Sunswift赛车队已在赛车和支援车辆中集成了爱立信智能链路绑定技术,为即将到来的普利司通世界太阳能挑战赛做准备。
作为全球领先的创新工程挑战赛之一,普利司通世界太阳能挑战赛通过可持续交通推动脱碳化进程。该太阳能汽车赛事将于2025年8月24日至31日举行,赛程全长3000公里,从澳大利亚达尔文到阿德莱德。
Sunswift赛车队是澳大利亚新南威尔士大学的创新团队,致力于通过原型电动汽车的研发重新定义可持续交通的未来。该团队由首席理查德·霍普金斯领导,成员包括学者、高级管理层和本科生。
爱立信认为,通过无线连接服务实现的实时数据访问,Sunswift团队将能够在比赛期间收集和使用实时遥测数据。这包括太阳能汽车电池、电机、太阳能电池板和车辆速度计的实时数据。
可靠的连接对于实时视频、IP对讲通信状态报告、为团队YouTube频道进行的实时比赛视频流以及可靠的互联网接入也至关重要。
该赛事创立于1987年,旨在展示先进汽车技术的发展并推广传统车辆发动机的替代方案。组织者认为,太阳能汽车在测试能效极限的同时,也为所有电动汽车核心的日常车辆技术能力提供了洞察。
比赛中每辆车使用的太阳能电池板面积不超过六平方米,参赛者依靠比赛和车辆性能数据在为期一周的赛事中做出战略决策。
爱立信的智能链路绑定技术将用于比赛的无线广域网通信,将多个广域网链路(蜂窝、卫星或有线)组合成单一的逻辑连接。据称该技术使用独特的流量引导和蜂窝智能功能来决定流量分配方式。
爱立信Cradlepoint加固型R1900路由器连接到5G和卫星链路,通过实时云和设备操作软件管理,为Sunswift总部提供多运营商连接。智能链路绑定将用于优化所有可用广域网链路的带宽,旨在通过蜂窝和卫星提供一致的性能和持续连接,支持不间断的实时遥测数据共享和视频流传输。
智能链路绑定技术旨在增强韧性和性能,具有三个特性:用于高韧性的流复制;用于链路优化和成本节约的流平衡;以及用于增加带宽的带宽聚合。
霍普金斯表示:"爱立信这种不间断连接的下一代演进将使我们的团队在即将到来的比赛中发挥巅峰水平。Sunswift多年来取得的巨大成功,在爱立信等合作伙伴持续技术创新的支持下,使我们能够推出P-ONE Technology——这是Sunswift赛车队灵活的商业化衍生公司,得到新南威尔士大学和澳大利亚政府Trace Trailblazer项目的支持。与世界上一些最优秀的技术提供商合作,我们的使命是通过行业和政府合作伙伴关系,将前沿研究转化为市场就绪的汽车解决方案。"
爱立信企业无线解决方案高级副总裁阿尔查娜·凯坦补充道:"随着更多企业采用多广域网策略,智能管理这些各种连接变得至关重要。在世界上最具挑战性的比赛环境之一中展示这项技术的优异表现,凸显了该技术在任何企业环境中的价值。"
Q&A
Q1:智能链路绑定技术是什么?有什么功能?
A:智能链路绑定技术是爱立信开发的无线广域网通信技术,能将多个广域网链路(蜂窝、卫星或有线)组合成单一逻辑连接。它具有三个主要功能:流复制提供高韧性、流平衡实现链路优化和成本节约、带宽聚合增加总带宽。
Q2:世界太阳能挑战赛对太阳能汽车有什么技术要求?
A:比赛中每辆太阳能汽车使用的太阳能电池板面积不能超过六平方米。参赛车辆需要在3000公里的赛程中依靠太阳能驱动,参赛者需要依靠实时的比赛和车辆性能数据来做出战略决策。
Q3:Sunswift车队为什么需要无线连接技术?
A:Sunswift车队需要收集和使用太阳能汽车的实时遥测数据,包括电池、电机、太阳能电池板和速度计数据。同时还需要进行实时视频传输、IP对讲通信、YouTube频道的比赛直播以及可靠的互联网接入等功能。
好文章,需要你的鼓励
火箭实验室(Rocket Lab)宣布计划以现金加股票方式,斥资80亿美元收购主要卫星运营商铱星通信(Iridium Communications),交易预计于2027年中完成。铱星目前运营着由66颗活跃低轨卫星组成的星座网络,拥有约255万活跃用户,2024年营收达8.717亿美元。收购完成后,Rocket Lab计划借助其新型重型运载火箭Neutron及Lightning卫星平台,扩大铱星星座规模,开拓未被覆盖的市场并降低发射成本。
腾讯等机构提出ViQ框架,通过两阶段渐进量化训练,让离散视觉编码在多模态理解和图像重建上同时追平连续特征编码器,训练速度最高提升70%。
音乐流媒体平台Tidal宣布,将于7月中旬启用自动化工具,对完全由AI生成的音乐添加"AI"标识,并移除具有欺诈性质的曲目。平台还将取消AI生成音乐的版税资格,仅向真人创作、演唱的原创音乐开放变现渠道。此外,Tidal明确将高频异常上传、干扰真实艺术家等行为列为欺诈活动。Deezer、Spotify等竞争对手此前已推出类似检测机制,流媒体行业正加速构建AI内容治理体系。
香港科技大学与华为联合提出LISA训练方法,通过让副网络对齐"似然分数",将ControlNet等图像生成模型的训练收敛速度提升逾2.78倍,同时改善图像质量与条件控制精度。