphone.com/gair/ticketIndex

雷锋网

从学者到企业家,他是你在医疗机器人领域最想见的人 | CCF-GAIR 2017

雷锋网按:由中国计算机学会(CCF)主办、雷锋网与香港中文大学(深圳)全程承办的 AI 盛会「全球人工智能与机器人峰会」(CCF-GAIR),将于 7.7-7.9 日在深圳召开。

CCF-GAIR 为国内外学术、业界专家提供了一个广阔的交流平台,既在宏观上把握全球人工智能趋势脉搏,也深入探讨人工智能在每一个垂直领域的应用实践细节。延续上一次大会的议题,本次 CCF-GAIR 2017 将会迎来更多人工智能和机器人行业的议题与讨论,其中就包括了医疗机器人。

今天要介绍一位医疗机器人领域的大牛——苏州大学机电工程学院院长、苏州博实机器人技术有限公司董事长、国家杰出青年基金获得者、长江学者奖励计划特聘教授、国家万人计划领军人才孙立宁教授。

孙教授多年来主要从事纳米微驱动及微纳操作机器人、医疗与康复机器人、微小型与仿生机器人等主要研究,主持并完成国家自然科学基金、国家863计划、973计划、国家重大专项和省部级重点科研项目20余项,共获国家技术发明\科技进步二等奖2项、黑龙江省技术发明/科技进步一等奖3项,发表论文200多篇,授权国家发明专利20多项,多项成果实现了产业化。

象牙塔里的学者

1993年,孙教授从哈尔滨工业大学机器人研究所毕业,获得博士学位。毕业后,孙教授留任哈尔滨工业大学机器人研究所担任讲师,开始了自己的学者生涯,并在研究室里见证了中国机器人技术的快速成长。

早在1990年,孙教授就开始从事纳米级微驱动机器人方面的研究,从压电/电致伸缩陶瓷的机电耦合机理的角度出发,对压电/电致伸缩陶瓷在电场的作用下产生微位移的微观物理过程进行了深入的研究,得到了压电/电致伸缩陶瓷的归一化控制模型。

1996年开始,孙教授又以微驱动机器人为基础,进行了面向MEMS组装和封装、生物工程、光纤作业等领域的微操作机器人的研究。

此外,孙教授在先进机器人机构的研究方面,也取得创新性研究成果。针对普通关节型机器人灵活度低、回避障碍能力差等弱点,研制出新型3自由度并联全方位关节机构和两种型号的7自由度仿人机器人手臂。

1995年至2000年期间,孙教授先后参加和承担了国家863计划"一汽点焊机器人应用工程"、"120公斤点焊机器人样机设计与制造"项目,以及"工业机器人产业化开发"等国家重点科技攻关项目,为机器人的应用和产业化起到示范作用。

眼光超前的企业家

除了机器人领域的知名学者,孙教授还有另外一重身份——杰出企业家。

1997年作为主要创建人之一,孙教授创建了哈尔滨博实自动化设备有限责任公司,开发出了以粉、粒料包装机器人码垛生产线为代表的系列产品,成为国内唯一能够自主研发生产包装码垛成套设备的专业化公司,被评为国家863计划高技术产业化基地。

2009年,哈尔滨博实自动化设备有限责任公司搬迁到了苏州,并更名苏州博实机器人技术有限公司,孙教授出任董事长。从研究所所长到董事长,身份的悄然转变透露出孙教授从事机器人研究的根本出发点——“高科技要为国民经济服务”。

在孙教授的带领下,博实机器人仅用了两年半时间,就开发出了面向搬运、焊接、机械加工的高荷载工业机器人,面向教育娱乐的教学实训机器人系统,以及面向微纳制造领域的MEMS自动封装机器人。

此外,博实机器人还于2013年底开始涉足对智能医疗服务装备关键技术的研究。当时,微创外科手术机器人属于高技术聚集、高利润附加的高端智能医疗装备,是国际机器人行业增长最为迅速的领域,临床需求旺盛。孙教授看到了相关领域的投资机会,开始从事微创外科手术机器人、康复机器人、系列化机器人手术器械等高端外科手术设备和智能医疗器械的研发。

看中医疗机器人的潜力

作为顶尖学者,孙教授时刻关注国内外发展动向,很久以前就认识到了医疗机器人的巨大潜力。早在2003年,孙教授就联名发表了一篇名为《医疗机器人发展概况综述》的论文。论文中指出,由于机器人在手术的准确性、可靠性和精确性上大大超过了外科医生,各种医疗机器人及其辅助医疗技术将得到更深入广泛的研究和应用,其前景将非常广阔。论文同时也指出,由于心理(医疗机器人被医生视为竞争者,被一些患者看做危险的事物)和其他一些非技术原因(比如许可证的发放等),医疗机器人仍有很长的路要走。

孙立宁教授认为,药品、传统器械产业国内外差距较大,发展中国家很难赶上欧美上百年的历史积累及沉淀。但在医疗机器人这一新兴行业,目前中、美、欧都处于“婴儿期”,中国政府应提早规划,加大对研发的支持力度,以实现中国健康产业弯道超车。

为此,孙教授结合承担的863计划项目"遥操作辅助正骨医疗机器人系统研究"、"移动式危险传染病应急诊疗病房系统(辅助操作与服务机器人)"、"远程医疗机器人关键技术与系统研发"等国家和省市基金项目,开展了外科手术机器人、康复机器人、机器人辅助远程手术等方面的研究。

2003年,哈尔滨工业大学在孙立宁教授等人的带领下,成功研制出纳米级高精密微驱动机器人,能对细胞和染色体进行“显微手术”,在中国医疗机器人发展史上写下了浓墨重彩的一笔。

孙教授目前担任苏州大学机电工程学院院长,继续推动着医疗机器人技术的发展。据孙教授介绍,苏州大学把医疗机器人作为当前的一个重要发展方向,开发了主动式的肠道内窥镜,还做了一些关键技术和开放性的探索,包括开放了穿戴和简易型的肢体训练机器人的样机。2015年,苏州大学还在苏州建立了一个医疗机器人研究院,致力于微创、体内检测和康复等领域的研究。

推动医疗机器人产业化

集学者与企业家双重身份于一身,孙立宁教授对医疗机器人的产业化有着格外深刻的认识。孙立宁教授认为,这涉及社会、资本等多个方面;尤其作为高端医疗器械,在注册、临床各个方面有其特殊性。因此,中国发展医疗机器人应充分发挥各方面的作用,打造一个多元协作的生态圈,包括人才、技术、资本、政府和医院等。

