神乐小姐姐喂你吃糖糖！日本最新机械臂+VR眼镜登场~

出金 发自 凹非寺量子位 出品 | 公众号 QbitAI 晚上了，发个好玩一点的。 本来吧，这事儿是一个广告。可是吧，连一堆国外搞人工智能、机器学习的大牛，都按捺不住纷纷跟着起哄了。 事情是样的。 日本一个糖果厂，搞出一个"4D眼镜"。其实就是一个VR眼镜，加上一个塑料材质的机械臂。这套设备的不同之处在于…… 当你带上VR眼镜，就会看到一个小姐姐。 没错，就是电影《银魂》里神乐的扮演者桥本环奈，在VR眼镜中，拿着一颗甜蜜的糖果，笑盈盈地喂到嘴里给你吃~ 当你幸福的张开嘴，机械臂就真把一颗糖果塞到你嘴里了~ VR带来的效果，非常的真实~ 宛如初恋的感觉。 有时候，有时候，小姐姐还调皮的逗你玩，机械臂也会跟着把喂到嘴边的糖果，快速的挪开。这种感觉，让视频中的日本男青年，欲罢不能~ 好东西跟朋友一起分享~ 据说，据说，有人会为此流下幸福的眼泪。 完整视频在此： 不过这款产品，并不公开发售。 糖果厂在推特上搞活动，在用户里抽奖送出。参与者需要在日本居住，13岁以上，拥有推特账号并且同意游戏规则才行。 而且，中奖名额只有两个…… 行吧。 桥本环奈其实还给这个糖果厂拍过一系列广告，最后，奉上一个集锦赏析。 就酱~ — 完 — 欢迎大家关注我们的专栏：量子位 - 知乎专栏 诚挚招聘 量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复"招聘"两个字。 量子位 QbitAI · 头条号签约作者 վ'ᴗ' ի 追踪AI技术和产品新动态 via 量子位 - 知乎专栏 http://ift.tt/2tnbkON RSS5

