无人机送货不迷路的原因竟在这里！

用微观交叉定位，让无人机送货不再“找路难”

疫情期间，用无人机送快递既能解决快递 “井喷式” 增长时快递员人手不足的问题，它也为 “无接触” 快递服务提供了更多的选择。

然而，无人机送货也面临着精准分辨困难的问题。如果两幢楼外形相似，有时候人类肉眼都很难分辨，那么，无人机该如何确定目标客户的准确地址？如果无人机送货中途迷路了，该如何解决？

杭州电子科技大学王廷宇博士用 “微观交叉定位” 的模型解决了无人机送货的技术难题，在无人机利用卫星图识别目标时，该模型通过卫星眼（GPS 眼）和自有眼（摄像头）看到的信息，凭借对目标周边环境的智慧识别进行相互比对，进而辅助目标的定位。这为无人机送货的大规模应用提供了可行性方案。

这个模型的最大亮点就是，实现太空坐标和地球坐标还有无人机自定义坐标之间的灵活转换，这就是交叉定位的内涵。

图丨分区策略的简化图（来源：IEEE ）

现有的方法通常集中在图像中心对地理目标的细粒度特征进行挖掘，而忽视了相邻区域的上下文信息。该研究团队认为，邻域对地理定位的鉴别线索可以作为辅助信息。研究人员设计了一种 LPN，它用以端到端的方式，明确探索上下文信息的有效方法。

为了更好地利用上下文信息，研究人员应用方环划分策略来划分特征映射。他们观察到地理目标通常分布在图像的中心，上下文信息则被辐射分布在周围。

具体来说，将高级特性划分为一个方形环划分中的几个部分。LPN 在不使用额外部分估计量的情况下，采用了一种基于距离图像中心距离的方环特征分割策略。

此外，实验还证明了研究人员所提出的 LPN 可以很容易地嵌入到其他框架中以进一步提高性能。LPN 对无人机视点目标定位任务 (卫星无人机) 的精度达到 75.93%，对无人机导航任务 (卫星无人机) 的精度达到 86.45%。

能暴露行动轨迹的智能袜子

你的行动，全都在这双袜子的掌控之中。

无论是单脚站立、还是扭腰、走路，这双袜子都能通过脚上压力的变化，来预测你的行动。最关键的是，材料制造简单，不需要集成大量高精度传感器，用织衣服的方法，就能做出检测效果非常棒的袜子。

这双有着“超能力”的袜子，由MIT开发，现在登上了Nature子刊。

袜子的运动检测原理，本身很简单：利用机器学习，将人体姿势、与触觉脚印关联起来，从而预测人体的运动。、这是因为，人在从一个姿势，改变成另一个姿势时，由于脚上的压力发生变化（如重心从右脚转移到左脚），触觉脚印也会发生相应变化。

通过采集大量数据、利用自监督学习，对模型进行训练，就能预测人体的运动。

这双袜子采用了2种织物混合制成。包括普通纺织纤维腈纶纱、与能够传感力度的功能性纤维。因此，这种袜子既保留了袜子本身的柔软性，又具有检测动作的能力。

当感知到负载压力的时候，两条线就会相互挤压，里面的传感材料就能通过交叉点，感知到力度的大小。

此前，许多可穿戴设备，需要大量高精度传感器，才能保证测量的准确性。

但与现有的可穿戴电子设备不同，这种袜子的设计，可以被用于大型服装生产中，极大降低成本，除了智能袜子，来自MIT的研究人员，还搞出了背心、膝盖、手套等各种系列的智能织物。

这些智能织物，可以用于病人的运动和康复训练。如果家属允许，可以用来监护病人在医院、病患的健康状况，以免他们在独处时跌倒、或者是失去意识。

当然，也能给机器人穿。通过学习这套衣服中的数据，机器也许就能理解，人类是如何做动作的，从而学会做出各种不同的动作。

不过，也有网友表示，这种袜子可能会在未来监测我们的活动：这样不好。

你想拥有一双这样的袜子吗？

基于两束交叉光触发的化学反应实现微米级高精度3D打印

一种被称为体积增材制造（VAM）的3D打印技术可以利用光线在液相前驱体（liquid precursor）中快速固化目标物体。这个技术称为xolography——因为整个过程使用了两束不同波长的交叉（X）光线固化整个物体（holos在希腊语中是整体的意思）。

目前最快的3D打印机可以用光来一次诱导一整层液态起始材料的聚合反应，以500毫米/小时的速度将液态变为固态。如果合理调节光通量和聚合动力学，就能打印出的完整的物体，而不存在传统逐层3D打印的人工痕迹。VAM方法无需从起始材料得到目标物体，简化了工艺流程，加快了制造速度。与其他方法相比，这种方法使得高质量零件的制造成为可能，并且无需打印支撑结构，免除了打印结束后去除支撑结构的工作。

xolography的工作流程如下：用光照射一定体积的粘性树脂材料，产生固定厚度的矩形光照层，这束光的特定波长可以裂解分子主链上的分子环，激发溶解在树脂中的双色光引发剂（DCPI）分子——这一反应仅仅在光照层内发生。

为了演示该方法的实际效果，研究人员利用这种技术打印了在一个直径8毫米球笼中的一个可以活动的小球。如果使用传统的逐层3D打印，这个小球在打印时就需要借助支撑物与球笼相连，而这些支撑物之后很难取出。xolography技术所能实现的高分辨率打印还能直接打印机械系统，例如能在水流和气流中旋转的叶片。

xolography技术的特征分辨率和体积生成率可以通过引入更好的光学系统进一步提升，例如使用更强的激光。但对于所有的VAM系统来说，都面临着一些相同的挑战，例如如何将打印体积从立方厘米提升至立方米，以及如何在一次打印中使用多种材料。

随着打印速度的提升和新材料的出现，DLP方法已经开始作为产品开发的一部分，应用于跑鞋夹层的大规模个性化定制中。如果VAM和xolography可以带来相同的进展，大规模的商品制造也指日可待。在未来，目前还不能使用3D打印的领域必将涌现大量应用。

中国人工智能发展迅猛，中国政府也高度重视人工智能领域的发展。预计到2020年，中国人工智能产业规模将超过1500亿元，带动相关产业规模超过1万亿元。2017年全球新兴人工智能项目中，中国占据51%，数量上已经超越美国。但全球人工智能人才储备，中国却只有5%左右，人工智能的人才缺口超过500万。