11月17日,国产手机厂商真我realme举行真我10系列发布会。在发布会现场,真我realme副总裁、中国区总裁徐起表示,真我10 Pro+搭载了腾讯位置服务团队自研并且支持北斗的高精度卫星定位服务,以及专为真我手机定制的高精度卫星定位终端算法。
“这使得真我10 Pro+的手机定位精度由传统卫星定位的5-10米精度提升至亚米级,用户通过腾讯地图APP在手机上就能实现车道级定位和导航。”徐起表示。
图注:腾讯地图APP可准确识别出当前车辆行驶的车道,并对是否需要变道及驶入应急车道进行提醒
据介绍,腾讯地图APP的车道级导航已经在深圳的高速、快速路段上线,后续将在全国多个城市陆续上线,真我10 Pro+用户可率先在腾讯地图APP体验车道级导航功能。
近年来,随着自动驾驶和辅助驾驶的逐渐普及,以及用户在智慧出行、公共服务等领域的需求,行业内对高精卫星定位的关注度越来越高。艾媒咨询的一项调研数据显示,较多用户认为目前正使用的定位服务存在对定位精度低、信号不稳定、覆盖范围不足等问题。
艾媒咨询认为,普通定位服务已无法满足智能出行等生活服务的需求,社会各界对高精卫星定位需求日益提升,高精卫星定位在大众生活服务中存在较大的发展机会,遍布大众生活的各个领域。
图注:网络RTK技术原理
在高精卫星定位发展的过程中,背后离不开一项特殊的技术——网络RTK技术。网络RTK技术的出现,有效改善了传统卫星定位因外界干扰而产生的误差问题,提高了定位精度。因此,网络RTK技术也成为了众多互联网和科技公司关注的焦点。
2019年,腾讯位置服务启动了网络RTK项目的研发工作,2020年,腾讯携手国内领先的专业高精度卫星定位服务提供商六分科技,并在业务领域与其达成深度合作。在六分科技提供的强大的地基增强站网服务能力的加持下,腾讯推出了面向不同类型硬件设备的RTK解算算法、RTK+IMU融合定位算法,以及低流量高精度的可定制数据中心服务,我们的网络RTK能力逐步从支持泛互、出行等领域,升级到支持辅助驾驶、测量测绘的厘米级甚至更高精度的卫星定位能力。
图注:腾讯网络RTK服务优势
腾讯网络RTK服务覆盖全国31个省、自治区、直辖市和香港、澳门两个特别行政区,组网站点达2800多个,同时还具备高精度(开阔无遮挡环境下水平精度2cm,高程精度5cm)、全覆盖、5星16频、高可靠高并发、多个框架历元等优势。
正式上线以来,腾讯网络RTK陆续定点了多个智慧交通、多个自动驾驶先导区、realme真我手机等多个高精定位项目。此外,在测量测绘领域已正式面向大众提供商业化服务能力,已经有超过2000个专业测量测绘人员申请了腾讯网络RTK账号,据腾讯位置服务工作人员介绍,根据用户初步反馈结果,腾讯网络RTK服务已经与市场上的竞品达到同等甚至更高的性能水平。
随着网络RTK能力的具备,腾讯补齐了地图+定位完整能力矩阵的最后一块拼图,成为具备网络RTK、多传感器融合定位以及高精地图完整解决方案的科技公司。未来,腾讯位置服务基于云的SaaS化的定位服务能力,将以技术发展与社会发展协同并进的视角,加速在大众应用、辅助驾驶、智慧城市等各种场景的落地,成为企业实现信息化、数字化、智能化转型的有力助手。
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。