文章核心观点 Mobilicom将参加2025年iAccess Alpha虚拟最佳创意夏季投资会议,其CEO将进行公司展示并与投资者进行一对一会议 [1] 会议相关信息 - Mobilicom将参加2025年6月24日和25日的iAccess Alpha虚拟最佳创意夏季投资会议 [1] - 公司CEO和创始人Oren Elkayam将于6月24日下午3点进行公司展示,6月25日与投资者进行一对一会议 [1] - iAccess Alpha主办的虚拟投资者会议第一天进行网络直播展示,第二天公司管理团队与预合格投资者进行一对一会议 [2] - 会议信息及注册和安排与Mobilicom一对一会议可访问会议网站https://www.iaccessalpha.com [2] - Mobilicom展示的直播可在https://www.webcaster4.com/Webcast/Page/3118/52595观看,之后可在公司网站观看回放 [3] 公司介绍 - Mobilicom是快速增长的国防和商业无人机及机器人市场的网络安全强大解决方案领先提供商 [4] - 公司拥有大量经过实地验证的技术组合,包括网络安全、软件、硬件和专业服务,用于为无人机和机器人提供动力、连接、引导和保护 [4] - 公司端到端解决方案在全球50多个客户中部署,用于关键任务功能,客户包括世界最大无人机制造商 [4] 联系方式 - 投资者使用https://ir.mobilicom.com/ [5] - 公司使用www.mobilicom.com [5] - 如需更多信息联系Liad Gelfer,邮箱liad.gelfer@mobilicom.com [7]

技术升级 - 云南石化完成全厂装置Robust—IPC全流程智能控制技术的优化安装并稳定运行半个月[1] - 项目实施前使用PID控制和APC系统存在控制问题多、工况复杂、需定期维护等局限性[1] - 关键参数长期依赖人工操作导致响应速度慢、安全应急能力不足[1] 技术特点 - IPC项目融合智能建模、多变量智能控制等10余项先进技术[1] - 项目投用后基础控制回路抗干扰能力增强、关键参数波动减少、操作效率提升[1] - 工艺报警次数大幅降低、装置综合能耗持续下降[1] 实施过程 - 催化裂化、蜡油加氢裂化等20套装置去年底启动优化安装[2] - 技术团队耗时3个月采集数据并定制参数优化方案[2] - 实现从单变量控制到多变量协同控制的跨越[2] 项目成果 - 累计优化1913个基础控制回路、制定139个优化控制方案[2] - 开发6套加热炉多变量智能控制方案[2] - 新增18项IPC区域控制模块、144项故障诊断模块、57项智能函数模块[2]

商标申请动态 - 公司已提交"Tesla Robotaxi"商标申请 此前针对"Robotaxi"和"Cybercab"的商标申请遇到障碍 [1][2] - 美国专利商标局要求补充"Robotaxi"商标申请细节 并直接暂停"Cybercab"申请 因该术语已被多家公司使用 [2] - 新提交的三份商标申请针对更具体的"Tesla Robotaxi"短语 涵盖自动驾驶叫车服务 相关移动应用及车辆本身 [2] 测试计划与商标进度 - 公司计划本月在得克萨斯州奥斯汀开始测试 但商标申请可能无法在测试前获批 因通常需数月审查时间 [2][3] - 同时还有"Robobus"、"Robus"和"Cyberbus"等短语的商标申请待审 涉及去年10月展示的厢式概念车 [3] 命名冲突情况 - CEO曾将概念车称为"Robovan" 但该术语商标已被爱沙尼亚机器人配送公司Starship持有 [3] - "Cybercab"商标申请受阻 因多家公司正在争夺"Cyber"相关术语的各种用途 [2]

2025年2月5日苹果发布Robust Autonomy Emerges from Self-Play， 所有作者名看起来都不是中国人。 论文链接： https://arxiv.org/pdf/2502.03349 小米王乃岩对这篇论文的评价是现阶段强化学习如果想攻克自动驾驶，最相关，也是最值得推荐的一 个工作。王乃岩个人觉得这是一个里程碑级别的工作，标志着强化学习在自动驾驶中向前迈了一大 步。 这篇论文如果能被后世公认为里程碑级别的工作，意味着将来量产的更强的自动驾驶方案将通过Self- Play RL( 自我博弈强化学习)的方式获得。 这是第一篇在自动驾驶领域证明了完全基于 Self-Play RL( 自我博弈强化学习)的有效性。其在所有闭 环benchmark（nuPlan、CARLA、Waymax）上都刷到了benchmark（基准测试）性能上限。 如果 Self-Play RL( 自我博弈强化学习)将来不成为自动驾驶主流或热点研究方案，那这篇论文也就称 不上里程碑工作。 一旦 Self-Play RL( 自我博弈强化学习)成为了自动驾驶主流方案，意味着人类驾驶数据重要性将大大 降低，极端情况下是压根 ...