很多尝试进入移动互联网行业的人,对室内定位系统很感兴趣,这项技术带来了很多创新的O2O商业模式,包括产品思路。
但对室内定位的技术商业化前景,用Wi-Fi还是Beacon?我想目前很多人都是不太确定的。BAT几个巨头也是一波Wi-Fi大战过后又来Beacon大战。在此,记者采访整理了一些业界工程师的非官方观点,供大家讨论交流。
精度/成本/开发难度,三个角度PK定位方式Beacon与Wi-Fi
1. 精度
首先我们弄清楚一点。2.4GHz因为是ISM band没有license,所以大家都喜欢用。Wi-Fi 802.11BGN、 蓝牙、Zigbee甚至Project Loon的通信链路都是它,看起来无所不能。但是这是不是意味着这个频段就适合做所有的工作呢?答案是否定的,最起码对于室内定位这一项来说。
先来说一个可能很多人都不知道的事实吧,大家有没有注意到甚至好奇为什么Wi-Fi信道的频率上限大概是2.45 GHz。
恩...其实主要的原因之一是因为微波炉的主要辐射的中心频率是2.45 GHz。而即使有很好的电磁屏蔽,微波炉泄露的功率仍然可以大大影响Wi-Fi的信号。
曾经去朋友家做客,在我说完上述这段话后他恍然大悟:“难怪我一微波网就断了!”
那么,微波炉是靠什么加热的呢?让水分子振动,分子摩擦碰撞产生热能。这个过程是电磁波能量被吸收转化成热能的过程。这个过程同样会发生在Wi-Fi和蓝牙的身上,换言之,人体会对信号产生极大的衰减!
同事说过这样一句话,在你和iBeacon之间站个特别大的胖子,定位误差一下子就上去了。很可悲的是,这是事实。
有观点说对比于Wi-Fi,iBeacon的信号衰减很快速,线性区间很小。我假设X轴是距离,Y是接收到的信号强度或者路径衰减吧。Wi-Fi和 蓝牙同样是2.4GHz,难道信道特性差了很多?怎么可能!距离和衰减之间的关系无论是直接用线性拟合还是套用其他更复杂的公式,从来没有看到过说发射功 率的不同会对衰减特性有影响!
好,再转回精度的问题吧。
Wi-Fi和iBeacon的定位精确度谁好谁坏非常不好说,精度很大程度取决于应用环境。影响因素主要是节点的密度、布设位置、环境的复杂程度以及ibeacon是否使用三边定位。
多数情况下,Wi-Fi节点密度太低,不能给出十分精确的定位结果。我很难想象会有人为了更精准的定位而在现有的Wi-Fi系统中新加入路由器。 Wi-Fi指纹采集 会让精度有一个质的飞跃,只可惜指纹会随着建筑物内部环境的变动而变动。就我本身的知识而言,每三个月或半年就需要重采一次以保证高精度。更复杂的指纹匹 配算法能在保证精度的同时降低采集频率,这里就不展开说了。另外一个提高精度的方法就是和惯性导航结合起来,在瞄准的客户端都是智能手机的前提下这种方案 几乎被所有的厂商采用,并且事实证明确实能提高精度(各家的算法在惯导上拼得跟绝对定位一样激烈)。
iBeacon系统因为属于新设系统,保证不串扰过度的情况下可以布得很密,当然这个要考虑成本。Proximity系统我们就不说了,根据POI 的个数和位置可以自由调整所需节点的个数。这里我们重点讨论和Wi-Fi定位同样的,需要覆盖使用场景的三边定位。现在几乎所有的iBeacon节点都是 用电池供电的,每个iBeacon节点的发射功率并不能调的过高否则后续维护频率会过高。这就意味着iBeacon节点不能太稀疏。以我目前的经验来看, 假定使用的是普通纽扣电池,电池使用寿命不少于6个月(如果可以容忍很慢的位置刷新频率的话,电池使用寿命可以更长),想实现三边定位的话节点的密度大概 为三十平方米左右一个(办公区域)到七八十平方米一个(室内或室外开阔空间)的水平。使用以上的布置,我们的团队做到了3米的精度(只靠BLE),对于大 多数应用还是可以接受的。
这里就有一个我很喜欢强调的观点:定位精度、硬件成本以及算法复杂度之间肯定是要有互相妥协的,三个变量函数对应等号的另外一端是你要求达到的客户 体验。个人观点:Wi-Fi的定位精度对于大多数室内应用来说应该是足够的,5m哪怕是10m以内,左右走两步看看就基本上可以找到你要找的东西。而且 Wi-Fi暂时有一个iBeacon短期之内做不到或者很难做的优势:可以反向定位。
好文章,需要你的鼓励
这项由索非亚大学INSAIT和苏黎世联邦理工学院共同完成的研究,揭示了大语言模型在数学定理证明中普遍存在的"迎合性"问题。研究团队构建了BrokenMath基准测试集,包含504道精心设计的错误数学命题,用于评估主流AI模型能否识别并纠正错误陈述。
约翰斯·霍普金斯大学研究团队提出了创新的隐私保护AI文本生成方法,通过"控制代码"系统指导AI生成虚假敏感信息来替代真实数据。该方法采用"藏身于众"策略,在医疗法律等敏感领域测试中实现了接近零的隐私泄露率,同时保持了高质量的文本生成效果,为高风险领域的AI应用提供了实用的隐私保护解决方案。
实验室和真实使用测试显示,iPhone Air电池续航能够满足一整天的典型使用需求。在CNET进行的三小时视频流媒体压力测试中,iPhone Air仅消耗15%电量,表现与iPhone 15相当。在45分钟高强度使用测试中表现稍逊,但在实际日常使用场景下,用户反馈iPhone Air能够稳定支撑全天使用,有线充电速度也比较理想。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。