我们很高兴发布了 Android Studio 4.1 稳定版,为大家带来一系列针对常见的编辑、调试和优化工作的功能。4.1 版本的重点诉求之一是帮助您在使用 Android Jetpack 库 (即 Android 的开发库套件) 时遵循最佳实践和提升代码编写效率。基于大家的反馈,我们直接在 IDE 中集成了诸多常用的 Android 库,从而改善了编写代码的体验。
近日,Android Studio 4.1 版本正式发布,本文翻译自 Android 开发者博客。
在往期 #11WeeksOfAndroid 系列文章中我们介绍了 联系人和身份 、隐私和安全 、 Android 11 兼容性 、 开发语言 、 Jetpack ,本期将聚焦 Android 开发者工具 。我们将为大家陆续带来 #11WeeksOfAndroid 内容,深入探讨 Android 的各个关键技术点,您不会错过任何重要内容。
在未知或不断变化的网络条件下的操作一直是自适应比特率流媒体系统自 1990 年代诞生以来一直试图解决的最基本挑战之一。这个挑战今天仍然存在,尽管在某种程度上简化了设置,允许使用基于 HTTP 的自适应流 (HAS) 架构。在这样的架构中,网络适配逻辑驻留在流媒体客户端中,有效地驱动媒体流片段的选择和加载。在过去的十年中,已经提出了许多先进的方法来设计流选择算法。这包括基于吞吐量的方法、基于缓冲区级别的启发式、控制理论方法以及机器学习算法。
Daniel 的经历在社交网络上不仅被好奇的群众点赞,也引发了大学芯片相关课程的学生和助教们的共鸣。如果你不知道 L1/L2 缓存的意义,认为自己没有搞清楚英特尔、ARM 芯片上著名的 Meltdown、Spectre 漏洞的意义,现在是时候开始学习了。
我将在苏黎世联邦理工学院机器人系统实验室解释我们如何依靠 NVIDIA 的 Omniverse 生态系统来开展机器人技术研究。首先,我将描述我们的四足机器人 ANYmal,以及它的扩展臂,称为 ALMA。接下来,我将展示我们如何使用强化学习在几分钟内为这些系统学习复杂的行为,这要归功于 Isaac Gym 的高度并行化环境。然后将机器人导入数字孪生中以学习导航任务并从 A 点步行到 B 点
gps轨迹模拟器应该具备完整的民用信号支持能力,适用于各类民用导航终端的研制、生产、测试和检定。
【新智元导读】之前在DOTA2团队战中战胜人类玩家的OpenAI Five,现在被用于训练机器手,取得了前所未有的灵活度。这只机器手完全在虚拟环境中自我学习和训练,然后成功迁移到现实世界解决实际问题。OpenAI使用6144个CPU和8个GPU来训练,50小时内收集了大约100年的经验。
但Google DeepMind、UC伯克利和MIT的研究人员更进一步,在他们眼里,「大视频模型」也许能够像世界模型一样,真正的做到理解我们身处的这个世界。
“他山之石,可以攻玉”,站在巨人的肩膀才能看得更高,走得更远。在科研的道路上,更需借助东风才能更快前行。为此,我们特别搜集整理了一些实用的代码链接,数据集,软件,编程技巧等,开辟“他山之石”专栏,助你乘风破浪,一路奋勇向前,敬请关注!