具体来说就是,在政府的支持下打造一个平台,供各个研究院共享数据和成果。从而扭转过去各个研究部门各行其是的局面,避免大多数研究项目在产业化的道路上中途夭亡,减少资源浪费。

孙教授认为,医疗机器人产业化的另一个重要环节是医-工结合。所谓医-工结合是指:由医生提出功能需求、安全性要求以及手术方式和过程等;然后由技术人员明确需求后,确定设计输入,规划实现方式,形成工程语言;最终双方结合方案论证,不断修改与迭代。当然,做出方案后还要进行技术测试,由医生测试、评价和修改。

孙教授指出,医用机器人由于其严肃性,应用的过程必然十分复杂,因此相关的标准制定与监管等问题也十分重要。2014年,《医疗器械注册管理办法》正式公布,确立了“先产品注册、后生产许可”的监管模式。孙教授认为,这对国内医疗机器人的发展是一大利好消息,为医用机器人的普及铺平了道路。

在7月7-9日的CCF-GAIR大会上,雷锋网也安排有医疗机器人为主题的专场,探讨医疗机器人的现状与未来,如果想了解这一领域的最新见解与洞察,欢迎购票参加

雷锋网

XPwn 2017 | 500万奖金池在召唤!

你听说过GeekPwn、HackPwn、各种Pwn,听说过XPwn吗?

作为XPwn的合作媒体,雷锋网宅客频道告诉你这个会为什么值得去。

『XPwn 2017 极智·未来』将要豪设500万奖金池,每类项目金额不设封顶!发家致富的机会终于来了……

XCon和XPwn创始人王英键在首届XPwn会议中说过:

“做安全就是做未来,我们要重视安全,关注安全和了解安全。未来的安全是什么?它是以什么形态存在?它所具备的威胁是什么?发现问题和解决问题,这个是我们的目标,也是我们的责任。”

世界级知名黑客、Black Hat & DEF CON创始人Jeff Moss亲临现场

0距离感受XPwn的震撼效果

这种感觉让他记忆犹新

还有Geek风的slogan。

GEEK

无所畏惧,勇于PWN掉一切

对自由、科技极致热爱

对智慧、技术敢于挑战

对安全、秩序用心呼唤

他们正在来临

2017,他们将持续关注以下六大安全领域:

1.智能终端:针对主流手机及流行智能终端设备的未知漏洞进行利用和攻击,最终实现对设备的完全控制。


2.智能穿戴:针对主流的智能手表、智能手环、智能眼镜等智能可穿戴类设备和系统。


3.智能家居:针对主流的智能家居产品,包括但不限于智能安防类产品,智能家电产品、智能检测类产品等。


4.智能交通:针对智能汽车、车联网、无人机、无人车、共享单车等智能设备和系统。


5.未来安全:针对未来发展中可能会遇到的安全问题,包括但不限于人工智能、机器人控制等安全问题。


6.公众安全:大数据安全、反欺诈等安全领域。

不仅如此,抱着不疯魔不成话,不搞事情不罢休的总基调,XPwn还将首推,征集安全领域白皮书。

通过真实的研究数据,安全领域的现状分析,推导未来安全的发展趋势和解决方案!让未来安全更进一步!

So,戳下面这个酷炫的星图报名吧!

雷锋网

PerceptIn 张哲:SLAM刚刚开始的未来之风起狮城|ICRA 2017

雷锋网按:本文为PerceptIn联合创始人兼CEO张哲参加今年5月29日至6月3在新加坡举行的ICRA大会的感想,主要分享作者关于各个种类的SLAM及相关研究应用的看法和思考。

张哲,纽约州立大学机器人方向博士,清华大学自动化系本科。研发方向:地图重建、位置跟踪、机器人自主避障导航、设备端和云端的算法优化。2009-2014年在微软,2014-2016年初在Magic Leap工作。 

右一为PerceptIn CEO张哲,正在为参会人员演示给开发者用的视觉模组

2017年的ICRA大会 (International Conference on Robotics and Automation) 6月初在新加坡刚刚结束。ICRA作为国际机器人顶级学术会议之一,从1984年开始到今年已经是第34个年头。现在有意愿的申办方要提前3年申请,即使被IEEE接受申请成为主办方,都需要提前两年每年学习当届主办方的经验教训。在新加坡会议现场,专门有2018澳大利亚布里斯班和2019加拿大蒙特利尔的宣传展台。这次的ICRA是机器人学术届和工业界的一次盛会,不但来自各大洲的学校和研究机构的教授、学生、研究员们来演讲或学习最新的成果,工业界机器人和“泛机器人”相关的公司也纷纷前来参展和学习。机器人研究的方向和种类繁多,但计算机视觉,SLAM (同步定位和建图),建图,空中机器人 (泛指各类无人机),距离感知,RGB-D感知这几个话题的track加在一起已经占到所有track的一半左右。笔者根据这次的大会所见所闻和自己在机器人领域十多年 (尤其是最近一年多在PerceptIn全面推进软硬件一体化智能感知方案的产品化落地) 的切身感受,在这里和大家分享各个种类的SLAM及相关研究应用的看法和思考。

 本文纯属个人观点,仅供大家参考。SLAM技术基本知识的详细介绍请参见笔者将近一年前的博客文章

稀疏SLAM

稀疏SLAM指的是前端用从图像提取来的较稀疏的特征点而不是从深度摄像头来的稠密点云,或不提取特征点直接试图计算深度的直接法 (后面有专门的讨论)。稀疏SLAM在理论和实现上已经趋于成熟,借助六轴陀螺仪imu (inertial measurement unit) 的视觉惯导融合的紧耦合方法已经成为标配。在几何方面,稀疏SLAM从前端到后端已经做的非常细致,以致于大量算法微调的细节出现在论文里面,在这里举一些比较典型的例子:

  • 特征点从哪里来的问题分为了KLT (Kanade-Lucas-Tomasi) pipeline和FREAK (Fast Retina Keypoint) pipeline: 前者的原理是基于亮度恒定、时间连续、空间一致来对像素做跟踪匹配,这种方法几何信息算的好、跟踪时间长,但是会飘,后者相对不飘但跟踪时间短,其原因是FREAK的DoG (Difference of Gaussian) 极值在相邻帧重复性差。

