近期,3GPP第80次TSG RAN全会正式批准5G独立组网(SA)NR标准冻结。这标志着首个真正完整意义的国际5G标准正式出炉。加之去年12月完成的非独立组网NR标准,5G已经完成第一阶段全功能标准化工作。
“随着通用标准的问世,真正的创新进一步加速了。”英特尔公司副总裁兼标准与下一代技术部门总经理Asha Kedd如是说:“5G独立组网(SA)NR标准 3GPP Release 15协议的确定,将推动这个行业采取更多举措推进5G向前发展,其商用步伐已经从散步变成慢跑、快跑,到现在已经开始急速奔跑。”
共推5G标准化进程
英特尔一直站在推进5G标准的前沿——提供必要的技术投入,并推动全球合作进行标准技术的测试和实施。在与行业领导厂商合作加快5G非独立组网 NR节点发布的同时,英特尔通过专利研究、参考设计以及利用英特尔5G移动试验平台(MTP)进行试验而得出的洞察,为5G 独立组网 NR标准的最终确定做出贡献。
作为业界首款支持5G NR的试验平台,英特尔5G移动试验平台自去年9月发布以来,一直在为移动运营商、制造商以及其它行业领导厂商提供关键资源,通过开发、测试并部署服务和解决方案,满足5G在响应、可靠性和性能方面的需求。如今随着5G标准的如期完成,英特尔也倍道兼行,全力加速推进5G商用步伐。
携手加速商用步伐
6月12日,英特尔宣布正在合作开发全新的5G网络设施参考设计,可以让通信服务提供商快速部署新的服务。利用广泛合作伙伴提供的预集成商用组件,这个参考设计就像一个蓝图,为通信行业提供了一个通向5G的路径,以支持虚拟、融合增强现实以及智能零售、工业自动化、物联网和云游戏等广泛的使用场景。借助于预集成的可互操作组件以及成熟可靠的英特尔技术,通信服务提供商可以加快部署新服务并快速启动边缘计算及服务的开发,大大缩短产品上市时间。
6月14日,英特尔和爱立信携手中国移动研究院及江苏公司宣布,成功展示首个符合3GPP独立组网(SA)标准的异厂商5G新空口(NR)互通,为5G新空口标准网络的产业成熟加速。合作三方率先在爱立信北京实验室开展了符合3GPP SA标准的5G新空口互联互通测试(IoDT),展示了在3.5GHz频段的100MHz带宽上实现了异厂商数据传输,测试系统采用了爱立信5G新空口基站和英特尔5G移动试验平台原型。
全方位合作护航5G产业加速
同时英特尔还一直广泛地与包括中国政府、机构、运营商和设备制造商在内的行业领导者展开全方位的合作,全面支持中国5G技术研发试验。
就在上周,英特尔和华为联合宣布在中国5G技术研发试验中率先完成业界首个基于2018年3月份3GPP Release15 5G NR最新标准的全协议栈的5G互操作性开发测试。本测试采用华为5G商用基站和英特尔第三代5G移动商用平台(MTP),验证了最新标准的全协议栈、全信道、全流程,完成业界首个基于全流程的业务打通,实现了NSA组网下呼叫建立,并成功保持呼叫业务。从2018年1月份双方合作完成全球首个基于3GPP标准的IoDT测试,再到6月份完成对今年3月刷新协议的测试,英特尔和华为紧随协议节奏,以最快的速度完成标准化后的验证工作,推动5G产业链。
目前英特尔和华为在北京怀柔中国5G技术与研发试验第三阶段试验中正在进行基于3GPP标准的NAS组网下IODT测试,下一步将开展更多的对接测试活动,为中国5G技术研发试验第三阶段试验后续系统与芯片互操作测试奠定坚实基础。
随着5G产业进入新阶段,英特尔将进一步加快推动5G向前发展的行动。凭借50年的领先经验,英特尔将竭力携手合作伙伴,肩负起在网络、云、客户端领域打造智能和互联5G世界的责任,并与已成为5G发展的全球领跑者之一的中国市场展开全方位合作,支持中国5G商用部署全面提速。
好文章,需要你的鼓励
Snap 推出 Lens Studio 的 iOS 应用和网页工具,让所有技能层次的用户都能通过文字提示和简单编辑,轻松创建 AR 镜头,包括生成 AI 效果和集成 Bitmoji,从而普及 AR 创作,并持续为专业应用提供支持。
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。