近日,普渡大学机场与行业合作伙伴爱立信和萨博展开合作,宣布创建一个独特的5G网络,将作为“实验室到生活”的试验场,供学术界、研究人员和企业开发商业解决方案,这些解决方案可以被复用于改善各种规模机场的运营和安全。5G创新有望为企业提供新一代能力。
在当今的环境中,机场安装的传感器和系统需要硬连线网络连接,通常需要通过铜线或者光纤电缆的沟槽进行物理连接。或者,机场可以考虑用点对点的射频链路(通常不太可靠)或者是需要支付订阅费和面向消费者性能限制的公共蜂窝连接。普渡大学、爱立信和萨博在普渡机场的合作摒弃了这些方法,该机场凭借在普渡大学展出的技术,机场将在机场建设阶段更灵活地添加或者重新安置产品,从而为运营商和消费者节省时间和资源。
爱立信是为全球服务提供商提供信息和通信技术的领先供应商之一,这次将为普渡大学研究基金会(Purdue Research Foundation)提供一个私有的5G网络,在普渡大学机场(LAF)进行运营。该机场是普渡大学的公用机场,位于西拉斐特校区的西南部,每年运营超过125000架飞机,是印第安纳州第二繁忙的机场。
该项目中萨博主要:安装了Aerobahn平台,这是一个为航空公司和停机坪管理提高机场效率的平台;安装SAFE事件管理平台,是机场运营中心使用的安全平台;部署ADS-B传感器来跟踪飞机。萨博的这些投资将提高陆侧运营安全和效率,并改善空侧安全。
普渡大学将提供机场以及实验室用于在整个普渡大学探索园区进行试水测试。该园区是一个占地400英亩的混合用途开发项目,毗邻大学校园。
普渡大学校长Mung Chiang表示:“普渡大学是这个创新机场管理项目的最佳地点,普渡大学与爱立信、萨博这两家瑞典创新企业以及全球技术领导者建立了长期的合作伙伴关系。普渡大学机场是美国研究型大学运营的少数几个机场之一。我们机场旁边的普渡大学探索园区提供了一个生命生态系统实验室,在相比国内其他任何地方都更早地部署了尖端技术。这些激动人心的5G创新和网络管理解决方案将影响全球人们的生活,没有其他地方比这更合适的了。”
负责管理普渡探索园区的普渡研究基金会创新与技术副总裁Troy Hege表示:“把这个实验室到生活平台扩展应用于普渡机场,为通过和行业、教职工以及学生的合作推进航空和移动创新和教育创造了巨大的机会。普度大学的运营型机场、研究人员和学生,与爱立信私有5G网络、萨博传感器阵列和操作系统之间的结合,是一种创新和教育资产,与当今现有任何其他资产都是不同的。”
爱立信5G专网是专门为推动广泛行业和企业的数字化转型而量身定制的4G和5G双模核心专网。爱立信专用5G是一种高性能、易于使用的蜂窝连接解决方案,旨在推动工业4.0的创新。
爱立信企业无线解决方案负责人George Mulhern表示:“我们目睹了全球对机场数字化需求的增长,这需要稳定的、安全的和高性能的无线网络。爱立信私有5G网络将为普渡大学机场的实验室和生命创新平台提供了蜂窝连接,这一独特的合作让5G应用和用例的试验以及产业化成为可能,有助于解决航空市场的需求——也就是提高飞行安全、增强乘客体验、提高效率和节约成本,这将是不同类型企业利用5G网络在现实环境中开发解决方案的又一个例子。”
普渡机场经Adam Baxmeyer认为,部署私有5G非常符合机场的愿景。
“普渡机场已经被证明是印第安纳州帮助商业和工业消费者的一个重要地点。通过90多年的服务,我们建立了良好的声誉,我们的使命延伸到普渡大学的学生和教职员工,他们磨练技能、进行研究并改进当今的航空和运输技术。这一合作非常适合普渡机场,让我们能够研究和更好地理解对未来机场至关重要的那些技术。”
萨博将成为第一个使用这种专用5G网络的行业合作伙伴。萨博是一家全球防务和安全公司,于2021年在普渡大学探索园区开设了一个先进的制造工厂,该工厂支持T-7A红鹰的生产,用于在未来十年训练美国的下一代空军战斗机和轰炸机飞行员。
美国萨博公司总裁、首席执行官Eric Smith表示:“这个平台旨在展示最先进的机场系统如何与5G技术配合使用,通过结合空侧和陆侧运营来提高机场效率和规划,普渡大学的平台将帮助我们继续这一旅程。在普渡大学与爱立信的共同投资,对于印第安纳州来说是明智的双赢举措。我们很自豪能够参与这个创新的5G项目,利用我们在空中交通管制方面的长期卓越记录,提供可在其他平台上复制的解决方案。”
印第安纳州经济发展公司首席运营官、参谋长avid Rosenberg表示:“州政府对爱立信、萨博和普渡在这一合作中建立的思想领导力表示赞赏。两家全球行业领导企业和一所位于印第安纳州的国际知名研究型大学之间的这种有影响力的项目,是我们在国家层面上把5G发展作为重中之重时所希望看到的。很高兴这种合作及其商业成果与印第安纳州的其他5G项目并驾齐驱。”
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。