  • 特征点被如何用的问题分为了SLAM特征点和MSCKF特征点:SLAM特征点被加入状态向量并被更新,MSCKF特征点在测量的相关公式中被忽视 (marginalize) 掉来生成位姿之间的约束。这样做的目的在于既保持了准确性又照顾到了处理时间不会太长。

  • 诸如此类还有很多如何用imu来选好的特征点,如何在后端优化中融合imu带来的约束,sliding window有多长,哪部分用NEON/GPU实现了,标定里面哪个参数最重要,预积分的处理在还算合理的情况怎么能更合理等等。

然而即使稀疏SLAM算法日趋成熟,但对硬件的依赖度反而变大,深层次的原因是因为算法抠的非常非常细,对硬件的要求也都是非常细致并明确的,比如大家偏好大视角镜头但大视角的边界畸变最严重,到底好不好用、怎么用、用什么模型;比如相机和imu的同步最好是确定的硬件同步,不但希望能保证顺序和微秒级的精确,还希望能在每帧图的那一刹那正好有一帧imu这样预积分才最准确;比如需要看的远又能拿到准确的尺度,那必须基线拉大,那么拉到多大呢,著名的做VINS (Visual Inertial Navigation System) 的明尼苏达大学自己搭的硬件是26厘米基线的双目配上165度的大视角镜头,堪称是跟踪神器;再比如宾州大学这次在ICRA发布的供SLAM跑分的数据集,采集数据用的是自己搭的一套硬件,由两个第二代Tango平板,三个GoPro相机,和一个VI Sensor (做这个的公司早已被GoPro收购),再加上AprilTags的marker跟踪,融合后的位姿信息作为真值。PerceptIn的第一代双目惯导模组在大会的展台区引来大家争相询问并购买,可见SLAM和各类基于计算机视觉的研究人员对一个好用的硬件需求非常大。

稠密SLAM

稠密SLAM重建目前也相对比较成熟,从最开始的KinectFusion (TSDF数据结构 + ICP) 到后来的InfiniTAM (用哈希表来索引很稀疏的voxel), ElasticFusion (用surfel点表示模型并用非刚性的图结构), DynamicFusion (引入了体翘曲场这样深度数据通过体翘曲场的变换后才能融入到TSDF数据结构中去来完成有非刚性物体的动态场景重建) 都做的比较成熟。工业界实现非常好的是微软的HoloLens,在台积电的24核DSP上把mesh simplification这些操作都搞了上去。

这届ICRA上稠密SLAM重建这部分,很明显看出大家仍然很喜欢基本的几何图元,比如平面,比如法向量,这里不一一赘述。着重说一下让笔者感到惊喜的是很基础但非常重要的:给地图的数据结构仍然有很大程度的创新,比如这篇“SkiMap: An Efficient Mapping Framework for Robot Navigation”,这个东西的本质是“Tree of SkipLists” (笔者不知道该翻译为跳表树还是树跳表),3D空间XYZ各一层,前两层的每个节点其实就是一个指针指向下一层,最后那层才是voxel有真正的数据,而各层有个隐藏层是跳表,保证了查找插入删除都是O(logn)。这个数据结构对机器人非常实用,尤其是不同高度下的快速深度检索和障碍物检测。

基于事件相机的SLAM

一句话来解释event camera (暂且直译为事件相机) 的原理就是事件相机的每一个像素都在独立异步的感知接收的光强变化。对每个像素来说,“事件”的本质就是变亮或变暗,有“事件”发生才有输出,所以很自然的没有了“帧率”的概念,功耗和带宽理论上也会很低。另一方面,事件相机对亮度变化非常敏感,动态范围能到120 dB,甚至在对快速旋转等剧烈运动的响应比imu还要好。这种新的传感器自然被很多做位置跟踪的研究者们所青睐,ICRA上尤其是欧洲的几个有名的实验室都在玩。然而从工业界相对实际的角度看,这个相机有以下三个致命点如果不解决那么就无法大量普及: 

  • 1) 贵,现在的价格是几千美元,现场有人说量产了就能一美元,这显然没法让人信服,CMOS已经应用这么多年现在一个global shutter的CMOS也不可能只要一美元,虽然笔者又专门到做事件相机的公司展台去详细聊了价格的问题,得到的答案是未来两三年内随着量产是有可能降到$ 200-$ 300的; 

  • 2) 大,因为每个像素的电路十分复杂,而每个像素本身的物理大小是20微米左右的,相比于很多CMOS,6μm x 6μm都算很大的了,那么就直接导致事件相机的物理尺寸很大但像素其实很低 (比如128 x 128); 

  • 3) 少,“少”是说信息维度信息量不够,事件相机的事件一般都在明暗分界线处,所以现场有人就管它叫“edge detector”,但在计算机视觉整体尤其是结合深度学习后都在往上层走的大趋势下,只有一个事件相机是远远不够的,这也是为什么事件相机的厂家也在整合imu和传统相机做在一起,但这样的话成本更是居高不下。

基于直接法的SLAM

一句话来解释direct method (直接法) 的原理就是在默认环境亮度不变 (brightness consistency assumption) 的前提下,对每个像素 (DTAM) 或感兴趣的像素 (Semi-Dense LSD SLAM) 的深度通过inverse depth的表达进行提取,并不断优化来建立相对稠密的地图,同时希望实现相对更稳定的位置跟踪。相比于研究了20多年的基于特征点的方法,直接法比较新,只有五六年的历史,下面是ICRA上和直接法有关的几篇论文,主要都是通过融合额外的传感器或方法进行对原有直接法的改进。

  • “Direct Visual-Inertial Navigation with Analytical Preintegration”: 主要讲的是连续时间意义下的imu kinematic model的闭式解。

  • “Direct Visual Odometry in Low Light Using Binary Descriptors”: 不再基于亮度不变的假设,改用基于二进制特征描述不变的假设。 

  • “Direct Monocular Odometry Using Points and Lines”: 用edge把基于特征点和基于直接法的两种方法结合起来。

