Canonical正考虑移除Ubuntu的32位支持
查看: 261|
评论: 0|原作者: Linux中国|来自: Linux中国
摘要: 之前，Dimitri John Ledkov 在 Ubuntu 邮件列表 发送了一则消息，称将在 Ubuntu 18.10 中取消 32 位支持。他说越来越多的软件已经有了 64 位支持，而且为古老的 32 位架构提供安全支持将变得更加困难。 ...
之前，&在&&发送了一则消息，称将在 Ubuntu 18.10 中取消 32 位支持。他说越来越多的软件已经有了 64 位支持，而且为古老的 32 位架构提供安全支持将变得更加困难。Ledkov 同时表示，构建 32 位镜像并不是没有成本的，而要耗费 Canonical 不少的资源。构
建 32 位镜像并不是“免费的”，它的代价就是占用了我们的构建服务器资源、QA 和校验时间。尽管我我们有可扩展的构建环境，但 32
位支持还需要为所有包进行构建和自动测试，而且 ISO 也需要在我们的各种架构上进行测试。同时这还会占据大量的镜像空间和带宽。Ledkov
计划着，Ubuntu 16.10、17.04、17.10 还会继续提供 32 位内核、网络安装器和云镜像，但移除桌面版和服务器版的 32 位
ISO 镜像。18.04 LTS 将会移除 32 位内核、网络安装器和云镜像，但在 64 位架构中兼容运行 32 位程序。然后在 18.10
中结束 32 位支持，并将传统的 32 位应用放在 snap、容器和虚拟机中。但是，Ledkov 的这份计划还未被大家接受，但它表明了 32 位支持迟早要被遗弃。（LCTT 译注：我们已经知道 16.10 依旧有 32 为支持。）好消息当然，使用 32 位系统的用户也不必伤心。这个并不会影响用于拯救老式电脑的发行版。&的创建者&&在 Googl+ 的讨论中透露，这些改变这是影响着主线上的 Ubuntu 而已。18.04
将继续存在 32 位架构支持，分支版本可以继续选择构建 32 位镜像。但还是会存在安全隐患，一些大型应用，如
Firefox、Chromium、LibreOffice，已经凸显了在一些旧版的 LTS 的更新安全问题。所以，这些分支版本需要注意其 32
位支持期限。思考从安全的角度，我可以理解他们为什么要移除 32 位支持，但是这可能会导致一部分人离开主线 Ubuntu 而投入另一个喜爱的发行版或者另一种架构的怀抱。值得庆幸的是，我们还可以选择&。原文：翻译：
上一篇：下一篇：
快毕业了，没工作经验，
找份工作好难啊？
赶紧去人才芯片公司磨练吧!!谷歌近期开源的SLAM方案在下一盘怎样的大棋？
查看: 191|
评论: 0|原作者: 将门创业（thejiangmen）微信公众号|来自: 将门创业（thejiangmen）微信公众号
摘要: Cartographer是谷歌刚刚开源的使用激光雷达进行2D/3D SLAM的算法库。其算法本身未必拔萃，但从设计到实现都是产品级的，很可能会在SLAM相关业界带来不小的反响。相关业者或许需要认真审视技术路线和商业模式。 ...
10秒总结全文：Cartographer是谷歌刚刚开源的使用激光雷达进行2D/3D SLAM的算法库。其算法本身未必拔萃，但从设计到实现都是产品级的，很可能会在SLAM相关业界带来不小的反响。相关业者或许需要认真审视技术路线和商业模式。作者介绍：邵天兰，清华大学软件学院本科，慕尼黑工大硕士。在德国工作多年，深度参与了最先进协作机器人的研发。2016年夏拒绝了硅谷数家知名企业的offer，回国创业。作为资深程序员，追求炫酷而实用的硬核技术——当然没有比机器人更合心意的东西了。个人知乎主页：“谷歌于10月6号在GitHub上开源了名为Cartographer的SLAM库。次日晚上我看到消息，顺手克隆下来代码。本来不甚以为意，不意扫了一眼之后倒抽一口气，就靠一罐红牛读代码读到凌晨四点。下面是我的一些想法，主要侧重于非技术的方面。一孔之见，权作抛砖引玉。”Cartographer可以使用2D或3D激光雷达来进行SLAM（同时定位与地图构建），其中2D的算法在文章[1]中有描述，而代码中3D的算法和2D算法基本思路一致。我认为，Cartographer的算法虽然算是一流，但似乎并没有牛到让我合不拢嘴的程度。泛泛总结一下Cartographer的算法：用Grid（2D/3D）的形式建地图；局部匹配直接建模成一个非线性优化问题，通过IMU（惯性测量单元）获得比较靠谱的初值，再用Ceres库进行求解；后端用Graph来优化，用分支定界算法来加速；2D和3D的问题统一在一个框架下解决。算法的具体过程先放一边，先来感受一下算法的设计目标：低计算资源消耗，实时优化，不追求高精度。