4月29日

人大系多模态模型迈向AGI：首次实现自主更新，写真视频生成力压Sora

人大系初创公司智子引擎隆重发布全新的多模态大模型 Awaker 1.0，向 AGI 迈出至关重要的一步。相对于智子引擎前代的 ChatImg 序列模型，Awaker 1.0 采用全新的 MOE 架构并具备自主更新能力，是业界首个实现 “真正” 自主更新的多模态大模型。在视觉生成方面，Awaker 1.0 采用完全自研的视频生成底座 VDT，在写真视频生成上取得好于 Sora 的效果，打破大模型 “最后一公里” 落地难的困境。Awaker 1.0 是一个将视觉理解与视觉生成进行超级融合的多模态大模型。在理解侧，Awaker 1.0 与数字世界和现实世界进行交互，在执行任务的过程中将场景行为数据反哺给模型，以实现持续更新与训练；在生成侧，Awaker 1.0 可以生成高质量的多模态内容，对现实世界进行模拟，为理解侧模型提供更多的训练数据。来源：微信公众号【机器之心】

苹果首个AI平板曝光：新iPad Pro直接上M4芯片

据彭博社Mark Gurman最新爆料：苹果将在5月份发布新版iPad Pro，直接搭载M4芯片，跳过M3。从目前流传的消息来看，M4芯片依旧采用台积电3nm工艺，主要提升的是神经网络引擎的性能，可以让AI功能用起来更加丝滑。根据古尔曼更早的爆料，M4系列芯片或许也可能像M3一样，配有M4、M4 Pro和M4 Max三个版本。具体到iPad Pro，增强的神经网络引擎性能可以让解锁iPad时的人脸识别等功能提到提升。除了芯片之外，古尔曼这次还爆料称，最新的iPad Pro另一个重大变化在于屏幕——将首次采用OLED。虽然古尔曼在此之前一直表示，这次的iPad Pro在外观上会是2018年以来最大的变革，但从2月份流出的一张CAD图来看，新iPad Pro只是像iPhone 15 Pro一样边缘变得圆润、机身变得更薄。来源：微信公众号【量子位】

文本一键转3D数字人骨骼动画，阿尔伯塔大学提出MoMask框架

想象一下，你仅需要输入一段简单的文本描述，就可以生成对应的 3D 数字人动画的骨骼动作。而以往，这通常需要昂贵的动作捕捉设备或是专业的动画师逐帧绘制。这些骨骼动作可以进一步的用于游戏开发，影视制作，或者虚拟现实应用。来自阿尔伯塔大学的研究团队提出的新一代 Text2Motion 框架，MoMask，正在让这一切变得可能。MoMask 框架是基于多层离散化动作表示的，利用生成式掩码技术，能够生成更高质量的 3D 人体动作。如视频 1 中展示，MoMask 可以根据文本描述，精细控制生成的动作内容。在 HumanML3D 数据集上，MoMask 的生成质量可达到 FID 为 0.045，超过了现有的最优工作如 T2M-GPT（0.141）和 ReMoDiffuse（0.103）。这项研究成果已被 CVPR 2024 收录，并且其代码和模型已在 GitHub 上开源，拥有 500 + 星标。来源：微信公众号【机器之心】

首届AI方程式大赛，8圈开了一个小时

在阿布扎比的 F1 赛道上，8 辆赛车使用相同的轮胎，相同的发动机，完全一样的车身，唯一不同之处就是自动驾驶代码。全球第一场自动驾驶大奖赛开战了。上周日，阿布扎比自动驾驶赛车联赛 A2RL 的第一场比赛在 Yas Marina 阿布扎比一级方程式赛道上举行；这场比赛汇集了来自世界各地的技术娴熟的科学家、工程师和开发者团队，并将尖端技术融入赛车中，所有这些都是为了通过极限运动重塑移动性的未来。智能驾驶技术在量产汽车上一直处于正在发展，以及「即将覆盖城区」的阶段。因为 AI 技术的快速进步，无人驾驶应用场景拓展是未来重要的趋势。但让实车现在就跑 F1 赛道互相竞争能行吗？实际上在 A2RL 的第一场比赛中，超过一万名观众和 60 万在线观众见证了很多紧张刺激的画面。AI 开赛车的挣扎从资格赛就开始了，装备有摄像头和软件的无人驾驶 Dallara 超级方程式赛车似乎对跑赛道并不擅长，与人类车手的走线和刹车位置相比，身手显得比较毛躁。来源：微信公众号【机器之心】