  • “Illumination Change Robustness in Direct Visual SLAM”: Census效果最好。

那么直接法到底能否大范围普及呢?笔者从工业界“比较俗比较短视比较势利”的角度来看,觉得直接法两边不靠非常尴尬: 1) 直接法没有证明在位置跟踪方面比前端用传统特征点的基于滤波 (MSCKF, SR-ISWF) 或者基于优化 (OKVIS, VINS-Mono) 要有优势,如果环境恶劣是由于光线变化,那么直接法的基于环境亮度不变的假设也不成立,如果环境恶劣是由于超级剧烈的高速运动,那么直接法也是得通过imu融合才能争取不跟丢; 2) 直接法的直接好处是地图相对稠密,但相对稠密是针对于基于特征点的稀疏而言,如果这个地图是为了做跟踪,那么基于特征点的方法已经证明可以做得很好了,如果是为了3D重建,那么大可以用一个深度相机,如果是被动双目的话,被动双目还原出稠密深度本身也在大幅度进步。所以笔者认为直接法够新颖,但新颖的不够强大,或者说不够强大到有落地价值。

这次ICRA大会的SLAM还有一个非常大的方向是语义SLAM还有深度学习,试图从各个方面帮助SLAM的几何部分。这个话题非常有趣也非常大,限于篇幅不多赘述。大方向上学术界SLAM的相对成熟,必然伴随着工业界很大量级的产品中集成达到产品化程度的SLAM方案,那么在工业界SLAM未来走势会是什么样子呢?笔者有以下几点看法:

  •  1) SLAM太重要会导致大厂都想拥有,但有能力搞高质量全套的就那么几家,这几家也能搞到业界最好,比如微软HoloLens,谷歌Tango,苹果ARKit,注意即使实力强大到这几家也都紧密配合自己的硬件,也没法给出一个普适方案;

  • 2) 会有很多出货量极大但优势不在算法端或者说不需要在算法和软件的公司,比如各大扫地机厂商,这些厂商只需要在创业公司里面挑一家方案成熟度最高、资金储备最充足、人才储备最完备、最容易合作的方案厂商合作就好;

  • 3) 留给国内外的SLAM初创公司做单点技术的空间不大,这个现象不只出现在SLAM上,也会出现在任何一个技术的产品化道路上,然而在SLAM和“泛感知”这一块相对比较特殊的是需要SLAM和智能感知的产品和方向太多,而感知对硬件的依赖又非常大,整体市场尤其每个细分领域远远没有达到饱和的阶段。

ICRA 2017,风起狮城,SLAM的未来已经开始。

雷锋网

VR版《辐射4》玩起来什么感觉?这篇体验告诉你 | E3 2017

雷锋网按:B社在今年 E3 上推出 VR 版《辐射4》,外媒UploadVR日前上手体验了这款游戏,雷锋网沉浸感频道编译如下。

在今年的 E3 大会上,Bethesda 公司再次确认它们未来将专注 VR 游戏并推出了重量级大作——VR 版《辐射4》(雷锋网曾做过报道)。今天,我终于有幸戴上 HTC Vive 走进了这片废土。

如果你熟悉普通版的《辐射4》,刚进入游戏肯定感觉像回家,因为 VR 版 Demo 的开场也是在红火箭加油站里。确实,周围的一切都是那么熟悉,但在控制上却稍有差别。Demo 版中,默认的移动方式是传送,所以我先在加油站跳来跳去杀了不少食尸鬼。

在 VR 版中,切换武器非常方便,你只需点击右手手柄上的触控板就能呼出武器转轮,然后就能在手枪、来福枪和迷你核武器里做出选择了。试了一段后我决定给迷你核武器个优先级,只需轻轻一点就能切换,这样在遇到大怪时就不用担心火力不够了。

游戏中玩家左手的手柄可设置为佩戴哔哔小子(Pip-Boy)功能,这样玩家就能用动作指令控制哔哔小子了。当你不断挥舞左手,就能呼出主菜单,然后点击触控板的中心就可以完成选择。设置完成后,我垂下了左臂重新回到废土世界。这时我已经热身完毕,彻底沉浸在这个虚拟世界了。

在试了试哔哔小子并玩了几把传送模式后,主线游戏开始了。我一路走向康科德,作为一个《辐射4》的老粉,我知道死亡之爪正在那里等我。

也许是 B 社照顾,我居然在路上捡到了能量装甲,这东西能在路上碰上简直是撞了大运了。

从体验上来看,VR 版的移动还是挺顺畅的,左手的触控板负责控制方向,双击则可控制速度。不过,游戏画面却总是有些抖动,也许后续 B 社会进行重新校准。

虽然做好了充分准备,但死亡之爪出现时还是吓了我一跳,它像火车头一样飞快冲过来。蛰伏在市中心博物馆楼上的 Preston Garvey 先是给了它几枪,被惊到的我本来都准备用迷你核武器了,但稳定了心绪后我还是拿出了轻机枪。

VR 版中的辅助瞄准系统(VATS)与主机版有些不同,主机版中画面会凝固,玩家能直接瞄准地方的某个部位,但在 VR 版中,B 社将它改成了慢动作模式。由于 Demo 版中可以无限使用 VATS,因此我很快就灭了死亡之爪,开始挺进博物馆。

在博物馆里,我还遇见不少强盗(Riders),不过这些家伙哪是对手,能量装甲和轻机枪配合,我很快就将它们灭了个一干二净。为了多拿个聚变反应堆,我孤身一人进入了地下室,而反应堆就在一扇锁住的大门后。VR 版中开锁的操作方式与主机版基本相同,不过控制上稍有差异。我用右手大拇指在触控板上摩挲,以便控制发夹在锁芯里转动,听到那清脆的响声后,只需点击扳机键,大门就开了。

打爆了更多强盗后,我终于冲上楼见到了老伙计 Preston。有趣的是,我发现穿上了装甲后自己在 VR 世界里变得相当魁梧。

虽然我还想继续在废土上探险并杀死更多的超级变种怪物,但 Demo 版已经到头了。不得不说的是,这体验做的非常赞,我都觉得自己属于辐射世界中的一员了。

由于消费级 VR 设备还处在初级阶段,用户基础较小,因此厂商们不会投入巨大精力将 3A 大作移植到 VR 平台。不过,《辐射4》的到来开了个好头,这些顶级内容的加入能提升 VR 设备的销量并扶持 VR 行业健康发展。

今年 10 月份,完整的 VR 版《辐射4》就将正式上市,想在废土上探险的玩家们有福了。

雷锋网

PerceptIn 张哲:多传感器融合将成为SLAM标配|ICRA 2017

ICRA(IEEE International Conference on Robotics and Automation,机器人与自动化会议)日前在新加坡滨海湾金沙会议中心举行,作为一个被产学界不少人评为机器人技术领域最有影响力的国际学术会议,会议上所展示的前沿学术研究备受关注,因此也吸引了各大高校的学术人员,以及包括京东、大疆等在内的企业参与。

