对阿皮亚古道考古公园进行激光3D扫描
作为由意大利文化部管理的独立机构,阿皮亚古道考古公园(PAAA)正与米兰理工大学合作,在园区内启动一个系统的数字化项目,希望建立一份以“4D数字孪生”形式实现的现代化地理图集。这套模型专门面向专家、策展人及用户,并将随时间推移继续得到完善。
这项工作由位于米兰理工大学的跨学科调查及代表实验室GIcarus-ABCLab (HBIM-GIS-SDI-XR) 在园方协调下进行。
根据文化部PAAA主任Simone Quilici的介绍,PAAA(建立于2016年)是“一片具有非凡意义的土地,代表着欧洲最大的受保护城市辖区,拥有4500公顷景观,也是一系列考古区域的所在地。沿途有超过10英里长的「诸路之后」,堪称真正的露天博物馆。目前,联合国教科文组织已将这里列入世界遗产候选清单。”
负责塞西莉亚麦特拉之墓与克劳蒂亚水道桥综合体的PAAA考古学家Stefano Roascio补充道,“在不到一年时间里,我们就对首个罗马建筑群及基础设施实现了数字化,其中包括克劳狄乌斯-阿尼奥诺瓦斯帝国渡槽、阿皮亚古道7.3英里路段、塞西莉亚麦特拉之墓、昆蒂利尼庄园博物馆,以及其他一些博物馆中的雕塑虚拟副本。”
由此诞生的首个“4D数字地理图集”共包含超20万张图像,数据与模型总量高达20 TB,囊括为园区内所有调查及地理参考场景创建3D模型所需要的一切地理空间信息。
米兰理工大学Glcarus ABCLab的Raffaella Brumana表示,“这才是真正的数字孪生,它跨越时间的维度,结合信息模型、地震脆弱性规划、接入WiFi的物联网传感器共同建立起项目保护与监测体系。这套模型具备可实施性、可更新性与可搜索性,允许我们将当下与过往关联起来,并随模型规模的持续扩大不断积累知识。在它的帮助下,交互式、沉浸式、远程式考古内容传播将第一次被重复千次万次。”
基于地面激光扫描仪(TLS)与便携式扫描仪(MMS-移动测绘系统)、地面与航空摄影测量、无人机、球形相机与多光谱传感器实现的高精度测量,为我们生成了一套包含大量参数的对象模型,其正射影像平均比例为1:20(平均精度3-5毫米,地面像素分辨率为2毫米)。
米兰理工大学最终构建的模型更是超越了测量指标,成功将调查空间连续拆分为一个个对象。
Glcarus ABCLab研究员Fabrizio Banfi总结道,“它构建起一套HBIM(遗产建筑信息模型),该模型通过针对单一部分的数字「对象」建模实现了复杂适应能力。各部分将由此转化为最先进的XR(扩展现实)交互式环境,将形态转化为知识。”
最终得到的结果,就是一套4D(空间加时间)形式的Scan-to-HBIM模型,且能够与历史信息、资料及监测传感器持续关联,用于监测不稳定性及时间性退休。再结合结构分析(BIM-to-FEA)与GIS(地理信息系统),HBIM平台能够比较过去几个世纪以来最成功的建筑技术,对园区内地块、水渠、方尖碑乃至每块砖石进行建模,由此以面积和体积等指标支持成本分析与工作量计算。
HBIM的一大优势,在于它能够随时间推移不断映射实际场景,防止信息偏移。以往,当研究与修复工作达到一定阶段,实际信息就会与原有记录信息彼此偏移,损害未来的干预与沟通。
归功于互操作性、沉浸式设计与计算机语言的最新发展成果,该项目希望建立一套交互式XR平台,采用VR/AR/MR全方位远程传播推动考古场景数字化。除了用于开展测试之外,该平台还可以根据调查结果对本地/外地收藏品、数字化雕塑和缺失部分进行虚拟重新定位,加深人们对于昆蒂利尼庄园的了解。
好文章,需要你的鼓励
这项研究提出了R1-Searcher++框架,通过两阶段训练策略使大语言模型能像人类一样灵活利用内部知识和外部信息。该方法创新性地采用强化学习激励模型优先使用内部知识,并引入记忆机制将检索到的信息转化为内部知识,实现动态知识获取。实验表明,R1-Searcher++不仅在多步问答任务上表现优异,还大幅减少了检索次数,显著提高了推理效率。
这项研究提出了AutoRefine,一种革新性的强化学习框架,为大语言模型引入了"边思考边搜索和完善"的全新范式。与传统方法不同,AutoRefine在连续搜索调用之间添加知识完善步骤,让模型能够有效过滤和组织信息。通过结合答案正确性和检索质量双重奖励,该方法在七项问答基准测试中平均提升6.9%的准确率,特别在复杂多跳推理场景中表现突出,解决了现有检索增强推理的核心局限性。
这项研究揭示了一种新型网络安全威胁:利用普通网络广告攻击AI网页代理。中科院研究团队开发的AdInject攻击无需特殊权限,仅通过精心设计的广告内容就能误导AI代理点击恶意链接,成功率高达90%以上。研究使用严格的黑盒模型,更符合现实场景,暴露了当前AI代理面临的实际安全漏洞。实验还表明,即使添加专门的防御提示,这类攻击仍能成功率超过50%,凸显了设计更强大防御机制的紧迫性。
东北大学与快手科技联合研发的UNITE系统为多模态信息检索带来突破性进展。这项发表于2025年5月的研究首次系统分析了模态特定数据如何影响检索性能,并提出创新的模态感知掩码对比学习技术,有效解决不同模态间的竞争关系。UNITE能同时处理文本、图像、视频及其组合,在40多项测试中超越现有方法,即使与参数规模更大的模型相比也表现出色。研究发现视频-文本对在通用检索中表现优异,而文本-文本和文本-图像对对指令遵循任务至关重要,为未来多模态系统研究提供了宝贵指南。