由AI算法驅動,Red 6展示AR虛擬空戰訓練方案

2020-12-06 青亭網

近期,AR公司Red 6與AI公司EpiSci合作展示了一種AR虛擬空戰訓練方案,該方案展示了一名美國戰鬥機飛行員佩戴AR眼鏡,與AR虛擬敵機空戰的空中訓練場景。

據青亭網了解,飛行員所佩戴的AR頭顯名為ATARS(航空戰術AR系統),由Red 6開發,該頭顯可在飛行員眼前顯示由AI控制的虛擬戰鬥機,號稱具備大視場角(原型機目前105°FOV,正式產品將達150°)、全彩色動態戶外顯示等特點。而控制虛擬戰鬥機的AI算法則由EpiSci開發,據悉這家公司此前曾參加DARPA舉辦的Alpha Dogfight項目,開發戰術AI技術。

與AR陸軍戰鬥培訓相似,AR空戰培訓也是通過AR來模擬敵軍和戰鬥場景,培訓空軍戰士策略和戰鬥技巧。通常,飛行模擬訓練一般在模擬艙中進行,目的是為了保證安全性,但是模擬艙難以模擬在空中真實飛行的速度和刺激感,因此這場在天空中完成的AR戰鬥培訓具有深遠意義。據悉,ATARS系統可實時模擬和顯示虛擬敵機,將AR與真實環境自然融合,看起來足夠逼真。

