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
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。