一年多前在上海举办的MWC亚洲展上,中国联通作为当地电信运营商之一,展示了5G先进技术(5G-A)网络,展现了基于标准5G基础设施演进的新型高级用例。如今,该运营商的北京分公司为2025年世界仿人机器人运动会提供了全面的5G-A网络覆盖,覆盖场馆内外。
作为全球首届仿人机器人国际体育赛事,本次运动会展现了技术与体育的融合,标志着人工智能在体育领域的大规模应用。
这场为期三天在北京国家速滑馆举办的赛事被描述为竞技与嘉年华的结合。来自全球近280支队伍的500多台机器人参赛,在体育、表演、工业和医疗等项目中展现最佳状态,为智能机器提供了展示技能的舞台,项目涵盖足球到跳高等多个领域,显示了在工厂和家庭应用的潜力。
组织者表示,随着世界进一步迈入人工智能时代,这项赛事既是技术展示,也是知识交流平台,推动机器人设计和性能的极限,展示机器人在决策制定、运动技能和控制器方面的进步。
在足球场上,三对三和五对五比赛让人工智能驱动的机器人相互对抗。机器人医生诊断故障时使用"右髋关节断开"和"左脚板脱落"等术语,配备快速现场维修工具。
作为赛事的独家全球通信合作伙伴,中国联通表示致力于通过与华为等合作伙伴的协作,利用5G-A、AI和全光网络专业技术,确保毫秒级网络响应和零停机时间。
该电信运营商补充说,5G先进网络为场馆内外的机器人和观众提供连接,具有"尖端"特性,其特点是高上行容量、可靠性和安全性,显著提升了数万名观众的体验。
运营商认为,这样强大的5G-A网络将通过推动仿人机器人超越竞技范围进入全面商业化来改变社会。该公司表示,随着AI产业快速发展,多模态和跨设备交互正在重塑个人体验,物联网连接呈"指数级"增长,AI现已融入核心生产流程的结构中,完全重新定义了工作流程。
在场馆内,利用300MHz超高带宽频谱开发了5G-A数字室内系统。该系统提供超过100Mbps的上行速度,允许多个4K机器视觉流无帧丢失上传。同时确保空中接口延迟保持在20ms以下,使机器人能够即时响应命令。
在场馆外,5G-A 3D网络协调1:1高低频段,分别实现10Gbps和4Gbps的下行和上行速度。通过这种连接,8K全景摄像头实时合并录像,CCTV等媒体在几秒内上传超高清浅压缩信号,观众可以无延迟地直播和分享视频。
中国联通指出,具身智能机器人是一种要求很高的AI应用,需要专门的网络让它们感知周围环境、做出即时决策、精确定位并与其他机器人协调。在赛事之外,中国联通旨在为机器人产业注入强劲动力。
中国联通北京分公司副总经理秦阳表示:"我们的5G-A网络目前服务用户,我们正在升级以同时支持具身AI。本次赛事的5G-A网络反映了这一进展。它为观众专门提供一个通道,为机器人提供动态可扩展通道,即使在使用高峰期也能实现观众和机器人的无缝连接。在机器人领域,5G-A也将是实现低延迟远程控制的关键。"
华为无线网络产品线市场副总裁陈骁添加说:"在仿人机器人运动会上,网络必须支持许多机器人、观众和直播媒体流。它需要提供高上行容量、低延迟、高可靠性和广覆盖。"
Q&A
Q1:什么是5G-A网络?它有什么特点?
A:5G-A是5G先进技术网络,具有高上行容量、可靠性和安全性等特点,能提供毫秒级网络响应和零停机时间,支持多模态和跨设备交互。
Q2:这次仿人机器人运动会有多少机器人参赛?
A:本次全球首届仿人机器人运动会有来自全球近280支队伍的500多台机器人参赛,在体育、表演、工业和医疗等项目中展现技能。
Q3:5G-A网络在机器人运动会中发挥了什么作用?
A:5G-A网络为场馆内外提供全面覆盖,确保空中接口延迟保持在20ms以下,让机器人即时响应命令,同时支持4K机器视觉流无帧丢失上传和8K全景摄像头实时合并录像。
好文章,需要你的鼓励
PDF协会在欧洲会议上宣布,将在PDF规范中添加对JPEG XL图像格式的支持。尽管Chromium团队此前将该格式标记为过时,但此次纳入可能为JXL带来主流应用机会。PDF协会CTO表示,选择JPEG XL作为支持HDR内容的首选解决方案。该格式具备广色域、超高分辨率和多通道支持等优势,但目前仍缺乏广泛的浏览器支持。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
Ironclad OS项目正在开发一个新的类Unix操作系统内核,面向小型嵌入式系统,计划支持实时功能。该项目的独特之处在于采用Ada编程语言及其可形式化验证的SPARK子集进行开发,而非常见的C、C++或Rust语言。项目还包含运行在Ironclad内核上的完整操作系统Gloire,使用GNU工具构建以提供传统Unix兼容性。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。