雷锋网此次也前往新加坡进行全程报道。ICRA议程分为主论坛、分论坛、workshop、比赛和展会,通过观察雷锋网了解到,今年的会议上关于机器人智能导航的内容很多。实际上,这两年在产业界关于智能导航的产品也出现很多,包括激光雷达、摄像头方案,虽然这些产品很受欢迎,但仍然面临稳定性等问题。那么今年的ICRA上又有哪些关于SLAM新的算法和研究出现,对于产业界又有哪些贡献。雷锋网现场采访了PerceptIn联合创始人兼CEO张哲,与他一起聊了聊这些问题。

PerceptIn(普思英察)成立于2016年3月,提供智能感知的一站式解决方案,包括能够规模化生产的硬件。创业之前,张哲是硅谷最热的AR增强现实创业公司Magic Leap的首席工程师,而另一名联合创始人刘少山在百度硅谷研发院担任高级架构师,从事无人车项目的操作系统和硬件交互研发。PerceptIn作为ICRA的赞助商,参加了这一届的会议,这次他们带来了一款给开发者用的视觉模组参展,使用的双目加IMU方案。

右一为PerceptIn CEO张哲,正在为参会人员演示给开发者用的视觉模组

新智造:能不能阐述下你来这个会议的目的?

张哲:三个原因,一个是来学习,我从学生时代到现在十几年每隔段时间都会参加ICRA或IROS,基本上这个圈子的人都能见到,因为这个可以说是机器人领域最高端的会;第二是通过赞助大会,宣传下公司的品牌。PerceptIn在国内大家可能听的多一些,而在美国这些之前一直比较低调,专心做研发,另外就是过来交朋友,顺便介绍下我们在做什么,以及我们的产品;最后,就是招人。

新智造:这个会议今年都有哪些亮点,对于你们来说都有哪些收获?

张哲:这个会有几十年了,刚开始展示的机器人可能都不太成熟,但是还是体现了机器人领域比较前沿的东西。从Track的数量来看,这两年明显能感受到整个行业,包括算法的成熟度都不断增长,基本上有小一半都跟SLAM、计算机视觉、无人机有关。因为我们主要就是做SLAM的,机器人定位、计算机视觉的部分会听的多一些。

这个会相对来说还是比较贴近实际,没有硬件载体的AI在这个会上比较少,比如你会看到6条或8条腿的机器人,再比如你会看到用深度学习很明确的解决视觉和机器人的某一个东西。每两三年来这个会,你会发现这个会上的东西进步的非常快。这次会上,在SLAM这块大家都在试用新的传感器,这个在两年前也有,但没有那么普及。这次深度学习的track多了,深度学习解决了更具体的某些问题,这个问题在两年前是没有那么火。还有农业采摘类的机器人,这个在美国至少是几十个亿美元的市场,所以作为一类机器人来说非常有用。同步定位地图呢,我们在有些track上看到在水下做同步定位地图,用双目相机,这个也是一个非常好的方向。这些对于我们来说都是很有启发意义的。

新加坡给我的感觉对企业和学校都很友好,从政府的角度投入非常大,当然美国和国内也做的非常好,但新加坡这块你可以感觉到是非常重视的。所以,我们也在和当地的公司和学校聊合作。很多海外的学校和公司也都来开会,像CMU以及日本、韩国的学校都已经拿到了我们的硬件。从实验室的角度来说,他们肯定要做一套比较好的算法,我们的硬件搭配算法提供了比较好的基准给他们做参考,但他们在硬件上花的时间他们会觉得不是那么值当,也就不是他主要经营的东西,从我们的角度来说,我们要做一套软硬件一体化的解决方案,这两边的互补性会比较强,因为一没有竞争关系,二是双方都愿意合作。

另外,这次会议参加的学生很多,也有一些人对我们比较感兴趣,之后会进一步沟通。所以,总体来说收获还是蛮大的。

新智造:这次会议上有哪些算法或研究是对你们的产品是有帮助的?

张哲:我们做的比较多的是SLAM和DeepLearning,会上听到的有很多,当然,学术的角度上是要让算法更快、更准,另外值得借鉴的是不同领域之间的融合,像DeepLearning怎么用在几何里面,这些是比较有启发性的。

说到SLAM的算法,要么是激光要么是摄像头,现在是常见的多传感器融合,一个比较大的方案就是视觉传感器和惯导也就是六轴陀螺仪,这两个的融合算法基本上是一个标配了。大会上讲的主要就是视觉惯导结合,另外出现了一个新的相机传感器,event based camera,基于事件的相机,它没有每一帧每一帧的改变,基本上每一个像素都在记录一个事件的变化,就是亮度的变化。

当然,至于能不能直接应用在产品上,要看算法真正是否做到真正产品化的程度,有的算法非常好,但离产品化非常远,我们也会慎重些。另外,我们了解到event based camera现在的单价是3000元美元以上,未来大家都想要压到1美元,但在我看来短期内不可能实现,因为它的senser非常复杂,所以离普及还很远。当然,这并不妨碍研究上的进步,但作为企业来说,我们不可能说一定要把最新最好的东西放在我们产品上,因为生意还是要做的。

新智造:现在SLAM存在哪些问题?

张哲:一个是丢失,再好的SLAM也会丢,一个系统即使算法做到100分,现实中总会有失败的。我和少山以前都在微软待过, 做一个软件或者web,很重要的一个特性就是你的系统容错能力怎么样。所以,一个系统落地到产品上,发生突发情况系统的稳定性是非常重要的。SLAM实际上是跟硬件结合的非常紧密,基本上传感器决定数据质量,而数据质量决定前端算法的好坏和后端的优化程度。这个一直都是问题,不是一个能够推出来的公式。

新智造:你们去年对外说今年会有数百万美元营收,主要是来自哪里,现在进展如何?

张哲:主要是机器人,扫地机器人。我们的稳定订单已经有了一些,现在我们主要就是在做量产。扫地机器人是这样的,因为是硬件产品,它的更新换代是这样,很少有哪个公司一年能出5到10款,所以前期需要尽早确定型号,包括尺寸,然后中间做开模,然后测试,整个周期是很长的。市场铺开在国外主要是感恩节、圣诞节,在国内就是双十一、春节这些。所以,今年下半年的需求是能看得到的,我们现在就是在做准备。

新智造:除了扫地机器人,你们还看好哪些领域?