这个算法的目标应用场景昭然若揭：室内用服务机器人（如扫地机器人）、室内AGV（如机场用的无人电瓶车），无人机等等计算资源有限、对精度要求不高、且需要实时避障的和寻路的应用。而3D SLAM如果能用在无人机上，也是非常炫酷且实用的事情。学术界不少人认为，基于激光雷达的2D SLAM在室内、低速、静态环境的条件下已经可以认为被基本上解决了，现有成果对很多应用来说已经完全够用。例如下图是小米机器人的建图效果。请注意，这是普通用户在实际家居情况下自行使用得到的结果。我第一见到这个图的时候，惊得半天说不出一句话。在如此复杂的环境中，整个图没有明显的错位（右侧乱糟糟的房间是因为堆满杂物），两侧的墙都很直而且完美平行——而这一切都是在很低的价格下做到的。据网上消息，该扫地机器人使用的激光雷达是米家供应链研发的，成本或能低至200块——又是半天说不出一句话。而在SLAM算法层面，Cartographer的开源使得大家不但有论文可以参考，还有代码可以直接拿来用，因此可能降低了其他厂家在算法上追赶的难度。但供应链的壁垒依然高峻。图片来源：知乎用户程序鱼an我不掌握谷歌内部关于这个项目的消息，这里诛心一点：现在扫地机器人、端茶倒水机器人、无人机等等火的不要不要的，谷歌要插一杠子进来。虽然暂时只是一个SLAM库，但后续发展谁知道呢？会不会出现机器人的Android系统呢？ 谷歌在Andy Rubin离开后，对机器人行业的整体规划让外人看不明白（很可能他们自己也不明白），所以后续的发展也只能拭目以待了。而且读代码之后，我认为Cartographer这个库最重要的东西还不是算法，而是实现。这个库实现度很高，而且非常谷歌 style。例如算法的核心部分仅仅依赖于以下几个库：Boost：准标准的C++库。Eigen3：准标准的线性代数库。Lua：非常轻量的脚本语言，主要用来做ConfigurationCeres：这是Google开源的做非线性优化的库，仅依赖于Lapack和BlasProtobuf：这是Google开源的很流行的跨平台通信库没有PCL，g2o，iSAM，sophus， OpenCV, ROS 等等，几乎所有轮子都是谷歌自己造的。因此整个开源软件栈在事实上都是由谷歌控制的。这明显不是搞科研的玩儿法，就是奔着产品去的。前面说过，Cartographer需要的计算资源少，依赖少，而且代码质量也很不错，因此几乎可以直接应用在一个产品级的嵌入式系统上。以前学术界出来的开源2D/3D SLAM算法不少，但能几乎直接拿来就用在产品上的，恕我孤陋寡闻还真想不出来。因此，我认为开发基于激光雷达的室内SLAM算法的门槛被显著降低了。这个库其实不需要在效果上成为最牛的，现在看起来已经完全够用了。开源、需要资源少，代码干净拿来就能使，而且效果还不错……呼，幸亏在下是搞机器臂智能系统的，不是搞SLAM方案的，要不然岂不是要睡不着觉？现在创业者除了担心BAT模仿，还要担心谷歌开源。当然现在只是有基于激光雷达的算法，基于摄像头的SLAM仍然是很有挑战性以及实用价值的。借Cartographer这件事我想斗胆分享一下我开始创业以来的一些思考。现在机器人相关领域是创业的热点，其中一个原因就是来自学术界的研究成果逐渐接近了实用的门槛。例如前述的基于激光雷达的SLAM，还有基于视觉的SLAM、机器视觉、人脸识别、智能规划等等，都是基于学术界近年来的成果。创业团队的配置也从移动互联网时代的英雄不问出处，变成了标配大量名校海归、博士、甚至博导。我司也是其中之一。学术界背景的团队有时会习惯性地从技术出发思考问题，但是产品形式、商业模式、和产业链地位对创业成功的影响很可能不亚于技术本身。学术界的成果通常会以论文的形式公开，单一团队（包括谷歌等巨无霸）很难对整个业界长久保持25%以上的领先，更难有碾压式的领先。退一步讲，技术上即使能保持领先，除非恰好位于实用门槛的两侧，否则也很难形成真正的壁垒。因此有了领先的技术后，产品形式如何、商业模式如何、在产业链的地位如何，是值得花大力气研究的。特别是产业链地位，如何没有想好，很容易出现受夹板气的情况。而且也要将心比心：如果用了某产品，会使我处于产业链上很不利的地位，那么我很可能就会另谋方案。发布短短几天，Cartographer就已经是GitHub上所有有关SLAM的repo中获得Star最多的了（见下图），一举超过了许多诞生多年的知名repo。就问你怕不怕！前两天刷朋友圈看到余凯老师呼吁大家避免使用谷歌开源的TensorFlow（用于高效机器学习的库），我当时——结果才两天就被教做人了。。。。我只能算是深度学习的初级应用者，对TensorFlow的态度更多的是坐享其成。但是2D/3D SLAM对我来说就更为熟悉和相关了。熬夜读Cartographer的代码时，我似乎有点儿理解了余凯老师的想法。当年微软等公司不开源，招致Free Software Foundation为首的键盘侠们（无贬义）的口诛笔伐。如今谷歌恨不得开源一切，搞实际控制：例如Android（手机操作系统）和Blink（浏览器内核），虽然都开源，但事实上都由谷歌掌控。对此我只能说：
