自动驾驶

全行业、全场景的闪存普惠已成为大势所趋。 数字经济的加速发展，正在让一切变得数字化、智能化；而数据智能时代的到来，使得企业对存储的要求也水涨船高。如今，存储产业的变革已经悄然开始，全闪存凭借其精简、灵活、高性能等特性，正在成为企业存储应用的主力军。来自IDC的预测显示，2020年中国全闪存存储市场增长速率将达到40%。 在全闪存技术加速普及的今天，各行各业如何更好地运用这一数字化转型的利器？在7月28日，华为OceanStor全闪存技术论坛上海站上，众多行业先锋齐聚一堂，与华为一道共同探讨全闪存技术的发展和实践，以及如何更好地运用全闪存技术，加速数据价值释放。 在华为看来，数字技术的全面发展和深入应用正在将我们带入智能时代，各行各业的全面数字化使得全闪存的应用成为大势所趋。为此，华为在存储领域也将通过持续的技术研发和创新，努力实现全行业全场景的闪存普惠。 产业数字化时代 全闪存缘何成为“加速器”？ 今年的全国两会上，新基建首次出现在《政府工作报告》中，这也为我国数字经济的持续快速发展提供了保障。事实上，新基建不仅能够在短时间内促进数字化产业的迅速发展，更重要的是，新基建能够为传统产业转型升级打下坚实基础，推动产业数字化进入大发展的新时代。 华为上海数据存储与机器视觉解决方案部部长 梁琳 华为上海数据存储与机器视觉解决方案部部长梁琳表示，随着内外部市场的不断变化

编辑｜ 张倩、泽南 出品｜机器之心 最近几天，以火星为目标的探测器纷纷启程。 7月30日，在美国宇航局 NASA 成功发射的 MARS 2020 任务中，「宇宙神5」型运载火箭将最新一代火星探测器 毅力号 （Perseverance）送上轨道。 毅力号是 有史以来最大、最为复杂的火星探测系统， 这台次世代火星车造价高达27亿美元，总重1025千克。它是自阿联酋希望号、中国天问一号之后，人类在这个「火星季」发射的第三个探测器。 如果一切顺利的话，在7个月后，它将开始采集火星岩石标本，并将其封装后埋在特定位置，等待NASA取回地球。毅力号还要寻找古代外星生命的迹象，并 首次使用麦克风捕获火星的声音。 除此以外，毅力号最让人感兴趣的实验还有：在红色星球上 放飞 人类第一架外星无人机——Ingenuity。 按照计划，在经过5亿公里的路程之后， 毅力号将于2021年2月18日在火星赤道以北的耶泽洛陨石坑（Jezero crater）上着陆， 进入火星大气层后，它将张开一个降落伞，随后在两米高度使用火箭悬停，把火星车「吊装」到地面上。与好奇号不同，毅力号有一个 自动驾驶系统， 可以避开巨大的岩石并把自己引导到安全的位置。 在火星上，毅力号将至少花费 一个火星年（约687个地球日） 的时间对附近的区域进行探索。 ▲ 毅力号预定降落的区域。超过38亿年前，一条河从这个位置注入45公里宽的陨石坑

编辑｜ 张倩、泽南 出品｜机器之心 最近几天，以火星为目标的探测器纷纷启程。 7月30日，在美国宇航局 NASA 成功发射的 MARS 2020 任务中，「宇宙神5」型运载火箭将最新一代火星探测器 毅力号 （Perseverance）送上轨道。 毅力号是 有史以来最大、最为复杂的火星探测系统， 这台次世代火星车造价高达27亿美元，总重1025千克。它是自阿联酋希望号、中国天问一号之后，人类在这个「火星季」发射的第三个探测器。 如果一切顺利的话，在7个月后，它将开始采集火星岩石标本，并将其封装后埋在特定位置，等待NASA取回地球。毅力号还要寻找古代外星生命的迹象，并 首次使用麦克风捕获火星的声音。 除此以外，毅力号最让人感兴趣的实验还有：在红色星球上 放飞 人类第一架外星无人机——Ingenuity。 按照计划，在经过5亿公里的路程之后， 毅力号将于2021年2月18日在火星赤道以北的耶泽洛陨石坑（Jezero crater）上着陆， 进入火星大气层后，它将张开一个降落伞，随后在两米高度使用火箭悬停，把火星车「吊装」到地面上。与好奇号不同，毅力号有一个 自动驾驶系统， 可以避开巨大的岩石并把自己引导到安全的位置。 在火星上，毅力号将至少花费 一个火星年（约687个地球日） 的时间对附近的区域进行探索。 ▲ 毅力号预定降落的区域。超过38亿年前，一条河从这个位置注入45公里宽的陨石坑

