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
Fractal AI Research实验室开发了Fathom-DeepResearch智能搜索系统,该系统由两个4B参数模型组成,能够进行20多轮深度网络搜索并生成结构化报告。研究团队创新了DUETQA数据集、RAPO训练方法和认知行为奖励机制,解决了AI搜索中的浅层化、重复性和缺乏综合能力等问题,在多项基准测试中显著超越现有开源系统,为AI助手向专业研究工具转变奠定了基础。
AI正在革命性地改变心脏疾病治疗领域。从设计微创心脏瓣膜手术到预防原理定位,机器学习和神经网络的洞察力推动了巨大进步,甚至可以构建新型移植解剖结构。数字孪生技术为个性化心血管护理提供持续预测管理。哈佛干细胞研究所的研究人员利用纳米材料和类似棉花糖机的设备,能在10分钟内制造心脏瓣膜,相比传统3周制造时间大幅缩短。这些突破性技术为每年4万名先天性心脏畸形儿童带来新希望。
快手科技与清华大学合作发现当前AI语言模型训练中存在严重的权重分配不平衡问题,提出了非对称重要性采样策略优化(ASPO)方法。该方法通过翻转正面样本的重要性权重,让模型把更多注意力放在需要改进的部分而非已经表现良好的部分,显著提升了数学推理和编程任务的性能,并改善了训练稳定性。