给无人车加个透视眼 | 斯坦福SCIL实验室最新Nature文章

原作 TAYLOR KUBOTARoot 编译自 Stanford News量子位 报道 | 公众号 QbitAI 拐角路口没有装凸面反光镜的话。 老司机开车都得减速慢下来。 谁知道拐弯看不见的地方，会不会有人或小动物突然窜出来。 就更别说无人车了。 辣有没有可能，现有的激光雷达能够提前看到视域外的物体，及时启动制动功能？ 斯坦福SCIL实验室在努力 完全有。 在昨天，3月5号，斯坦福SCIL实验室（Stanford Computational Imaging Lab）在Nature上发表了一篇论文，Confocal Non-line-of-sight Imaging based on the Light-cone Transform。 这篇文章，阐述了如何利用反射回来的光束3D建模还原出拐角盲区后的物体。 他们研发这个"透视"技术的初衷，是想用在无人车上，提前预判出拐角的人，增加无人驾驶的安全性。 斯坦福的小哥哥们研发设计了一个基于激光的系统，可以对视域外的物体成像。 "听起来很神奇，但这是可以实现的。"斯坦福电子工程助理教授Gordon Wetstein说。 "看见"看不见的 坦率地讲，这个借用激光的反射把拐角盲区的物体成像的方法，并不是只有斯坦福研究团队在做。 不过，他们的算法最好用。 算法原理介绍视频传送⤵️ "盲区物体成像的挑战，是找出一种有效的方法来从噪声测量中恢复看不见物体的三维结构，"SCIL实验室研究生David Lindell说。 "我认为，这种方法能有多大的影响力，取决于成像的计算效率。" 研究团队把激光器放在了这套系统的光子探测器旁边。 这个探测器高度敏感，可以捕捉到单个光粒子。 研究团队往墙上打人肉眼看不到的激光脉冲，然后这些脉冲遇到拐角背后的物体，会反弹回到墙上来，继而被光子探测器接收。 现阶段，扫描的过程可能需要两分钟到一小时，具体取决于光照条件和盲区物体的反射率。 一旦扫描完成后，算法会计算回收光子的轨迹，逐渐把模糊的点变成清晰的3D模型。 整个过程用不到1秒。算法流弊到可以直接在普通的笔记本上跑起来。 考虑到现有算法优秀的表现，研发特对认为他们可以加快处理速度，扫描完成的一瞬间也能成像复原盲区物体。 实际路测遇到的困难 在这篇文章工作之后，SCIL的研发团队还会继续完善这套"透视"系统。 要知道，现实世界里，无人车行驶的环境比实验室预设的场景复杂得多。 如何快速地响应这些复杂的变化？如何压缩扫描的时间？ 这些都是研发团队要解决的课题。 无人车体与盲区物体的距离、环境的光照条件等各种因素，都会影响到光子探测器的光子捕捉。要准确地还原出、"看见"盲区物体的样子，在实际行驶过程中，并不是件容易的事。 另外，这种"透视"技术还得充分利用上散射的光子。而散射的光，还是当下车导航LIDAR系统选择性忽略的信息。 "我们认为，"透视"算法已经可以用到LIDAR系统上了，"该论文的共同主要作者，SCIL博士后Matthew O'Toole说。 "关键的问题是，目前LIDAR系统的硬件能不能支持这种类型的成像。" 在"透视"系统上路之前，研发团队还有两个方向可以再进一步优化。 一个是在日光照射下的表现。还有怎么应对快速移动的物体。 比方说突然有个篮球跑到路中央，或者飞速穿过马路的熊孩子。 研究人员路测了他们的技术。 他们发现，这套"透视"系统只能使用间接光。尽管这套系统可以很灵敏地发现带反光材质的物体，比方说穿了安全服的人，或者交通标志，但是对于没有穿会反光的衣物的一般路人来说，系统就发现不了(liao)了(le)。 "我们的工作，也算是迈出了有意义的一步。相信这个透视功能，未来会让我们所有人都受益的，"助理教授Wetzstein说，"我们接下来会加强这套系统在实操上的适用性。" Wetzstein除了是电子工程助理教授之外，还兼任计算机学院助理教授，并是斯坦福Bio-X和神经生物学协会的成员。 该项目的资金支持，来自于加拿大政府，斯坦福大学研究生教育副院长办公室，国家科学基金等五个机构。 最后，附论文地址， http://ift.tt/2I6Lfqp & SCIL实验室网站， http://ift.tt/1LC2BbG & 编译来源， http://ift.tt/2D1boTC — 完 — 欢迎大家关注我们的专栏：量子位 - 知乎专栏 诚挚招聘 量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复"招聘"两个字。 量子位 QbitAI · 头条号签约作者 վ'ᴗ' ի 追踪AI技术和产品新动态 via 量子位 - 知乎专栏 http://ift.tt/2I8skvc RSS5