张哲:服务机器人,比如仓储机器人,仓储也有室内和室外的。不同形态的产品,我们也都在和一些企业在聊,在美国那边也有和很多机器人企业在聊。我们的一个特色就是两边运营。

新智造:我和很多做视觉方案的企业聊过,他们也都看好服务机器人,但最近他们遇到一个问题,就是服务机器人的市场发展并没有达到他们的预期,所以也在思考是否要转型,你们为什么那么坚持服务机器人?

张哲:我觉得这并非是某类机器人的问题,机器人这个东西已经说了很多年了。我原来在微软机器人组,2007年盖茨写过一篇前瞻的文章《每个家庭都有一个机器人》(A Robot In Every Home),距离今天正好10年多一点,我是在2009年进去的,从学校开始我已经做了十几年机器人,在任何一个时间点看都不温不火,好像大家都在说,但与自己的心理期待值相差很大,但是回头看三年、五年,这个进步还是非常大的。可能你看现在没有多少量,但相对以前来说这个量已经大很多了,现在全球的服务机器人的种类和数量相对两三年前来说其实已经大很多了。因为大家说的量可能都是手机这种,但是一个技术一直到爆发,它不是线性的,很多是呈指数的,手机市场也是iPhone出来后第二年第三年才爆发的。所以,我们对机器人的发展判断也是这种情况。

新智造:之前刘总也经常在外面讲一些关于自动驾驶的内容,你们有计划推出这方面的产品吗?

张哲:首先,我们肯定不会,也不觉得自己能做无人整车方案。我原来在MagicLeap做AR,少山在百度做无人车,现在我们既没有做AR也没有做无人车,无论从技术难度还是从市场来说,这是我和少山经过深思熟虑之后作出的选择。无人车的市场肯定非常大,而且未来会有阶段性的突破,但作为一个初创企业,整车的方案我们不太会碰,可能会从简单的场景,从感知的方向考虑,目前没有一个公开的计划和路线图,但其实我们也在看,包括AR/VR我们也在和很多企业在聊,但整个市场一起怎么走,或者真正到了哪个时间点,这方面也在学习。


2017 年 7 月 7、8、9 日, CCF-GAIR 2017——2017 年全球人工智能与机器人大会将在深圳福田举行,大会由深圳市政府指导,中国计算机学会(CCF)主办,雷锋网和香港中文大学(深圳)承办。大会设置了三天的议程,包括人工智能前沿专场、机器人专场、机器学习专场、智能驾驶专场、智能助手专场、金融科技专场、未来医疗专场、智能物流专场、AI+ 专场、CV+ 专场、AI 创投专场等 11 个专场,每个专场分别邀请海内外学术和产业界最顶尖的专家来做大会报告和对话交流。

届时PerceptIn联合创始人刘少山受邀参会,有兴趣与其交流的,欢迎购票参加!

雷锋网

预告 | 港科大教授张晓泉:经济学家眼中的金融科技创新 | CCF-GAIR 2017

雷锋网AI金融评论按:由中国计算机学会(CCF)主办、雷锋网与香港中文大学(深圳)全程承办的 AI 盛会 –「全球人工智能与机器人峰会」(CCF-GAIR),将于 7.7-7.9 日在深圳召开。

CCF-GAIR 为国内外学术、业界专家提供一个广阔交流的平台,既在宏观上把握全球人工智能趋势脉搏,也深入探讨人工智能在每一个垂直领域的应用实践细节。

延续上一次大会的顶级嘉宾阵容,本次 CCF-GAIR 2017 将会迎来更多人工智能和机器人行业重磅专家。在未来的一段日子里,雷锋网将陆续放出嘉宾介绍。今天要介绍的是金融科技专场大会嘉宾——香港科技大学资讯,商业统计及运营学系教授张晓泉博士(Professor Michael Zhang)。

银行的公众形象与安全密切相关,而创新总是与风险有关。在金融科技革命这件事情上,银行业关注的重点始终在于“不失败”,而不是“去创新”。所以,当大家都意识到人工智能、大数据能够给金融业务带来革新时,金融从业人士担心的是:人工智能可以做什么,不能做什么?它将带来什么风险?如何落地应用人工智能才不违背金融规律?……

因此,人工智能金融发展到这个阶段,我们很希望能够听一听,经济学家是如何看待,以及实践金融科技创新的。以下内容来自雷锋网AI金融评论与张晓泉教授的大会前对话,也是张晓泉教授大会报告内容的精彩预告!

嘉宾简介

张晓泉教授 (Professor Michael Zhang) 于2006年在美国麻省理工学院(MIT Sloan School of Management)获得管理学博士学位,此前在清华大学获得管理学硕士,工学学士和文学学士的学位。因为英文名称是麦克教授,所以朋友都称他为麦教授。

麦教授曾经从事过的工作有: 投资银行分析师,证券公司顾问, 高科技公司的国际市场部经理,以及互联网公司创始人。 在美国学习时,他得到了一项美国专利,并创立了一个知名的华人网络社区(MITBBS, 未名空间),该社区在2004年时得到华尔街日报的报道。

麦教授用经济学的方法研究大数据的产生,传播和处理。他擅长的研究领域是信息产品定价策略,大数据营销, 商业人工智能以及互联网金融。他的学术论文在学术期刊如 American Economic Review (美国经济评论),Management Science (管理科学 ), MIS Quarterly (信息管理系统季刊), Journal of Marketing (市场营销), Information Systems Research (信息系统研究), Journal of MIS (信息管理系统) 等发表。目前他是学术期刊 Information Systems Research (信息系统研究)的高级主编。

他同时也是招商证券,中国移动,华为,香港数码港,阿里巴巴旗下的湖畔大学等公司和机构的顾问。

如何用经济学的方法研究大数据?

麦教授擅长于研究信息产品定价策略,大数据营销, 商业人工智能以及互联网金融。大数据、机器学习兴起以来,大家都表示应该并大力推进来用大数据来研究经济,但张晓泉教授的方法论并不一样,他主张用经济学的方法研究大数据的产生,传播和处理。这样的方法,一定程度弥补了前者的研究相对静态带来的局限。

麦教授认为虽然大家都在用大数据做人工智能,因为大家的出发点和目标不一样,导致能回答的问题也不一样。经济学家,统计学家,和机器学习专家研究的人工智能问题会非常不一样。经济学最核心的问题之一是建立激励机制。“任何场景下都需要解决激励问题,就是人为什么要做这件事情,游戏规则如何制定才能给人以足够的动力去按规则制定者的想法做?”