gnss卫星信号模拟器在设备的研发、生产和测试过程的各个环节广泛应用,可完成定位精度测试、测速精度测试、通道时延测试,一致性测试和测距精度测试等。
GPS信号模拟器能够模拟卫星信号运动轨迹,模拟GPS卫星导航系统的导航信号。GPS轨迹发生器可以模拟导航系统确定位置点如日期、时间、经度、纬度、海拔信息、速度等。GPS轨迹模拟器可以为基本型和授时型用户提供设备的研制、开发、生产和测试,适用于依赖卫星导航定位功能的相关产品的研制开发测试工作。
根据“十五"国防科技重点实验室一 “机载X XPD火控雷达性能开发与评估实验室"的建设需求。我所在的中国X集团公司X所电子対抗研究部组织了用于该实验室目标产生、信号干扰、欺骗等的“射频半实物仿真目标系统"的设计开发。该系统采用分布式联网试验,主要任务是试验机载雷达的各项技术指标,模拟较逼真的雷达信号环境 和其他电破信号环境,检查机载雷达工作性能、探测和跟踪精度及飞机综合火控系统性能。我担任了该软件系统负责人。 我成功的将软件产品线技术引入我部,复用构件库并対构件库按照产品系列进行改造,加强核心资源的形成,将系统模块化,复用构件的集成测试,使系统高效、高质量的圆满完成,并通过空军广州五所的第三方测评,得到了解放军总参装备部的认可与好评。但现在看来,如何在缺少通用的组装结构标准情况下减少开发风险,可重用性和可协调性等方面值得进一歩探究。
从SwiftUI诞生之日起,预览(Canvas Preview )一直是个让开发者又爱又恨的功能。当预览正常工作时,它可以极大地提高开发效率;而预览又随时可能因为各种莫名其妙的原因崩溃,不仅影响开发进程,同时又让开发者感到沮丧(很难排查出导致预览崩溃的故障)。
GAN的生成——对抗属性,让他一出生就具有强烈的造假能力,GAN最让人熟知的就是臭名昭著的Deepfake。
rust/src/tools/miri/src/concurrency/weak_memory.rs 文件是Miri工具中的一部分,用于实现弱内存模型。
Mozilla在其浏览器的每日构建版本中增加了一个IDE,用于在Firefox OS设备和模拟器上创建、编辑、运行和调试Web应用程序,而且计划将该IDE扩展到移动设备上的所有主流浏览器。
本文介绍了如何基于强化学习对话系统框架,实现一个可学习的对话管理模块,该模块可以自动生成对话过程中的行为序列。具体来说,利用了Deep Q-Network(DQN)作为对话管理模块的核心,通过经验回放和双DQN策略,该模块可以学习到对话过程中的最优行为序列,并自动生成回答。实验结果表明,该模块可以大大提高对话系统的自动回答率和任务完成率,同时降低了人工标注的工作量。
Android Studio 4.1 主要是包含了各种新功能和改进,其中 Android Gradle 插件也升级为 4.1.0,要了解更多信息请查看完整的 Android Gradle 插件发行说明:https://developer.android.com/studio/releases/gradle-plugin#4-1-0
本文是对于 Google 相关安全策略的中文翻译,方便大家了解 Google 的相关安全策略。
如果您正在开发依赖GPS等卫星信号的任何设备,您一定需要确保它的性能可以满足其既定任务的要求。但如何才能确定您已经做好准备,能够在设备投放市场之前满足真实世界的需求呢?您需要使用GPS信号发生器执行适当的测试。
点击这里即刻下载 Android Studio 3.2。 Android Studio 3.2 是应用开发者切入最新的 Android 9 Pie 发布版和构建新的 Android App Bundle 的最佳途径。自从 2018 年 Google I/O 大会 Android Studio 宣布更新后,我们精炼和完善了 20 多项新功能,并集中力量提升 Android Studio 3.2 稳定版的质量。
在本节中,我们将主要使用我们的3D模型。让它看起来很漂亮!为了使您的3D模型看起来非常好,您基本上需要学习如何为其设置动画并使用场景照明。我们还将学习如何在屏幕上应用反射并放置阴影。
翻译 | AI科技大本营 参与 | 赵博 SuiSui 为什么要制作机器人呢?想参加各种机器人大赛?看起来很炫酷?不过从学习角度说,机器人综合了信息技术、电子工程、机械学、程序设计、控制系统以及认知等多方面的内容,所以做一款机器人可以教会你很多的知识。 接下来要说做一款机器人你需要什么样的学习资料?本文包含跟机器人技术相关的一些链接、软件库、论文和其他对机器人技术有用的、有趣链接。 优质资源列表 Kiloreaux/awesome-robotics – 该项目收集了大量机器人入门的资料,包含课程、电子书
本文将简单介绍这些算法的演进历程。未来,DeepMind 能否创造出这一系列的终极算法 OmegaZero 呢?