相關焦點

  • 夏日專刊AI產品上新升級集錦,50餘項軟硬能力加速場景落地
    >>查看詳情ai.baidu.com/tech/ar/vishairseg四. 人臉識別 身份證與名字比對【二要素】API 上線特惠次數包身份證與名字對比 API 推出多檔預付費次數包,優惠價低至0.18元/次;按調用量後付費價格由0.6元/次調整為0.3元/次,廣泛應用於遊戲、運營商、購票、電商等業務用戶實名制登記環節,歡迎選購
  • 中國多媒體大會首日:四大技術競賽優勝方案出爐,學界業界成果大展示
    雷鋒網 AI 科技評論看到,四項大賽的優勝方案也在現場進行了展示。,在這次比賽中,他綜合了擴張卷積、殘差學習、對稱的跳躍連結技術,在最終結果上,他提出的方案只有 10 層卷積,因此運算速度非常快,藉助改進的擴張卷積網絡,實現了相當於普通卷積 20 多層的效果,再藉助殘差學習、對稱的跳躍連結和對訓練數據的處理,進一步實現精度的提升,可以看到,最終的 PSNR 為 36.3686dB,速度為 147.18s。
  • 依圖科技亮相全球GPU大會 攜手英偉達探索AI新疆界
    3月28日,由NVIDIA主辦的GPU Technology Conference(簡稱GTC)27日於美國正式召開,來自全球的8000多位計算機行業從業者參會。中國知名人工智慧公司依圖科技在大會展示了業界領先的人工智慧技術及商業應用解決方案,這些方案已經廣泛應用於智慧城市、醫療健康、商業智能、金融等領域。
  • AI技術驅動下的新型單血細胞分類方法
    (文章來源:攜手健康網) 來自慕尼黑的Helmholtz ZentrumMünchen和慕尼黑大學LMU的大學醫院的研究人員首次顯示,在對急性髓性白血病(AML)患者的血液樣本進行分類時,深度學習算法的性能與人類專家相似。
  • CB Insights:2017全球AI企業100強(附下載) | 網際網路數據資訊網...
    ClarifaiClarifai是一家人工智慧公司,擅長視覺識別,為企業和開發人員解決現實問題。Clarifai 做「教學」AI,這就是為什麼他們的技術是市場上最定製化和最準確的解決方案。22. CloudMedx Inc我們已經建立了一個臨床AI平臺,規模化並簡單化大腦啟發的臨床算法在醫療保健領域的應用。23.
  • AI 將非洲人標記為大猩猩:機器學習之路還有多長?
    這其中存在一個問題,因為同樣被用於訓練機器學習算法的數據,也可能會讓它變得邪惡或存在偏見。就像所有孩童那樣,機器學習算法往往會選擇迎合其開發者的品味和偏見。更複雜的是,許多公司都以非常隱秘的方式運行內部算法,並把它們視為商業機密。機器學習初創企業Beauty.ai今年舉行了世界上首場AI驅動的選美大賽。
  • 其實,ai不止是一項科技,更是一種文化,一種觀念
    其實,ai不止是一項科技,更是一種文化,一種觀念。自2016年alphago在圍棋系列賽中戰勝職業棋手以來,ai已經開始在某些領域中取得進展,並且在某些問題上實現了突破。在最近的新聞中,谷歌發布的兩張miranda照片不僅僅是事實,還再次為我們揭開了ai正在開始各領域進行科學研究的新面貌。
  • 谷歌AutoML新進展,進化算法加持,僅用數學運算自動找出ML算法
    其目標是同時搜索 ML 算法的所有屬性,包括模型結構和學習策略,同時將人類偏見最小化。近來,機器學習(ML)取得了顯著的成功,這要歸功於深度神經網絡等 ML 算法。與此同時,這一領域研究中遇到的困難又催生了 AutoML,AutoML 旨在實現 ML 算法的自動化設計。目前,AutoML 主要通過結合複雜的手動設計組件來開發解決方案。
  • 美國領跑AI創新?福布斯全球AI 創企Top 50
    264 INSIDESALES.comInsideSales.com開發了一個強大的平臺,使用由真實AI(大數據,機器學習和預測分析等)的核心成分驅動的技術來解決商業交易上的問題,包括交易人、物品、時間、方式等。
  • 數據驅動歸因的幾個算法
    數據驅動歸因,英文是Data-Driven Attribution,簡稱DDA,或數據驅動歸因模型,英文是Data-Driven Attribution Models,簡稱DDAM,也叫算法歸因。自Google 宣布即將推出歸因模型以來,廣告主對新的數據驅動模型表現出很大興趣。
  • 訓練神經網絡的五大算法
    誤差項衡量神經網絡模型在訓練數據集上的擬合程度,而正則項則是控制模型的複雜程度,防止出現過擬合現象。 損失函數的函數值由模型的參數(權重值和偏置值)所決定。我們可以把兩部分參數合併為一個n維的權重向量,記為w。下圖是損失函數f(w)的圖示。
  • AI將非洲人標為大猩猩 創建無偏見機器人有多難?
    這其中存在一個問題,因為同樣被用於訓練機器學習算法的數據,也可能會讓它變得邪惡或存在偏見。就像所有孩童那樣,機器學習算法往往會選擇迎合其開發者的品味和偏見。更複雜的是,許多公司都以非常隱秘的方式運行內部算法,並把它們視為商業機密。機器學習初創企業Beauty.ai今年舉行了世界上首場AI驅動的選美大賽。超過6000人遞交了自己的照片,AI通過對稱性、皺紋等因素評估這些人的魅力。
  • 騰訊AI Lab論文:用隨機象限性消極下降算法訓練L1範數約束模型
    騰訊技術工程官方號獨家編譯了論文《用隨機象限性消極下降算法訓練L1範數約束模型》(Training L1-Regularized Models with Orthant-Wise Passive Descent Algorithms),該論文被 AAAI 2018錄用為現場陳述論文(Oral Presentation),由騰訊 AI Lab獨立完成,作者為王倪劍橋。
  • CS231n 2017中文字幕視頻:如何訓練機器進行視覺識別?
    在為期 10 周的課程中,學生將學習如何實現、訓練和調試自己的神經網絡,並建立起對計算機視覺領域前沿研究方向的詳細理解。最後的任務將涉及訓練一個有數百萬參數卷積神經網絡,並將其應用於最大的圖像分類資料庫(ImageNet)上。我們將著重教授如何設置圖像識別問題,學習算法(例如反向傳播),用於訓練和微調(fine-tuning)網絡的工程實踐技巧,引導學生完成實踐作業和最終課程項目。
  • 打破開放與隱私壁壘,7國30家機構創建最大醫學AI協作系統
    由賓夕法尼亞大學醫學院領導、29家國際醫療和研究機構參與的聯合團隊正在創建一個有史以來最大腦瘤數據集訓練的人工智慧模型,基於一種名為聯邦學習(Federated Learning)的技術,可以在分散的伺服器之間訓練算法。
  • 有關字母a組合的發音規則規律總結 圖表展示
    有關字母a的組合,常見的有ai、ay、au、aw、air、al、ar。除了al與al較為複雜,有特殊讀音外,其他的幾個組合都比較單純,就只有一個讀音,所以,還算是簡單的。ai/ay→[ei]例如:aim[em] 、again['gen] 、daily['del] 、afraid[fred] 、 say[se] 、play[ple] 、pray[pre] 、Sunday[snde]au/aw→[:]例如:daughter ['dt] 、author ['θ] 、law [l] 、draw [dr]air
  • 前沿| 利用遺傳算法優化神經網絡:Uber提出深度學習訓練新方式
    許多人認為,SGD 算法有效計算梯度的能力對於這種訓練能力而言至關重要。但是,Uber 近日發布的五篇論文表明,神經進化(neuroevolution)這種利用遺傳算法的神經網絡優化策略,也是訓練深度神經網絡解決強化學習(RL)問題的有效方法。
  • AI是如何檢測色情片的?
    人們必須對AI進行訓練,並對內容進行分類然後進行標記,以便AI能夠識別哪些不能或可能導致創傷後應激障礙(PTSD)。這才是未來應有的樣子:公司提供個性化,現成的解決方案,使其全部業務能夠在越來越多的數據上訓練更好的分類器。
  • 一課掌握SageMaker內置算法DeepAR
    機器之心6 月 2 日,機器之心聯合 AWS 開設的《快速上手Amazon SageMaker,輕鬆玩轉機器學習》線上公開課第 3 課正式開講,AWS解決方案架構師許軍為大家帶來了主題分享《利用SageMaker Operator簡化Kubernetes上的機器學習任務管理
  • 2018 年最富含金量的 6 款開源機器學習項目
    開源地址:https://github.com/fastai/fastaiFast.ai 庫能讓我們通過最優方案來簡化神經網絡的訓練工程Detectron 是由 Facebook 開發用於物體檢測與實例分割的研究型平臺,用深度學習框架 Caffe2 寫成,包含了各類物體檢測算法的實現,如:Mask R-CNN:通過 Faster R-CNN 結構實施物體檢測與實例分割