在人工智能（AI）技术飞速发展的今天，其在各个领域的应用不断拓展，从自动驾驶到智能助手，AI的身影无处不在。然而，在UI界面设计这一领域，尽管AI技术被寄予厚望，但其实际应用效果却远未达到预期。本文将探讨AI在UI界面设计中的影响、挑战，并结合具体工具案例进行分析。
在人工智能（AI）技术飞速发展的今天，其在各个领域的应用不断拓展，从自动驾驶到智能助手，AI的身影无处不在。然而，在UI界面设计这一领域，尽管AI技术被寄予厚望，但其实际应用效果却远未达到预期。本文将探讨AI在UI界面设计中的影响、挑战，并结合具体工具案例进行分析。
随着汽车进入“AI驱动”的时代，不止各大品牌新车拼智能，出行平台也在布局面向智驾产业的“自动驾驶工具链”。
近日，中科大王杰教授团队 (MIRA Lab) 针对离线强化学习数据集存在多类数据损坏这一复杂的实际问题，提出了一种鲁棒的变分贝叶斯推断方法，有效地提升了智能决策模型的鲁棒性，为机器人控制、自动驾驶等领域的鲁棒学习奠定了重要基础。论文发表在 CCF-A 类人工智能顶级会议 Neural Information Processing Systems（NeurIPS 2024）。
今年的机器人顶会 CoRL 杰出论文，竟然帮自动驾驶车稳稳地完成了漂移。
近期，智驾行业出现了一个融合了视觉、语言和动作的多模态大模型范式——VLA（Vision-Language-Action Model，即视觉-语言-动作模型），拥有更高的场景推理能力与泛化能力。不少智驾人士都将VLA视为当下“端到端”方案的2.0版本。
西安电子科大、上海AI Lab等提出多模态融合检测算法E2E-MFD，将图像融合和目标检测整合到一个单阶段、端到端框架中，简化训练的同时，提升目标解析性能。 相关论文已入选顶会NeurlPS 2024 Oral，代码、模型均已开源。
机器人控制和自动驾驶的离线数据损坏问题有解了！ 中科大王杰教授团队 (MIRA Lab) 提出了一种变分贝叶斯推断方法，有效地提升了智能决策模型的鲁棒性。
多模态AI是一种将不同形式的数据(如文本、图像、音频等)融合在一起的技术，旨在让模型从多个维度感知和理解信息。这种融合使得AI系统能够从每种模态中获取独特的但互补的信息，从而构建出更全面的世界观。例如，在一个自动驾驶场景中，图像数据可以帮助系统识别道路上的行人，而雷达数据则能够感知车距，两者结合能够显著提升决策准确性。