　　新冠疫情的暴发，给零售和消费品供应链带来了极大的不确定性。为了保持竞争力， 零售商和品牌们需要借助技术的力量 。 　　在本报告中，CB Insights 通过对零售和消费品行业地供应链与物流技术进行深入研究，确定了该行业下值得关注的 13 种技术趋势，本文将对此做详细阐述。 　　 快递运输管理软件 　　2020 年 5 月，美国第二大零售百货集团塔吉特（Target）宣布收购众包当日达快递初创公司 Deliv 的技术资产。尽管后者只是一个众包快递平台，但从此次收购中也能看出塔吉特对配送管理技术的兴趣。 　　实际上， 许多软件解决方案提供商都在瞄准快递运输管理与优化这一领域 。 　　比如，以色列初创公司 Bringg 在 2020 年 4 月完成了 3000 万美元的 D 轮融资，其 SaaS 平台，可以帮助企业客户（零售商、餐馆等）管理送货流程，利用实时数据和 AI 技术实现货物跟踪、路线优化、车队及快递优先次序管理等。 　　 　　（来源：Bringg 官网） 　　其他同类型的初创公司还有 LogiNext、Locus.sh、OptimoRoute 等。与此同时，包括甲骨文、SAP、Infor、UPS 等在内的大型科技公司也在开发运输管理管理软件。2020 年初，UPS 更新了其内部司机路线规划平台，使其具备“动态优化”功能，即该平台可在一天中随着交通情况

　　美国时间上周一（2020 年 7 月 13 日），亚德诺半导体（Analog Devices Inc.）宣布将以 210 亿美元收购美信（Maxim Integrated），收购完成后，亚德诺市值将超过 680 亿美元。 这是亚德诺史上进行过的最昂贵的收购，也是今年迄今为止，发生在美国的最大一笔并购交易。 　　昨日凌晨又传出英伟达有意向收购 Arm 的消息。从模拟技术对手之间的并购到图形处理器龙头对 SoC IP 龙头 Arm 的示好，在这些收并购的背后是否预示着全球或者中国半导体行业的整合大潮？ 　　本文将通过回顾 2015 年至今半导体行业的代表性收并购事件来尝试解答此问题，并寻找此类事件背后的重要驱动因素。 　　 全球半导体领域收并购频率及区域分布 　　CB Insights 的数据显示，近五年不同区域中被收并购公司中， 美国的半导体领域收并购最为频繁 ，占到从 2015 年至今的一半多， 其次是欧洲 ；相较于其他国家， 中国半导体领域收并购表现并不是很活跃 。 　　 （ 数据来源： CB Insights） 　　如果我们观察不同年份不同地区的收并购表现，不难发现，中国跟美国的收并购事件变化趋势近乎一致，美国在 2017 到 2019 年基本保持稳定的收并购数量，中国方面略呈上升趋势。但今年，无论是中国、美国还是世界其他国家，都经历了断崖式下跌。 　　 　　（数据来源

　　 　　从 19 世纪末爱迪生效应，到广播的诞生；从 1948 年半导体晶体管到梅曼的红宝石激光器，再到 20 世纪 90 年代光纤通信产业的成熟。 　　从 LED 灯，到 LCD 电视屏，从 Kinect 、iPhone X，到地铁里的测温仪、车载激光雷达，再到 5G 建设...... 　　 在诸多研究和海量消费产品的背后，是人类对光学信息和应用场景的不断探索，充分体现了光电技术的进步发展 。光学技术和电子学彼此渗透和结合，超越了传统的学科界限，为人类有效地采集、处理和利用光学信息提供了坚实的科学和技术基础。 　　从资本关注度来看，根据 CB Insights 数据，2016 年后光电领域投融资有明显上升，并在 2018 年迎来融资金额和次数的新高；虽然 2019 年融资金额走低至 5 年来最低，但是交易次数却是 5 年来最高。2020 年已过半年有余，金额方面已经逼近 2018 年全年总额，同时数量也接近 2018 年全年水平。 　　 　　图 | 光电领域的融资金额及数量（2015 年 - 2020 年 7 月 14 日，来源：CB Insights） 　　科技巨头已开始他们在光电方向的布局。 　　苹果 3D 面部识别使用到了 VCSEL，开启了 VCSEL 在消费领域的“新纪元”；微软发布 Hololens AR 眼镜，掀起了消费级 AR 眼镜的关注热潮；IBM

云栖号资讯：【 点击查看更多行业资讯 】 在这里您可以找到不同行业的第一手的上云资讯，还在等什么，快来！ 技术研发关卡 “无芯片不 AI”。最近几年，业界萦绕着对摩尔定律失效的担忧。后摩尔定律时代，AI 芯片的崛起被寄予厚望。 AI 芯片一度站上了风口，热度空前，与此同时，挑战尤存。现阶段的 AI 芯片处在发展早期，尚有诸多技术痛点待攻克。 在设计、研发上，一个最大的技术挑战在于如何跟得上 AI 算法的演进。芯片研发速度往往落后于 AI 语言的迭代速度，很多芯片做出来时，AI 算法已发生了较大的改变，甚至已过时了。因此在芯片设计时，预测未来的前沿算法趋势十分重要。 架构创新能力也是核心竞争力之一。摆在设计和研发前的第一个大难题就是解决架构问题，要具备适应所有应用的架构。正确的架构取决于对 AI 的理解，一些专家芯片设计能力很强，但对 AI 的计算或应用特点理解不深入，一些 AI 算法科学家在底层知识上有所欠缺。AI 芯片的核心要点在于对整个 AI 算法、硬件能力有宏观认知，及对未来发展趋势有精准预判，具备这一综合能力难度不小。去年初，图灵奖得主 John L .Hennessy 和 DavidA. Patterson 曾在二人的合著论文中预判，未来十年，计算机架构将迎来新的黄金时代。 投入成本高企、进入门槛高、周期长、回报率低是整个 AI 芯片产业“头顶”的几座大山

