西门子数字工业软件公司(Siemens Digital Industries Software)宣布推出最新版本的产品设计、工程和制造软件Solid Edge,新版本简化了用户体验,增强了与西门子Xcelerator产品系列互操作性以及在许多行业工作流程中的功能。
用西门子Solid Edge开发的Yanu,这是一个完全自主的人工智能调酒机器人。它提供饮料,完成收款,识别并与客户沟通。
西门子Mainstream Engineering Software高级副总裁John Miller表示:“除了我们为Solid Edge的每个版本带来创新技术和能力(涵盖从3D设计到高级CAM和技术出版物的一切)之外,我们还必须改进我们将这些功能提供给我们的社区的方式。”“现在我们正在引入新的授权选项,以便更好地满足中小型制造商们不断变化的业务需求,提供更大的灵活性,更多的价值,并且通过Xcelerator Share实现更大的协作和更快的速度。”
Solid Edge 3D Publishing加快了创建吸引人的技术文档的过程。
Solid Edge的新外观风格现代,包括更直观的工作方式、更个性化的选项和改进的建模工作流程。Solid Edge中几何体定义工具的更新包括应用于传统有序历史零件的同步技术,使用聚合建模(使用生成式设计或3D扫描)创建的零件可以在仿真中使用,无需额外进行转换。
Solid Edge 2023不断提供增强的工作流程,提高性能和生产率。
Solid Edge 2023还解锁了设计数据的威力,同时对客户的工作进行未来验证——来自Solid Edge的数据可以在西门子Xcelerator产品组合中的其他解决方案之间传输,包括NX机电概念设计师(Mechatronics Concept Designer ,MCD)和过程模拟(Process Simulate)。Solid Edge 2023还利用西门子在基于模型定义(MBD)方面的领先地位,推出了一款新的Solid Edge Advanced PMI插件,为可以利用3D标注产品数据模型的下游应用提供高质量的一致尺寸标注。
引入Solid Edge Inspector。通过消除检查中的错误并简化质量和检查计划流程,节省生产时间和资金。
新的Solid Edge Inspector插件提供了可以自动识别、标记和提取关键设计和制造特征的工具,可进行检验和计量,自动生成高质量的检验数据和报告,便利下游制造过程中的沟通。
利用Solid Edge完全集成的CAD/CAM解决方案中强大自动化工具,改变你的制造并最大化你的设计数据。
新的先进制造功能包括Solid Edge CAM Pro中新的5轴粗加工(Roughing for 5-Axis Machining)和新的4轴旋转加工(4-axis Rotary Machining )以及新的线切割加工(EDM)功能。对于那些在加工前沿工作的人来说,这套新的智能机器套件(Smart Machine Kits)库让他们可以轻松使用标准化、专业化机器模拟套件,让机械师能够只需要花比平时少得多的时间,就启动并运行完整的机器模拟。
Solid Edge 2023通过提供强大的工具来帮助数字验证设计,并通过预先加载模拟过程,在更短的时间内构建更好的产品,从而不断加快设计过程。
和Solid Edge 2023一起推出的Solid Edge SaaS将基于价值的授权与云连接以及通过Xcelerator Share随时随地访问结合在一起。Solid Edge SaaS订阅提供的新的灵活授权可选项允许在需要时添加功能,提供生成式设计、点云可视化、电气布线、PCB协作、高级模拟等附加组件的访问权限。所有这些都能够轻松地与灵活的令牌系统混合、匹配。
同时,产品工程数据可以安全地存储在云中,并且可以让团队和更广泛的价值链随时随地更方便地在任何使用Xcelerator Share的设备上共享。可以通过增强现实(AR)功能正在真实世界中查看相同的数据。
好文章,需要你的鼓励
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。