Linus有一句名言广为人知:Read the fucking source code. 但其实,要深入理解某个软件、框架或者系统的工作原理,仅仅「看」代码是远远不够的。就拿Android Framework来说,整个代码量非常大不说,那些个动辄几万行的类如何去理解?所以我今天要说的就是:
当新技术出现时,我们必须搞明白该怎样测试这些新东西。我对训练好的模型和机器学习功能的验证和认证过程做了很多研究,并将研究成果应用到了测试环节,从而在机器学习应用程序测试方面获得了很多见解和经验,并将在本文中分享它们。
增强学习是最近几年机器学习领域的最新进展。增强学习的目的是通过和环境交互学习到如何在相应的观测中采取最优行为。行为的好坏可以通过环境给的奖励确定。不同的环境有不同的观测和奖励。例如,驾驶中环境的观测是摄像头和激光雷达采集到的周围环境的图像和点云,以及其他传感器的输出(如行驶速度、GPS定位和行驶方向)。驾驶中的环境的奖励根据任务的不同,可以通过到达终点的速度、舒适度和安全性等指标确定。
工科的同学想必离不开各种各样的模拟器,模拟器使各种工程学科能够用最少的人力快速制作原型。
从世界瞩目的围棋游戏 AlphaGo,近年来,强化学习在游戏领域里不断取得十分引人注目的成绩。自此之后,棋牌游戏、射击游戏、电子竞技游戏,如 Atari、超级马里奥、星际争霸到 DOTA 都不断取得了突破和进展,成为热门的研究领域。
标题:Simulating Unknown Target Models for Query-Efficient Black-box Attacks
进入了智能语音时代,我们都已经熟悉了如何在DuerOS 上开发一个智能语音技能应用,典型的流程如下:
嗜睡/困倦(Drowsiness)是道路交通事故的主要原因之一,因为它会对驾驶员安全驾驶汽车的能力产生负面影响。EEG(Electroencephalograph,EEG)电极记录的神经活动是一个广泛应用的与驾驶员睡意相关的生理特征信号。本文提出了一种利用EEG信号评估驾驶员瞬时水平睡意的动态建模方法,其中眼睑闭合度(PERcentage of eyelid CLOSure,PERCLOS)被用作司机睡意的基本评判指标。我们认为所提出的方法是一种稳固和可靠的评估实时睡意的解决方案。并且,为在驾驶员睡意检测系统中,使用基于EEG的测量的方法打开了大门。
在 ITS 的其他应用中引入了几种有用的 deep RL 机制。智能交通系统中 AI 的一个主要应用领域是自动驾驶,其中深度强化学习在该领域起到了非常关键的作用。Deep RL 方法能够应用到自主控制问题的多个方面,包括匝道计量、车道变换、速度加减速和交叉口通行等(见表四)。
作者 | MOHD SANAD ZAKI RIZVI 编译 | VK 来源 | Analytics Vidhya 概述 Apple的Core ML 3是一个为开发人员和程序员设计的工具,帮助程序员进入
作者 / Paris Hsu, Product & Design, Android
手游客户端的发展往往会吸引一批想从游戏中获利以及爱好逆向分析研究员的关注,因此手游的安全攻守之道就产生了。那么这些威胁对象的存在,给手游客户端的安全带来很大程度上的影响,所带来影响的结果就是:游戏中出现各种外挂脚本,游戏客户端破解版,打金工作室泛滥等等各种作弊行为的出现,最终导致手游客户端的平衡性被破坏,玩家流失,最终导致手游收入的降低。
顶象防御云业务安全情报中心监测到,多个网约车出行平台存在作弊软件抢单、空跑刷单等欺诈行为,不仅损害乘客利益,更严重影响平台正常运营。
