7月21日,中国数据通信解决方案领导品牌锐捷网络宣布与智恒科技达成战略合作,双方将基于物联网在智慧城市领域中的应用前景,共同推进LoRa低功耗广域物联网通信技术在智慧水务领域的推广普及。据悉,双方将在2018年底建成20万级智慧水务LoRa物联网商用局,用技术创新促进水务管理变革,加快智慧城市的建设进程。
锐捷网络副总裁刘弘瑜与智恒科技董事长李贵生签署战略合作协议
我国城市化进程的不断加速,让水资源合理利用成为城市发展不可回避的重要问题。而智慧水务的逐步走热,以及互联网+、大数据等技术浪潮的到来,让越来越多的水务企业开始积极推动业务创新的探索实践,运用物联网等技术解决目前行业面临的困惑,寻求更大突破。
以人工抄表为例,对于自来水公司来说,敲门入户方式的 “见表率”不足60%,不仅效率低、成本高,还常常容易引起纠纷。但是,要部署高效集约的“智能抄表”也非易事,预付卡无法远程实时监控、 GPRS需长期向运营商支付费用、GSM网络覆盖不佳、GFSK自建网络通讯距离短且易受干扰等都是十分棘手的问题。
上述这些挑战,正是促成本次双方战略合作的核心因素。凭借专注于数通领域十余年的经验,目前锐捷网络已经在政府、交通、商贸、酒店、住宅、能源等多个领域都开展了物联网的方案研究和试点,并利用物联网、云计算、SDN、移动互联、大数据等新技术为行业用户提供端到端解决方案,助力全行业数字化转型升级。
与此同时,作为行业领先的智慧水务方案提供商,智恒科技一直坚持“智搏进取、持之以恒”的理念创新发展,助力传统水务产业和管理向智慧水务转型升级,是国家住建部《智慧水务信息系统建设与应用指南》和《城镇供水信息系统工程技术标准》等国家标准的主编单位,产品获得近百项国家知识产权、软件著作权及多项发明专利。
针对本次战略合作,智恒科技表示:“在工业4.0的背景下,智慧水务的兴起对供水行业具有积极意义。智恒一直在寻找既能稳定传输抄表数据,又能合理控制成本的通讯方案,以满足广大水司智能远传抄表的核心诉求。由LoRa基站、LoRa通讯模组以及物联网管理平台构成的锐捷LoRa物联网通讯方案,具有通讯稳定性强、覆盖距离远、构建成本低、管理更加直观的特点,在各方面均达到甚至超过了我们期望的效果。智恒与锐捷将抓住这个合作契机,协同推进智慧水务的深化应用,让技术创新和产业创新普惠于民。”
锐捷网络表示:“智恒科技作为我国早期从事管网漏耗监控、智能远程数据采集系统研发制造企业,已成为利用物联网应用推动绿色智慧新城建设的行业表率。锐捷与智恒在用物联网技术创新实现智慧水务应用方面,拥有共同的愿景和信心,双方将会在研发、应用、生产、营销服务、产业联合等方面展开深度合作,为智慧水务建设和扩展打造良好的产业技术基础。”
经过不断的探索与精进,锐捷LoRa物联网通讯方案已经可以在远程抄表、环境数据采集、智慧市政等诸多场景成熟商用,并得到市场和用户的高度认可。此次联手智恒科技实现的智能抄表方案,一台LoRa基站即可无死角覆盖一个21万平方米的小区,即便离基站最远、遮挡最严重的水表,仍能实现抄表数据稳定回传。相比Wi-Fi、GPRS、LTE等其他组网方式,新方案可分别降低50%、30%、80%的整体成本。
除了效率及成本的优势,锐捷网络与智恒科技的合作还将发挥LoRa技术在用水精确计量、智能抄表、供排水管网监测、漏损管理、水务自动化生产和运维等应用领域的技术潜力,并在“水务物联网智能设备云端管控平台”、“智能设备远程操作控制”、“智慧城市水务创新应用”等方面进行联合研发,尽快丰富LoRa水务智能管理方案,让“智慧水务”真正走进现实。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。