机器学习在做的事情更多是预测和分类。以电信公司的业务为例,客户是通话多一些还是使用数据多一些,机器学习能否通过分析历史数据来预测用户是否会转用竞争对手的服务。

这两种问题的底层都是统计学,统计学家解决能不能用数学的方法来描述随机性,人工智能归根结底是需要机器去分析哪一种结果是最可能出现的。

麦教授解释道,“经济学家的研究目标更多是去解释事情的底层机制是什么样的?前两年有本大数据的书很火,书本的观点认为我们不需要要解决因果关系,因为有了世界上所有的数据之后,问任何问题都能够通过数据回答,这是不对的。”

经济学家认为,一定要分析清楚因果关系,才能够制定更好的政策和规则 。比方说,有数据表明上私立学校的学生更容易上好大学,那么是否能说私立学校比公立学校更好呢?要回答这个问题需要研究上私立学校的学生是否本来就有别的更好的资源让他们上好大学,如父母的校友资源,去国外旅行开拓视野的机会等。换句话说就是一个上私立学校的学生如果放到公立学校去是否还能上好大学。如果不知道因果关系我们是没法知道答案的。在过去的20年里,经济学家建立了非常多的数据分析模型,有整套的计量经济分析框架,这些模型如果能够和人工智能的一些方法结合,会产生出非常多的有意思的结果。

所以经济学家做的事就是,如何用经济学的这套体系来帮助现在大家做的技术创新?

经济学家眼中的金融科技创新

  • 到底金融市场是做什么事的?金融市场如何通过AI的影响而变得更有效?

到底金融市场在干一件什么事?在解决金融科技创新的问题时,首先出发点应该讲清楚到底金融市场在干一件什么事。通俗地说,一般人认为金融市场是帮人们挣钱,“但其实不是的,” 麦教授指出,“金融市场真正在做的是让资源更好地分配。”

“所以看历史上金融科技发展的每一个时代,比如最早我们开始用纸币,后来有信用卡,现在是区块链的出现,不同的技术往前发展,其实都是让我们越来越有效的做资源分配。”

因此,到底金融市场怎么能够通过AI的影响而变得更有效?

  • AI来袭,金融市场出路在哪里?

近来,《纽约时报》、《 经济学人》等主流媒体都在讨论:金融市场的未来到底是什么样的?很多人认为金融市场会被人工智能替代,比如金融投资分析等职位。

包括目前大学教授的课程,财务学、金融学等,这些到底还有没有用?如果未来都能让人工智能来做,那就无效了。

那么,到底出路在哪里?

…………

这些科技创新带来的问题,在届时的大会演讲上,麦教授都将从一个经济学家的角度出发,结合技术的研究实践来进行分析。

  • 人工智能的界限在哪里?

“所以,人工智能能做什么、不能做什么?这点我觉得非常重要。”麦教授表示,现在大部分人都在讨论人工智能可以做各种各样的事,但是人工智能不能做什么?到底界限在哪里?其实是一个更需要讨论的问题。这里的讨论并不需要乐观或悲观的臆想,而是需要建立有效的方法论来研究。

麦教授的演讲将以两个场景为例:

  • 第一个场景是金融市场情感分析。

  • 第二个是金融市场最关心的——能不能预测股价?

现有的分析师,每天要看无数的年报、季报,以及公司的报表,还要看看新闻发生了什么事情,宏观经济,社交媒体讨论等无数信息……目前大部分的情感分析用的研究方法是直接提取文本中带有情感色彩的词语。如果和对金融市场的知识相结合,新的情感分析算法可以直接结合经济学和人工智能的优点,做到更好的辅助分析。另外,麦教授还会讨论如何用人工智能的算法来做股价预测。

此外,金融行业最重要的领域之一是风险管理。如今大家认为用人工智能可以解决所有的风险管理问题,“这是错的。”麦教授指出,“风险管理有很多的层面,一个层面是说只要讲到风险,就是能不能写出来股价涨跌的概率分别有多大?波动率有多大?一旦写出波动率,底层就一定假设了某种概率分布,但是很多金融事件的发生我们是不知道概率分布的。”即便有完备的历史数据仍然无法管理这类风险,那么经济学的方法如何给人工智能提供有力的模型工具呢?

这些问题,届时大会上麦教授都将展开讨论。

…………

今天我们先剧透到这里,大会上麦教授将带来更详尽的前沿研究分享,希望到现场与麦教授进一步交流的朋友,欢迎快快购买我们的六折票!

雷锋网

英特尔无线VR方案E3亮相,延时 7ms,未来将整合到主板中 | E3 2017

图片来自engadget

复杂的用户体验对于VR的普及来说是很不利的。 将VR头戴设备连接到游戏PC或PlayStation 4上,所用的长长的线缆对于极客们来说可能不是什么大问题,但是主流消费者是不会想留着这些线缆的。 我们都知道无线才是最终的解决办法。

雷锋网此前报道,英特尔在CES上展示了自家的无线VR附件——DisplayLink XR,基于WiGig技术。 公司宣称提供低于7毫秒的延迟,并且由于WiGig兼容802.11ad无线标准,因此它可以在60GHz频率上达到千兆的数据传输速度。在CES展上测试这些配件后,HTC与英特尔在设计和销售这类产品方面建立了合作关系。

图片来自 PC Gamer

在日前的 E3 展会上,外媒记者也体验到了这款无线VR套件。就像TPCast的头戴设备一样,英特尔的DisplayLink XR安置于Vive的头带上。原型产品有点大而且麻烦,外部有细细的线缆伸出来并连接到Vive的前部(表面覆盖着一些黑色胶带)。外媒记者表示第一次看到它时,并没有多少信心。但是在Vive上开始体验《Space Pirate Trainer》这款游戏时,对它的表现感到惊讶。