超现实的虚拟世界被誉为自动驾驶汽车 ( autonomous vehicles ,AV) 的最佳驾驶学校,因为它们已被证明是安全地尝试危险驾驶场景的卓有成效的测试平台。特斯拉、Waymo 和其他自动驾驶公司都严重依赖数据来启用昂贵且专有的逼真模拟器,因为测试和收集细微的几乎崩溃的数据通常不是最容易或最理想的重建方式。
文章:Ground-VIO: Monocular Visual-Inertial Odometry with Online Calibration of Camera-Ground Geometric Parameters
V-REP是一个高度可定制的仿真器:仿真的每个方面都可以定制。此外,可以通过一个复杂的应用程序编程接口(API)对仿真器本身进行定制和定制,使其行为完全符合预期。该软件支持六种不同的编程或编码方法,每一种都有其独特的优点(当然也有明显的缺点),但是所有六种方法都是相互兼容的(即可以同时使用,甚至是同步使用)。模型、场景或模拟器本身的控制实体可以位于其中: an embedded script嵌入式脚本(即通过脚本定制模拟(即场景或模型)):编写Lua脚本保证与其他所有默认V-REP安装的兼容性(只要不使用定制的Lua命令,或与分布式插件一起使用)。这种方法允许定制特定的仿真、仿真场景,并在一定程度上定制仿真器本身。这是最简单和最常用的编程方法。 an add-on or the sandbox script一个插件或沙箱脚本:这个方法包括编写Lua脚本,允许快速定制模拟器本身。附加组件(或沙箱脚本)可以自动启动并在后台运行,也可以作为函数调用(例如,编写导入/导出时很方便)。附加组件不应该特定于某个模拟或模型,它们应该提供更通用的、与模拟程序绑定的功能。 a plugin插件(即定制模拟器/通过插件定制模拟器):这种方法基本上包括为V-REP编写插件。通常,插件仅用于提供带有定制Lua命令的模拟,因此与第一种方法结合使用。其他时候,插件用来为V-REP提供一种特殊的功能,这种功能需要快速计算能力(脚本通常比编译语言慢)、硬件设备的特定接口(例如,一个真正的机器人)或与外部世界的特殊通信接口。 a remote API 远程API客户端(即通过远程API客户端应用程序定制模拟器或定制模拟器):这种方法允许外部应用程序(例如位于机器人、另一台机器等)使用远程API命令以一种非常简单的方式连接到V-REP。 a ros node ROS节点(即自定义模拟器和/或通过ROS节点进行模拟):此方法允许外部应用程序(例如位于机器人、另一台机器等上的应用程序)通过ROS(机器人操作系统)连接到V-REP。
但是使用的时候发现它不支持python3,同时代码中 bytes 和 str 对象傻傻的分不清楚,所以不得不进行了一下修改,修改后的版本在这里(可能有些地方并没有修改完善,以后使用过程中发现问题再做修改吧)。下面就对官方的介绍文档进行了一个翻译。
我们已经推出了 Jetpack Compose Beta 版,这是我们的全新 UI 工具包,旨在帮助开发者更快速、更轻松地在所有 Android 平台构建原生应用。Compose 提供了新一代声明式的 Kotlin API,可帮助您以更少的代码构建精美、响应迅速的应用。构建该工具包的目的在于与现有 Android 应用和 Jetpack 开发库集成,您可以将 Android 视图与 Compose 相结合,按照您自己的节奏应用 Compose。
随着车辆及测试场景的增多,我们得到的一个实际经验是:“No Simulation, No Scalability”(没有模拟仿真,就没有可扩展性)。
领取专属 10元无门槛券
手把手带您无忧上云