给无人车加个透视眼 | 斯坦福SCIL实验室最新Nature文章

原作 TAYLOR KUBOTARoot 编译自 Stanford News量子位 报道 | 公众号 QbitAI 拐角路口没有装凸面反光镜的话。 老司机开车都得减速慢下来。 谁知道拐弯看不见的地方，会不会有人或小动物突然窜出来。 就更别说无人车了。 辣有没有可能，现有的激光雷达能够提前看到视域外的物体，及时启动制动功能？ 斯坦福SCIL实验室在努力 完全有。 在昨天，3月5号，斯坦福SCIL实验室（Stanford Computational Imaging Lab）在Nature上发表了一篇论文，Confocal Non-line-of-sight Imaging based on the Light-cone Transform。 这篇文章，阐述了如何利用反射回来的光束3D建模还原出拐角盲区后的物体。 他们研发这个"透视"技术的初衷，是想用在无人车上，提前预判出拐角的人，增加无人驾驶的安全性。 斯坦福的小哥哥们研发设计了一个基于激光的系统，可以对视域外的物体成像。 "听起来很神奇，但这是可以实现的。"斯坦福电子工程助理教授Gordon Wetstein说。 "看见"看不见的 坦率地讲，这个借用激光的反射把拐角盲区的物体成像的方法，并不是只有斯坦福研究团队在做。 不过，他们的算法最好用。 算法原理介绍视频传送⤵️ "盲区物体成像的挑战，是找出一种有效的方法来从噪声测量中恢复看不见物体的三维结构，"SCIL实验室研究生David Lindell说。 "我认为，这种方法能有多大的影响力，取决于成像的计算效率。" 研究团队把激光器放在了这套系统的光子探测器旁边。 这个探测器高度敏感，可以捕捉到单个光粒子。 研究团队往墙上打人肉眼看不到的激光脉冲，然后这些脉冲遇到拐角背后的物体，会反弹回到墙上来，继而被光子探测器接收。 现阶段，扫描的过程可能需要两分钟到一小时，具体取决于光照条件和盲区物体的反射率。 一旦扫描完成后，算法会计算回收光子的轨迹，逐渐把模糊的点变成清晰的3D模型。 整个过程用不到1秒。算法流弊到可以直接在普通的笔记本上跑起来。 考虑到现有算法优秀的表现，研发特对认为他们可以加快处理速度，扫描完成的一瞬间也能成像复原盲区物体。 实际路测遇到的困难 在这篇文章工作之后，SCIL的研发团队还会继续完善这套"透视"系统。 要知道，现实世界里，无人车行驶的环境比实验室预设的场景复杂得多。 如何快速地响应这些复杂的变化？如何压缩扫描的时间？ 这些都是研发团队要解决的课题。 无人车体与盲区物体的距离、环境的光照条件等各种因素，都会影响到光子探测器的光子捕捉。要准确地还原出、"看见"盲区物体的样子，在实际行驶过程中，并不是件容易的事。 另外，这种"透视"技术还得充分利用上散射的光子。而散射的光，还是当下车导航LIDAR系统选择性忽略的信息。 "我们认为，"透视"算法已经可以用到LIDAR系统上了，"该论文的共同主要作者，SCIL博士后Matthew O'Toole说。 "关键的问题是，目前LIDAR系统的硬件能不能支持这种类型的成像。" 在"透视"系统上路之前，研发团队还有两个方向可以再进一步优化。 一个是在日光照射下的表现。还有怎么应对快速移动的物体。 比方说突然有个篮球跑到路中央，或者飞速穿过马路的熊孩子。 研究人员路测了他们的技术。 他们发现，这套"透视"系统只能使用间接光。尽管这套系统可以很灵敏地发现带反光材质的物体，比方说穿了安全服的人，或者交通标志，但是对于没有穿会反光的衣物的一般路人来说，系统就发现不了(liao)了(le)。 "我们的工作，也算是迈出了有意义的一步。相信这个透视功能，未来会让我们所有人都受益的，"助理教授Wetzstein说，"我们接下来会加强这套系统在实操上的适用性。" Wetzstein除了是电子工程助理教授之外，还兼任计算机学院助理教授，并是斯坦福Bio-X和神经生物学协会的成员。 该项目的资金支持，来自于加拿大政府，斯坦福大学研究生教育副院长办公室，国家科学基金等五个机构。 最后，附论文地址， http://ift.tt/2I6Lfqp & SCIL实验室网站， http://ift.tt/1LC2BbG & 编译来源， http://ift.tt/2D1boTC — 完 — 欢迎大家关注我们的专栏：量子位 - 知乎专栏 诚挚招聘 量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复"招聘"两个字。 量子位 QbitAI · 头条号签约作者 վ'ᴗ' ի 追踪AI技术和产品新动态 via 量子位 - 知乎专栏 http://ift.tt/2I8skvc RSS5

