[业 界新 闻] 研究人员训练无人机通过 Wi-Fi 穿墙透视

加州大学圣巴巴拉分校的研究人员 Yasamin Mostofi 和 Chitra R. Karanam 开发出一个新系统，该系统使用两架无人机、一个巨大的 Wi-Fi 天线和一些插值算法，能穿过固体墙面透视。这是一个双层系统，其中一架无人机用 Wi-Fi 冲击建筑物，另一架接收信号。然后，两架无人机环绕固体建筑物飞行并协同工作，直到映射出不同点的波幅强度差异。使用这些信息，研究人员已经能够创建一个封闭式建筑的 3D 模型。

Mostofi 说：“我们提出的方法能仅仅通过 Wi-Fi 信号让无人机能够描绘出墙后细节的 3D 图像。这种方法只使用了 Wi-Fi RSSI 测量，不需要进行任何事前测量，也不需要物体移动成像。”该系统使用的都是已有的常规设备，包括一个简单的 Wi-Fi 路由器和 Google Tango 平板电脑。它还使用 Raspberry Pi 和 Wi-Fi 卡作为接收器。无人机能实现彼此交互，自主行动。当人们需要在不破坏门的情况下了解建筑物内部结构时，这个项目在室内测绘和紧急情况下确实具有很大的潜力。研究人员也很期待它能在考古领域有一些有趣的应用。

[业界新闻] Google 通过“一个能学习所有的模型”改进 AI

Google 发布了一篇学术论文称，atv，可为未来的机器学习提供蓝图。论文中“一个能学习所有的模型” 为可处理多任务的单一机器学习模型提供了模板。谷歌研究员将其称作 MultiModel，并训练该模型完成一系列任务，包括翻译、语言分析、语音识别、图像识别和对象探测等。尽管结果相对于当前方法并没有质的飞跃，但这表明，用多种任务去训练机器学习系统将提升其整体性能。谷歌的论文为未来机器学习系统的开发提供了模板。这种系统可以得到更广泛的应用，或许也会更准确。这将与当前的狭义解决方案不同。

更重要的是，这些技术(及其衍生技术)有助于减少机器学习算法所需的训练数据量。该团队的研究结果表明，atv，在用可以胜任的所有任务来进行训练时，准确性会随着训练数据的减少而提高。这点很重要，因为某些领域很难积累起足够多的训练数据。然而，谷歌并没有宣称已找到一种可以学会所有任务的“主算法”。正如名称所暗示的，MultiModel 网络包含为解决不同挑战而订制的系统，以及协助直接向这些专家算法提供输入的系统。谷歌采取的方法将有助于未来开发类似的系统，以解决不同领域的问题。需要指出，这方面仍有许多测试需要去做。谷歌的研究结果尚未得到证实，目前也很难弄清，这项研究能否拓展至其他领域。

[业界新闻] Varjo 的 VR 头显承诺可达人眼分辨率

在 VR 盛行的当前，这一代的头显尚无法达到人眼的视觉保真度。一家名叫 Varjo 的芬兰创业公司昨日推出了一项新技术来解决这个问题，该技术利用了人们视物的方式，能呈现比当前市场上头显更好的图像效果。该公司的创始人兼 CEO Urho Konttori 表示，Varjo 正在为创意专业人士制造头显，以提供优质的 VR 体验。这款头显被称为20 | 20，几乎能达到媲美人眼的完美视觉效果。

虽然目前的虚拟现实头显对于游戏来说已经足够，但 Konttori 表示，它们没有提供足够的保真度来做高精度图形处理。Varjo 旨在通过使用高分辨率 OLED 显示屏以及更低分辨率的面板来解决这个问题。该公司将显示器围绕用户所在的视野移动，以使用户认为他们看到了更高分辨率的图像。人们只能在其视觉五度的范围内获得最高清晰度，该范围被称为中央凹（fovea）。因为眼睛只能以一定速度移动，所以 Varjo 只需匹配这些动作，以提供高分辨率的图像。开发者宣称它的清晰度是目前 Facebook，三星，谷歌和其他巨型技术公司 VR 头显清晰度的70倍。