laser
PulseAugur coverage of laser — every cluster mentioning laser across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
英国军方寻求激光防御无人机群
英国军方正在寻求创新的解决方案来对抗无人机群，提供500万英镑用于开发自主的、车载激光防御系统。这项名为PANOPTES项目的倡议旨在提供一种可持续的方法来中和无人机威胁，而不会耗尽弹药储备。
-
AI代理框架使用Qwen2.5-7B改进逆合成搜索
研究人员开发了一个用于逆合成的代理式框架，逆合成是药物发现和化学合成中使用的过程。该框架利用大型语言模型，特别是Qwen2.5-7B，来选择分子前沿进行扩展。与在LASER和RetroPath RL Golden等基准测试上的蒙特卡洛树搜索相比，经过微调的Qwen2.5-7B策略显示出更高的解决率，表明路线监督的前沿选择可以在不改变潜在生化生成过程的情况下增强预算搜索。
-
新的FIRM方法改进了遥感分割的掩码表示
研究人员开发了FIRM，一种用于遥感推理分割中掩码细粒度令牌内表示的新颖方法。该方法通过预测视觉令牌内的子单元模式，而不是单一的二元标签，来解决当前多模态大语言模型（MLLMs）的局限性。FIRM增强了小型目标、细长结构和相邻实例的表示，从而提高了物体边界的精度。该方法通过有效恢复每个子单元内的细粒度细节，在EarthReason和LaSeRS等多个基准测试中取得了最先进的结果。
-
奥地利钟厂将3D打印与400年传统相结合
拥有425年历史的奥地利企业Grassmayr钟厂正通过将3D打印、激光扫描和计算机模拟等技术融入其传统的制钟工艺来适应现代挑战。这项创新有助于缩短生产时间，尤其是在清洁和抛光环节，并有助于精确计算钟的声学效果。尽管取得了这些进步，该钟厂仍面临教堂建设减少、乌克兰战争加剧的能源成本上升以及原材料价格波动等压力，因此他们越来越专注于修复旧钟。
-
新的SHIFT框架通过隐式推理增强了基于LLM的检索
研究人员推出了一种新的LLM检索器训练框架SHIFT，旨在提高在推理密集型检索任务上的性能。SHIFT通过基于细粒度下一词预测的重构，解决了检索和生成之间的目标不匹配问题。该框架还通过残差投影和面向任务的双向注意力聚合，将LLM转化为高效的检索器。实验表明，SHIFT在各种基准测试中均优于现有检索器。
-
工程师用AI激光系统消灭蚊子
一位工程师开发了一个由AI驱动的激光防御系统，旨在消灭蚊子。该系统包括捕获详细的蚊子数据集，训练深度学习模型来识别它们，然后使用精密激光实时跟踪并摧毁单个昆虫。这个闭环系统能够自主检测、确认、跟踪并射击目标。
-
农民拥抱人工智能以实现自动化挤奶和精准除草
农民日益采用人工智能技术来提高运营效率和可持续性。创新包括用于挤奶等任务的自动化系统，以及用于精准农业（如除草激光）的先进工具。人工智能的整合旨在优化资源管理并提高整体农场生产力。
-
DIY爱好者打造人工智能激光灭蚊器
一位计算机视觉和机器人爱好者开发了一个原型“终极灭蚊器”，该灭蚊器使用定制训练的人工智能模型来探测和用激光瞄准蚊子。该项目耗时四个月开发，包括收集大量蚊子图像数据集并训练深度学习模型，然后将其与激光和精密云台集成。该系统还包括一个广角摄像头来探测人类和易燃材料，通过在必要时禁用激光来确保安全。
-
人工智能和激光机器人取代荷兰农业中的人工劳动
荷兰农业部门越来越多地采用人工智能驱动的机器人进行除草，放弃了传统的锄地和喷洒等方法。这些机器人利用激光和人工智能精确识别和清除杂草，减少了对化学农药的需求。这一转变旨在提高农业实践的效率和可持续性。
-
AI模型应对稀疏传感器数据进行物理场重建
研究人员开发了几种新颖的AI框架，用于从有限的传感器数据中重建复杂的物理场。LASER利用潜在世界模型中的强化学习策略，主动指导传感器放置以优化数据采集。另一种方法Cascaded Sensing采用分层框架，结合自编码器-扩散级联，首先解决结构歧义，然后优化场重建。FLUIDSPLAT引入了一种使用高斯基元进行空间显式场表示的传感器条件模型，提供了理论近似保证。最后，MTL-FNO提出了一种轻量级的多任务傅里叶神经算子，用于高效地联…
-
LASE模型通过使嵌入信息语言无关来改进跨脚本语音克隆
研究人员开发了LASE（语言对抗说话人编码器），以改进多语言语音克隆。标准的编码器在不同脚本之间保持说话人身份时会遇到困难，特别是在将非印度语语音映射到印度语时。LASE采用了一种新颖的训练方法，结合了监督对比损失和梯度反转交叉熵目标，以创建语言信息无关但说话人信息相关的嵌入。该方法显著减小了跨脚本的身份差距，并以显著减少的训练数据增强了跨脚本说话人召回率。