首个72量子比特的量子计算机问世，谷歌出品

安妮 编译整理量子位 出品 | 公众号 QbitAI 比春天这气温升得还快的，是量子计算的热度。 无论是2012年开始入局的微软，还是才研发出50量子比特原型机没多久的IBM，亦或是放言"2017年底实现量子霸权"的谷歌，量子计算机于科技巨头来讲，是一条彰显实力的单独赛道。 这不，谷歌又放出大消息了。 昨天，在洛杉矶召开的美国物理学会会议上，谷歌推出了拥有72量子比特的新量子处理器Bristlecone。 这是一种基于门的超导系统，可用于研究量子比特技术的系统错误率和可扩展性，也为量子模拟、优化和机器学习方面的应用提供了一个实验平台。 量子计算双限制 错误率是所有量子计算机都要面临的一个主要问题。 受自身特性的限制，量子计算机通常需要在极低的温度下运行，讲道理是不受环境影响的。但由于目前的技术中量子比特仍然高度不稳定，因此任何噪声都可能导致错误。 正因如此，现代量子处理器中的量子比特不能算是真正的量子比特，可能称为许多位的组合更准确。 还有一个限制因素是，大多数系统只能在100微秒内维持自身状态。 技术创新 这一次，谷歌沿用了之前9量子比特线性阵列技术的物理机制，这在当时就达到了读数错误率为1%，单量子比特门错误率为0.1%，双量子比特门的错误率是0.6%的好成绩。Bristlecone用同样的方案进行了耦合、控制和输出。 重要的是，每个Bristlecone处理器有72量子比特。 业界普遍认为，要实现量子霸权需要49量子比特，但谷歌认为说量子计算机不仅与量子比特相关。 "像Bristlecone这样的设备，如果要在低系统错误的情况下运行，需要软件、控制电子设备到处理器本身的整套技术之间的协调，"谷歌在博客中写到，"要做到这一点，需要在多次迭代中小心进行系统工程操作。" One more thing 关于谷歌、微软和IBM的这场量子计算竞赛的排行榜还在实时更新中，现在下定论哪家最强还为时尚早。 不过，有个题外话挺有意思。今年1月底，《金融时报》曾发文报道称在接下来的几周，谷歌和微软将分别宣布量子计算的里程碑式重大突破。 不知道微软准备的怎么样了。 — 完 — 欢迎大家关注我们的专栏：量子位 - 知乎专栏 诚挚招聘 量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复"招聘"两个字。 量子位 QbitAI · 头条号签约作者 վ'ᴗ' ի 追踪AI技术和产品新动态 via 量子位 - 知乎专栏 http://ift.tt/2I4oKlU RSS5

首个72量子比特的量子计算机问世，谷歌出品

安妮 编译整理量子位 出品 | 公众号 QbitAI 比春天这气温升得还快的，是量子计算的热度。 无论是2012年开始入局的微软，还是才研发出50量子比特原型机没多久的IBM，亦或是放言"2017年底实现量子霸权"的谷歌，量子计算机于科技巨头来讲，是一条彰显实力的单独赛道。 这不，谷歌又放出大消息了。 昨天，在洛杉矶召开的美国物理学会会议上，谷歌推出了拥有72量子比特的新量子处理器Bristlecone。 这是一种基于门的超导系统，可用于研究量子比特技术的系统错误率和可扩展性，也为量子模拟、优化和机器学习方面的应用提供了一个实验平台。 量子计算双限制 错误率是所有量子计算机都要面临的一个主要问题。 受自身特性的限制，量子计算机通常需要在极低的温度下运行，讲道理是不受环境影响的。但由于目前的技术中量子比特仍然高度不稳定，因此任何噪声都可能导致错误。 正因如此，现代量子处理器中的量子比特不能算是真正的量子比特，可能称为许多位的组合更准确。 还有一个限制因素是，大多数系统只能在100微秒内维持自身状态。 技术创新 这一次，谷歌沿用了之前9量子比特线性阵列技术的物理机制，这在当时就达到了读数错误率为1%，单量子比特门错误率为0.1%，双量子比特门的错误率是0.6%的好成绩。Bristlecone用同样的方案进行了耦合、控制和输出。 重要的是，每个Bristlecone处理器有72量子比特。 业界普遍认为，要实现量子霸权需要49量子比特，但谷歌认为说量子计算机不仅与量子比特相关。 "像Bristlecone这样的设备，如果要在低系统错误的情况下运行，需要软件、控制电子设备到处理器本身的整套技术之间的协调，"谷歌在博客中写到，"要做到这一点，需要在多次迭代中小心进行系统工程操作。" One more thing 关于谷歌、微软和IBM的这场量子计算竞赛的排行榜还在实时更新中，现在下定论哪家最强还为时尚早。 不过，有个题外话挺有意思。今年1月底，《金融时报》曾发文报道称在接下来的几周，谷歌和微软将分别宣布量子计算的里程碑式重大突破。 不知道微软准备的怎么样了。 — 完 — 欢迎大家关注我们的专栏：量子位 - 知乎专栏 诚挚招聘 量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复"招聘"两个字。 量子位 QbitAI · 头条号签约作者 վ'ᴗ' ի 追踪AI技术和产品新动态 via 量子位 - 知乎专栏 http://ift.tt/2I4oKlU RSS5