这是一个开始节奏缓慢的游戏,但是当你击落外星人的船只并躲避飞弹时,节奏会逐渐加快。不管游戏变得有多疯狂,英特尔的无线方案并没有让人感觉到任何延迟或卡顿——游戏体验和在家使用的Vive一样。这位记者表示,相比之下,在使用TPCast的无线配件一段时间后,游戏性能会变差。雷锋网觉得这点有些奇怪,因为 TPCast 官方给延时参数为 2ms,而英特尔的方案是 7ms,显然前者的体验效果会更好,但游戏性能变差不知是什么原因。这还有待日后验证。

另外,该记者也说了,跟TPCast 一样,WiGig模组被固定在Vive的顶部,所以会增加 Vive 佩戴重量,不过英特尔表示这些问题可以在将来硬件完成时得到解决。

图片来自 PC Gamer

英特尔并没有使用HTC发布的最新Deluxe Audio Headset进行改装,虽然这会带来更舒适的用户体验。英特尔提到,它的发射器只是一个小型PCIe x1插卡,可以在任何PC上工作——但必须有一个大于mini-ITX的主板来容纳它。将来的计划是将WiGig模组直接整合到主板上,但现在还没有确切的时间表。雷锋网觉得这个倒是可以期待。

虽然现在不知道英特尔的DisplayLink XR何时推向市场,或者售价多少。但是,就目前市场形势来看,该公司至少提供了真正有用的方案。朝无线化发展将为台式机VR带来巨大福音,尽管它必须与一体机头显设备(如Oculus的原型产品“圣克鲁斯”)以及越来越强大的其它移动VR产品进行竞争。

虚拟现实领域的公司都知道,要真正使VR变成主流,需要吸引大量的消费者。有两个前提:优秀的内容和真正的易用性。现在我们都不具备,但以后会慢慢有的。

Via pcgamer & engadget

雷锋网

被四维图新收购后,杰发科技要继续用芯片为未来汽车电子赋能 | CES Asia 2017

去年5月,国内图商四维图新宣布将以38.75亿元人民币总金额收购杰发科技。在被四维图新收购之前,杰发科技的前身是创建于2010年联发科技公司旗下的汽车电子事业部。杰发科技,也是在去年的收购中以全新的身份被更多人熟知。

本次CES Asia展上,杰发科技以四维图新子公司的身份参展,公布了面向更高级ADAS技术的芯片方案,以及首度切入车规级车身控制芯片的尝试。

“ADAS这一块,目前的最新芯片能够支持4路摄像头输入,从而保证可以执行更多的ADAS算法,车规级设计让ADAS算法执行的稳定性更高。”

在CES Asia现场,杰发科产品市场部经理这样告诉雷锋网新智驾,他以倒车影像为例表示,之前的IVI(车载信息娱乐系统)主要以倒车后视摄像头输入为主,而4路高清摄像头输入可以支持360度全景影像,该芯片能够加载更多影像信息,让图像技术在汽车电子中有更多的应用。

今年3月,四维图新曾发布公告表示,杰发科技已完成了100%股权过户到四维图新名下的工商变更。此外,四维图新与杰发科技将于2017年第二季度发布国产首颗真正车规级的ADAS芯片及整体解决方案。这个芯片,也就是此次杰发科技在CES Asia展出的产品。

公开资料显示,该芯片采用64位4核 A53架构,内置硬件图像加速引擎,支持2路高清视频输出和4路高清视频输入,能同时支持高级车载影音娱乐系统全部功能和丰富的ADAS功能。

对于ADAS功能,该解决方案逐步将四维图新研发的360°全景泊车系统、车道偏移警示系统、前方碰撞警示系统、行人碰撞警示系统、交通标志识别系统、车辆盲区侦测系统、驾驶员疲劳探测系统和后方碰撞预警系统等算法在该芯片上优化实现。

杰发科对雷锋网新智驾表示,目前,杰发科芯片与国际一些主流Tier 1供应商都有合作关系,与国内主流厂商则几乎大都有合作关系。另据报道,2015年,杰发科技芯片在国内自主品牌车型的前装配置车型超过了100款。

在被四维图新收购之前,杰发科技是知名芯片厂商联发科的控股子公司,主要从事汽车电子芯片的研发、设计,其主要产品为车载信息娱乐系统芯片及解决方案。数据显示,杰发科技占据了国内后装车载芯片市场的主要份额,与此同时,杰发科技也在积极谋求进入前装车载芯片领域。可以说,杰发科技是国内汽车电子芯片领域难得的稀缺资源。

首度切入车身控制自主芯片尝试

此前,车身控制芯片几乎被海外汽车电子厂商垄断,此次杰发科技也带来了在车规级车身控制芯片产品的初探。

“这是一款车规级MCU,达到AEC-Q100  Grade 1的认证要求,即保证芯片在汽车应用的各种工况下的稳定性。而这,也正是MCU的难点。在一些恶劣情况下,例如电压、温度等影响,这种车身控制MCU和日常消费电子相比对可靠性要求高多,门槛很高。目前,国内做汽车电子芯片,并且在车厂量产的,我们是第一家。”

在现场,杰发科技向雷锋网新智驾演示了其芯片对车窗、雨刷的控制操作demo,再被问及未来如何在激烈竞争中推向市场,杰发科技表示,车身控制芯片对可靠性要求很高,终端用户在驾驶过程中,如果发生电控单元失效,后果非常严重。杰发科技在车载电子芯片领域有超过5年的量产经验,通过在汽车电子芯片设计、生产、封测等环节可靠性的不断提升,未来的合作值得期待。

在提及被四维图新收购后的战略布局时,杰发科工作人员表示,此次很快准备落地的ADAS芯片及算法,和正在规划的自动驾驶芯片及算法,都是双方共同合作的核心方向。

“首先,IC提供了高性能的计算处理能力;其次,自动驾驶也需要高精度地图的支持,以及算法研究和深度学习等技术。”之前四维图新收购杰发科技时也曾表示,主要是立足于自动驾驶领域的布局及转型。外界评论,基于此,四维图新将产业链条延伸至汽车芯片的关键环节,形成高精度地图+芯片+算法+系统平台的自动驾驶核心能力。

杰发科技还指出,Tier 1走在汽车产业链变革布局的前端,他们与许多Tier 1厂商的合作,对其在汽车领域布局有很好的前瞻作用。

据介绍,杰发科作为四维图新的子公司,未来两者的资源协调也将更加便利,对于自动驾驶领域的解决方案将有更深入的研究和商业化考虑。既要与四维图新全面配合,也要塑造产品的独立性和广泛兼容价值,这是成为四维图新子公司后的杰发科技表现出的存在之道。

雷锋网