江苏龙网

  1. 首页 > 资讯 > >

18亿像素火星全景究竟什么情况？18亿像素火星全景具体情况

实现乘员全景观察
自坦克发明以来 ， 对外部环境观察视野不足一直是困扰车内乘员的老问题 。 第二次世界大战初期 ， 苏军坦克被德军装甲部队冲击得七零八落 ， 很大原因是乘坐在车内的苏军坦克手视野不足 ， 很难掌握车外情况 。 阿以战争时 ， 为克服这一缺陷 ， 以色列装甲部队要求坦克车长以自我牺牲为代价 ， 坐在炮塔上以获得最佳观察效果 。
按传统解决办法 ， 要扩大坦克乘员的观察视野 ， 必须扩大坦克观察窗尺寸 ， 或加装额外的车外观察装置 ， 但这样一方面会增加反坦克弹药、小口径子弹或者炮弹碎片钻进坦克的风险；另一方面 ， 过多的车外装置还会加大坦克被击中的可能性 。
随着军事科技的快速发展 ， 如今 ， 这一困扰坦克兵多年的问题将得到彻底解决 。 据“大众机械”网站报道 ， 英国老牌军工企业日前推出一款“多功能车辆保护传感器”周视系统 。 这是一套由安装在坦克或装甲车车体周围4个高清摄像机组成的观察系统 。 每个摄像机均具有水平120°和垂直75°观察视野 ， 还可以切换长波红外光谱 ， 充当热成像装置或被动夜视仪 ， 对坦克外部环境进行真实还原 。 即便在夜晚、恶劣天气或灰尘、烟雾中 ， 也能保证乘员对坦克外部环境的有效观察 。 更重要的是 ， 安装这套系统后 ， 每一位车组乘员都能对车体外进行360°全景观察 ， 大大提高整车的作战效率 。
无独有偶 。 以色列一家公司也在研究类似装备 ， 这套名为“铁甲视野”的周视感知系统包括多部安装在坦克车体外的摄像机 ， 可对距离坦克几米外目标进行拍摄和识别 ， 还可以捕捉到最远300米处的移动目标 。 拍摄得到的影像经过数字化处理后 ， 形成完整的全景图像传递到坦克乘员佩戴的头盔显示屏上 ， 供乘员实时了解车外战斗情况以及战场环境 。
从性能看 ， 这两款观察装置有相似之处 ， 均可帮助车组成员对车辆外部环境进行360°全景观察 ， 且不受昼夜以及各种恶劣气候影响 。 不同的是 ， “多功能车辆保护传感器”周视系统不仅具备观察功能 ， 还可以探测和跟踪坦克面临的安全威胁 ， 提示车组人员采取反制手段 ， 包括“软”“硬”两种措施 。 所谓“软”措施即启动或施放各种干扰设备 ， 如定向激光干扰系统 ， 使来袭的激光制导导弹偏离目标失效；“硬”措施是启动坦克主动防护系统 ， 发射拦截弹 ， 击毁来袭的火箭弹等 。
2019年人工智能全景报告
2019 年6月 ，国际著名人工智能天使投资人 Ian Hogarth与 Nathan Benaich 合著发布《 2019年人工智能全景报告》。 报告从研究、人才、行业、政治等方面 ， 总结了过去一年人工智能相关研究和技术进步、人才发展趋势、产业格局变化和各国政策动向 ， 并对未来一年进行了预测 。 同时 ， 报告详细分析了中国人工智能技术在日常消费、农业、机器人和半导体等领域的进展 。 报告认为 ， 人工智能将成为全球科技进步的加速器 ， 为驾驭如此巨大的转型 ， 必须全面深入地了解人工智能各方面 。
一、 研究与技术突破
（一）强化学习开辟新天地
1、 强化学习在游戏领域表现卓越
DeepMind公司使用多智能体训练算法完成的 AlphaStar 系统可以综合各种最为有效的策略组合并创建一个相互竞争的智能体联盟 ， 来共同探索巨大的策略空间 。 AlphaStar 在《星际争霸》等策略类游戏中表现突出 。 另外 ，人工智能模型 OpenAI Five的智能程度进一步得到提升 ， 与2018年8月份版本的 OpenAI Five相比 ，2019 年 4 月份版本的 OpenAI Five 的训练计算量增加了8倍 ， 在《魔兽争霸 2》和《雷神之锤 III 竞技场夺旗》等游戏中纷纷战胜人类 。
2、 智能机器人训练过程更加注重与真实环境交互
强化学习模型的“ 驱动式学习”概念被提出 ， 即通过“ 观摩游戏” 的策略训练一台机器人同时执行多项复杂任务 ，对于每项任务无需进行单独的针对性训练 。 在该策略中 ， 训练人员可以远程操控智能机器人 ， 使之用各种方式与外界环境进行交互 ， 从多个维度对智能机器人在真实环境中进行训练 ， 与针对单一任务训练相比训练效率和训练效果均得到提升 。 在基于驱动式的训练中 ， 智能机器人不仅能学习尽可能多样化的技能 ， 并使每项技能均对扰动具有鲁棒性 。 例如 ，加州大学伯克利分校的机器人学习实验对 BLUE 机械臂进行了实际环境中的训练 ， 使其在手动灵活性方面取得了巨大进步 。


推荐阅读


上一篇：言武▲释放信号！军改裁军：由“7”变“5”由“5”变“4”

下一篇：道指跌幅超1千点怎么回事？道指跌幅超1千点时间过程详解