作为在全球核心扫地机器人市场市占率综合排名第一[1]的领先服务机器人品牌,科沃斯机器人于5月4日官宣将以全球机器人合作品牌的身份首次亮相在美国纽约举办的第147届威斯敏斯特犬展(下文简称“WKC犬展”),并特别赞助“最佳家庭比赛”。届时,来自世界各地的3000多只参赛犬和数千养宠家庭将在科沃斯机器人产品的陪伴下参与竞逐。作为自1877年首届举办至今的权威展会,WKC犬展具有极高的参赛标准、完善的赛程设置和权威的评判体系,不仅专注对宠物犬的保护,更致力于为养宠家庭谋福祉,这与科沃斯的品牌理念高度契合。
近年来,全球范围内养宠家庭数量不断增加。据估计显示,全球宠物拥有率约为33%,宠物犬是全球拥有最多的品种。《2022年中国宠物消费报告数据》显示,中国城镇宠物数量保持增长态势,2022年城镇犬猫数量达11655万只,较2021年增长3.7%。同时,养宠精细化水平不断提升,宠物相关的家居卫生清洁愈发得到重视,高端化、智能化产品也正在成为越来越多养宠家庭的选择。
作为全球领先的服务机器人品牌,科沃斯机器人此次与这个世界最负盛名犬展的首次碰撞,是基于对养宠家庭深度关注的又一次全新尝试,传递了品牌愿与WKC犬展共同打造更优质养宠环境的美好愿景。科沃斯一直将养宠家庭视为产品受众的重要组成部分,致力于通过行业领先的产品和技术为其打造更优质的环境清洁体验。此前,品牌多款优秀的产品聚焦居家智能清洁场景,通过解决养宠家庭的清洁痛点,带来了效果卓越、使用便捷的清洁体验。
宠物们随处飘落的毛发、家居环境中无处不在的清洁障碍,日复一日高频率的清洁投入,都是养宠家庭日常清洁时面临的难点,基于对此的深入洞察,科沃斯智能清洁机器人地宝,通过搭载行业领先技术,带来了能充分解放双手的用户体验,助力养宠家庭实现清洁自由。
日常清洁中,宠物毛发是养宠家庭所面对的最大清洁痛点,其四处飘散,并自然携带油脂,容易打结成团。为了实现更好的清洁效果,地宝采用了行业领先的扫拖二合一设计,最新发布的地宝T20 PRO吸力可达6000Pa,配合独家设计的防缠绕胶刷,能最大限度地避免缠绕卡顿,吸附宠物毛发、尘螨和灰尘;除了宠物毛发的困扰之外,宠物脱落的皮屑和日常携带的灰尘,也会随着其复杂的移动轨迹散落在家中各处,对智能清洁产品的导航避障能力提出了很高的要求,地宝通过搭载行业领先的AIVI智能识别技术和dToF导航技术,能准确分辨宠物、障碍物和不同类型的垃圾,进行有针对性的清洁。
在确保清洁效果的同时,科沃斯也注重打造便捷高效的用户体验。地宝配备全能基站,其自动清洗拖布功能可以在抗菌、防异味的基础上进一步解放宠物主人双手,同时,大容量集尘座可以更高效地收集宠物毛发灰尘;考虑到养宠家庭的高频率清洁需求,地宝支持宠物清洁模式定制,基于科沃斯独创的YIKO智能语音助手和APP智控模式,宠物主人可在APP地图中添加宠物饮食器、窝棚等宠物常活动区为清洁重点区域,通过“OK YIKO”快速唤醒地宝进行针对性清洁,外出时,也可通过APP操作地宝寻找宠物,实现远程陪伴与互动。
成立25年来,科沃斯机器人不断延伸产品和品类,致力于以行业领先的技术满足消费者的多元需求。本次赞助WKC犬展是品牌在宠物家庭细分赛道的进一步深入,彰显了其服务全球更多有宠家庭,持续深化宠物清洁场景的决心。在未来,作为行业领导者,科沃斯将持续推动服务机器人品类的发展,深入更多场景,真正做到让机器人,服务每个人。
[1] 根据GfK、中怡康和NPD等综合数据统计,2023年1-2月,科沃斯机器人在全球核心扫地机器人市场综合排名第一。核心市场包括:中国、美国、德国、法国、意大利、丹麦、瑞典、挪威、芬兰、日本、韩国。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。