高密度电源模块助力敏锐的监控网络利用 AI 震慑犯罪
自动警务的概念始于几年前的科幻小说,但今天却是真实存在的,而且很有影响力。如果您花几分钟时间与Knightscope 公司的联合创始人、首席客户官 Stacy Stephens 聊聊,就会发现先进的机器人安保其实更具吸引力。
这家公共安全技术服务公司于 2013 年在加州山景城成立,是世界上第一家在大型购物中心、停车场和社区公园等公共场所部署移动、全自主安全机器人 (ASR) 的公司。Knightscope 的愿景是找到更有效的方法遏制犯罪,同时最大限度降低执法人员面临的危险。

Knightscope 的移动机器人是完全自主的,使用支持激光雷达、GPS、声纳、IMU、4K 摄像头以及高保真音频的系统。该机器人有五种类型的传感器 — 与人类非常相似,但灵敏度远远高于人类。
Knightscope 是一家领先的公共安全技术公司,而并非一家在机器人技术、自动驾驶技术、汽车电气化和人工智能融合方面有专长的机器人技术企业。但将以上结合起来,他们带来了一个敏捷的平台,该平台可整合众多传感功能和其它技术,以提供可执行的情报。
提供卓越的 ASR 监视功能
配备 ASR,主要是为了扫描已知威胁,使企业能通过识别被解雇的员工或发放了非法侵入警告的员工来减少工作场所暴力。此外,ASR 还可使用异常监控来识别外部车辆的车牌,从而保障停车场安全。ASR 可凭借其音频特性提供双向通信,允许机器人作为具有广播功能的公共广播系统。因此它们可以与肇事者接触,缓和敌对情况。
“ASR 的‘通话’功能可将危险从人转移到机器人身上。”Stephens 指出,“机器人是一种难以描述的物体,进行对话无需有人站在敌对嫌疑人面前,这可避免事态无意中升级。”“此外,它们还可降低运营开销。”Stephens 补充道,“ASR 既不会生病,也不需要休假。”
注入技术,驱动 ASR 的自主性
Knightscope 的移动机器人是完全自主的,使用支持激光雷达、GPS、声纳、IMU、4K 摄像头以及高保真音频的系统。该机器人有五种类型的传感器(与人类类似),周围环境尽在掌握。大多数情况下,该机器人的感官比公共安全人员还敏锐。
总共有 21 个 LIDAR 激光器,每 25 毫秒绘制一次四周环境。这些数据用于创建机器人周围 100 米半径区域的 3D 地图,可帮助 ASR“看到”其周围环境。此外,声纳传感器还可提供接近感测,使机器人能够判断什么时候有什么物体靠近。GPS 是内部导航的第三输入,如果有人试图移动或偷窃机器人,有助于对其进行跟踪。
里程计传感器通过计算车轮的旋转指示机器人向左还是向右移动或跟踪。最后是惯性测量单元 (IMU),可提供六个自由度的空间感知,以确定机器人是直立还是倾斜的,这可能说明它已经卡住或无法移动。
电源效率对于 ASR 极为重要
高强度的计算、通信和传感为 ASR 的供电网络带来沉重负担。它们必须紧凑、高效。ASR 没有气流或通风功能,因此 Knightscope 开始寻找一种可使用铝皮作为散热片的单纯传导散热解决方案。该公司采用了 Vicor DC-DC 转换器模块 (DCM3623),因为其独特的 ChiP™ 封装不仅散热良好,而且外形极为小巧。此外,该 DCM 的功率密度还为布线和线缆组合提供了帮助,并提高了电池效率和性能,延长了运行时间。

典型的移动机器人应用可为各种负载供电,从计算机到电机驱动器,再到摄像头,不一而足。Knightscope 不仅支持 LIDAR、GPS、声纳、IMU、4K 摄像头和高保真音频,而且还使用 Vicor 高密度电源模块为这些负载供电。Knightscope 寻求紧凑而高效的电源,因为 ASR 没有气流或散热功能。他们需要一种可使用铝皮作为散热片的单纯传导散热解决方案。
在电气方面,机器人需要与所有不同的电源轨隔离。由于有太多具有不同 EMI 特征的传感器,Vicor DCM™ 有助于最大限度减少 EMI 和噪声干扰。
“我们越能减轻电池负担,所获得的运行时间就会越长。”Stephens 表示,“所以,电源永远都是一个考虑因素。最后,所有这些都将帮助我们实现公司的愿景,即架构师坐下来规划商业开发或混合使用的空间时,与烟感报警器及灭火系统一样,我们的产品都会列入安全检查清单。”
镇上似乎来了一位新警长啊,它的名字叫 Knightscope。
好文章,需要你的鼓励
谷歌宣布开始向Google TV Streamer推出Gemini智能助手,取代原有的Google Assistant。用户可通过更自然的语音交互获取内容推荐,如询问适合夫妻共看的电影或了解剧集剧情。Gemini还支持教育和生活指导功能,能解答各类问题并通过YouTube视频提供DIY项目指导。该更新将在未来几周内向18岁以上用户推送,这是谷歌用Gemini全面替代Google Assistant计划的重要步骤。
香港科技大学团队提出DGPO方法,通过直接学习群体偏好信息,让AI图像生成模型训练速度提升30倍。该方法避免了传统强化学习的低效随机探索,使用确定性采样器生成高质量训练样本,在GenEval基准测试中将性能从63%提升至97%。这一突破显著降低了训练成本,为AI图像生成技术的普及和应用奠定了基础。
在AI快速发展的背景下,创始人与投资者的合作关系变得更加重要。尽管基础模型厂商正主导市场整合,但众多初创企业仍在推动AI创新边界。专家指出,这种合作关系应被视为长期婚姻而非简单商业交易。在竞争激烈的AI市场中,投资者需要更快做出决策,而创始人必须具备快速迭代能力。单位经济学、人才密度和产品扩展能力成为关键评估指标,双方需要建立良好关系以应对这个新兴市场的挑战。
香港城市大学和阿里巴巴集团联合研究团队开发了A?SEARCH系统,专门解决AI在处理模糊问题时只提供单一答案的局限性。该系统通过自动化流程识别并验证多个合理答案,在八个问答数据库的测试中表现出色,仅用单次回答就超越了需要多次尝试的大型传统系统,为构建更智能的问答AI开辟了新路径。