点击上方“ 3D视觉工坊 ”，选择“星标” 干货第一时间送达 本文是标定系列解读第三篇，介绍了Camera-Lidar标定，通过对一些基础知识和小细节进行讨论和理论推导，给出了一些可以提升标定精度的改进建议。 另外本文还给出了一个简单的开源代码对上述标定原理进行实践，以及提供了一个仿真程序，可以直观感受标定数据对系统可观性的影响。希望能够给大家一些启发。 目录 1. 前言 2. 理论 2.1 基于平面约束的相机激光标定算法 2.1.1 平面约束 2.1.2 2D 激光和相机外参数初始值求解 2.1.3 3D 激光和相机外参数初始值求解 2.1.4 外参数优化 2.2 推论：所有平行的平面提供的约束等价。 2.3 拓展：标定板的边界约束 3. 实践 3.1 代码梳理和上手操作 3.2 仿真代码的特别说明 3.2.1 系统可观性的判断 3.2.2 利用仿真代码验证平行平面提供的约束等价 3.2.2 利用仿真代码指导采集数据：如何充分旋转标定板 4. 结语 5. 参考文献 1. 前言 从理论上看，相机和激光之间外参数的标定原理非常简单，但在实际标定过程中，特别是一个初学者采集数据进行标定时，却发现标定结果非常不理想。如何采集有效的标定数据（何种运动轨迹，如何晃动标定板）对于激光相机标定而言非常重要。 读完本文，你会发现原来采集数据时标定板和传感器之间只做纯粹的平移运动是没有意义的

云栖号资讯：【 点击查看更多行业资讯 】 在这里您可以找到不同行业的第一手的上云资讯，还在等什么，快来！ 研究人员已经开发出了他们所说的突破性机器人实验室助手，能够像人类一样在实验室里移动并进行科学实验。这台由英国利物浦大学的科学家设计的机器还远没有达到完全自主的程度。它需要对实验室设备的位置进行编程，而且不能自己设计实验。但通过每周工作 7 天，每天工作 22 小时（每天晚上有两个小时的充电时间），它可以让科学家们自动完成耗时而繁琐的研究工作。 在今天《自然》杂志报道的一项试验中，由博士生 Benjamin Burger 领导的机器人创造者表示，它能够比人类实验室助手快 1000 倍的速度进行实验，这种速度的提升主要是由于机器人能够昼夜不停地工作，不需要休息。但开发该机器人的实验室安迪-库珀教授告诉 The Verge，速度不一定是重点。他说，这样工具的主要好处是，它允许科学家探索不会浪费人类时间的研究途径。 得益于基于激光雷达导航传感器，该机器人甚至可以在黑暗中工作。在其展示的研究中，机器人的任务是寻找能够加快化学反应的物质，从光和水中产生氢气，这一研究领域对许多行业都有用，包括绿色能源生产。机器人被编程为实验的基本参数，但使用算法来决定如何改变 10 个不同的变量，如化学试剂的浓度和比例。机器人混合样品，将其暴露在光下，并分析结果。在 8 天的时间里，这台机器进行了 688

在我们日常乘坐的航班中，飞机往往要飞到一定高度才能接通自动驾驶，起飞、着陆都需要飞行员手动控制。但空客最近公布的一项测试有望打破这一局面。该公司 CTO Grazia Vittadini 在 Twitter 上表示，借助深度学习技术，他们完成了全球首次自动着陆的测试，这意味我们离全自动驾驶飞机又近了一步。 机器之心报道，参与：张倩、杜伟、小舟。 这一成就引来了图灵奖获得者、人工智能先驱 Yann LeCun 的关注，他猜测，空客用到的是一种卷积网络。 对于 Yann LeCun 的猜测，空客方面回应称，他们使用的 DL 模型的确使用了卷积网络和几何视觉算法来计算飞机接近跑道时的飞行姿态。并且需要解决的开发挑战是：处理高目标方差（从 6 公里外观察跑道，一直到飞机着陆）和实时图像处理。 从起飞到着陆，空客在自动驾驶飞机的路上越走越远 其实，早在去年年底，空客就完成了自动驾驶起飞的测试。 那次飞行测试成功地使用了空客的最新款机型一——Airbus A350-1000 XWB。在摄像头数据的辅助下，飞机在法国的图卢兹 - 布拉尼亚克机场实现了完全的自动起飞。 为了保证飞行安全，驾驶舱依然搭载了两位飞行员，但他们的工作比以前简单地多。 这两位飞行员表示，他们只需要将飞机开到跑道的适当位置并启动自动驾驶仪，其余的工作就交给飞机自己，包括进行必要的校正以保证其处于中心线，以及在需要时将机头抬起