百度成立于 2000 年,已成为中国领先的互联网搜索公司。总部位于北京的百度于 2005 年在纳斯达克交易所上市。2020 年收入超过 164 亿美元。
中国继续引领机器人出租车的发展。这篇文章将探讨自动驾驶出租车在中国的现状。未来的专栏将关注美国和其他地区的自动驾驶出租车趋势。
一些微控制器设计用于同时控制空调、洗衣机和洗碗机等设备中的多个永磁电机。此外,通用逆变器、不间断电源 (UPS) 以及供暖系统、通风系统和温度调节应用等工业应用可以实现各种 MCU 解决方案。
首先,我不是职业模拟设计工程师。我作为模拟/RF 设计工程师工作了多年,包括在模拟/混合信号 IC 设计和布局方面的工作。几年来,我还深入研究了控制系统和机器学习 (ML),从那时起,我对数据科学的了解一直保持在一定水平。这些天来,我做了很多咨询、RF 合同设计和大量工程写作。
EDA的全称是电子设计自动化(Electronic Design Automation),但其现在只能算是一种半自动化的工具,大量的工作还需要人工来操作。只有当AI技术开始融入之后,EDA工具才开始真正走向了自动化之路。
电池存在测试和测量的困境和难题。一方面,端电压、电流和温度等基本电池外部参数相当容易测量。下一层评估,例如评估充电状态,需要更多的时间和精力,但事后肯定是可行的。
特斯拉在 8 月中旬的 AI 日推出了用于机器学习和神经网络训练的汽车芯片、系统和软件。他们将共同推进自动驾驶汽车模型的培训。 埃隆马斯克和他的芯片和系统设计师团队在三个多小时的演示中提供了大量技术细节。以下是重点。
人工智能研发的持续重新校准强调了机器学习的一个基本原则:我们必须先学会爬行,然后才能走路。 到目前为止,人工智能的炒作主要是在谈论而不是在走路。回到似乎是工程第一原理的东西,美国的研究工作正试图超越目前仅擅长特定任务的“脆弱”人工智能模型。目标是开发更通用的模型,可以像人类在新情况下一样适应。
随着 AI 炒作的消退和面临新的工程挑战,内存需求成为焦点:并非每项机器学习和推理任务都需要先进的内存技术。相反,经过验证的传统存储器可以在边缘处理人工智能,而分布式人工智能可能正是 5G 真正需要的东西。
分布式 AI 的分层方法支持增量训练或“联合学习”,从而实现持续改进。“不断地重新训练和更新神经网络。你必须有一些非易失性内存或一些内存,你可以将这些更新推送到所有这些设备中——无论大小。” 例如,联想的 ThinkEdge 包括一个支持人工智能的边缘设备。它使用高性能 DDR4 DRAM 和容量 SSD 来支持人工智能和机器学习模型,例如用于跟踪仓库和物流操作或自动化制造过程的计算机视觉。
电池电动汽车 (BEV) 在过去几年中获得了巨大的发展势头,超过了汽车行业此前对未来影响的预期。几乎每家汽车制造商现在都计划在未来十年左右将 BEV 打造为他们的主导产品系列。三年前,大多数原始设备制造商都计划推出 BEV,但很少有人预计或计划最早在 2030 年代后期之前占据 BEV 的主导地位。
电池价格的快速下降是 BEV 兴趣上升的一个主要因素,最终使 BEV 与内燃机价格持平。当电池成本达到每千瓦时 100 美元时,普遍认为 BEV 将等于许多汽车领域内燃发动机的购买价格。
一位分析师称,播下能量收集的种子需要一段时间。虽然许多行业的焦点可能集中在为物联网 (IoT) 提供动力上,但能源收集的未来可能更大。
无传感器电机控制主要应用于大部分工作时间处于较高电气频率(机械速度)的应用。这主要是因为大多数无传感器技术需要由转子以最小频率旋转产生的反电动势 (Bemf) 信号。能够在零速和极低速下连续估计转子磁通角并在低速和高速估计器之间稳定移动,可以提高负载下无传感器启动的有效性。
一个多世纪以来,电动机一直是我们生活中不可或缺的一部分。没有它们,就不会有工业革命,您的生活方式将与您所享受和期望的完全不同。电机通常不为人知,默默无闻,默默地做着许多我们认为理所当然的日常琐事,但它们是系统设计者工具包中的重要元素。