上一篇：下一篇：
快毕业了，没工作经验，
找份工作好难啊？
赶紧去人才芯片公司磨练吧!!您正在使用IE低版浏览器，为了您的雷锋网账号安全和更好的产品体验，强烈建议使用更快更安全的浏览器
发私信给新智元
导语：本文详尽梳理了谷歌所有的——没错，是所有的——人工智能项目及其开发内幕，供你纵览这家公司打造人工智能帝国的布局。
同步到新浪微博
产业链媒体
「新智元」深度锁定人工智能及机器人产业链，关注产业前沿资讯，聚集学术和产业领袖，共同建构智能 + 产业的新纪元。
当月热门文章
为了您的账户安全，请
您的邮箱还未验证,完成可获20积分哟！
您的账号已经绑定，现在您可以以方便用邮箱登录谷歌近期开源的 SLAM 方案在下一盘怎样的大棋？
10秒总结全文：Cartographer是谷歌刚刚开源的使用激光雷达进行2D/3D SLAM的算法库。其算法本身未必拔萃，但从设计到实现都是产品级的，很可能会在SLAM相关业界带来不小的反响。相关业者或许需要认真审视技术路线和商业模式。作者介绍：邵天兰，清华大学软件学院本科，慕尼黑工大硕士。在德国工作多年，深度参与了最先进协作机器人的研发。2016年夏拒绝了硅谷数家知名企业的offer，回国创业。作为资深程序员，追求炫酷而实用的硬核技术——当然没有比机器人更合心意的东西了。个人知乎主页：“谷歌于10月6号在GitHub上开源了名为Cartographer的SLAM库。次日晚上我看到消息，顺手克隆下来代码。本来不甚以为意，不意扫了一眼之后倒抽一口气，就靠一罐红牛读代码读到凌晨四点。下面是我的一些想法，主要侧重于非技术的方面。一孔之见，权作抛砖引玉。”Cartographer可以使用2D或3D激光雷达来进行SLAM（同时定位与地图构建），其中2D的算法在文章[1]中有描述，而代码中3D的算法和2D算法基本思路一致。我认为，Cartographer的算法虽然算是一流，但似乎并没有牛到让我合不拢嘴的程度。泛泛总结一下Cartographer的算法：用Grid（2D/3D）的形式建地图；局部匹配直接建模成一个非线性优化问题，通过IMU（惯性测量单元）获得比较靠谱的初值，再用Ceres库进行求解；后端用Graph来优化，用分支定界算法来加速；2D和3D的问题统一在一个框架下解决。算法的具体过程先放一边，先来感受一下算法的设计目标：低计算资源消耗，实时优化，不追求高精度。这个算法的目标应用场景昭然若揭：室内用服务机器人（如扫地机器人）、室内AGV（如机场用的无人电瓶车），无人机等等计算资源有限、对精度要求不高、且需要实时避障的和寻路的应用。而3D SLAM如果能用在无人机上，也是非常炫酷且实用的事情。学术界不少人认为，基于激光雷达的2D SLAM在室内、低速、静态环境的条件下已经可以认为被基本上解决了，现有成果对很多应用来说已经完全够用。例如下图是小米机器人的建图效果。请注意，这是普通用户在实际家居情况下自行使用得到的结果。我第一见到这个图的时候，惊得半天说不出一句话。在如此复杂的环境中，整个图没有明显的错位（右侧乱糟糟的房间是因为堆满杂物），两侧的墙都很直而且完美平行——而这一切都是在很低的价格下做到的。据网上消息，该扫地机器人使用的激光雷达是米家供应链研发的，成本或能低至200块——又是半天说不出一句话。而在SLAM算法层面，Cartographer的开源使得大家不但有论文可以参考，还有代码可以直接拿来用，因此可能降低了其他厂家在算法上追赶的难度。但供应链的壁垒依然高峻。图片来源：知乎用户程序鱼an我不掌握谷歌内部关于这个项目的消息，这里诛心一点：现在扫地机器人、端茶倒水机器人、无人机等等火的不要不要的，谷歌要插一杠子进来。虽然暂时只是一个SLAM库，但后续发展谁知道呢？会不会出现机器人的Android系统呢？ 谷歌在Andy Rubin离开后，对机器人行业的整体规划让外人看不明白（很可能他们自己也不明白），所以后续的发展也只能拭目以待了。而且读代码之后，我认为Cartographer这个库最重要的东西还不是算法，而是实现。这个库实现度很高，而且非常谷歌 style。例如算法的核心部分仅仅依赖于以下几个库：Boost：准标准的C++库。Eigen3：准标准的线性代数库。Lua：非常轻量的脚本语言，主要用来做ConfigurationCeres：这是Google开源的做非线性优化的库，仅依赖于Lapack和BlasProtobuf：这是Google开源的很流行的跨平台通信库没有PCL，g2o，iSAM，sophus， OpenCV, ROS 等等，几乎所有轮子都是谷歌自己造的。因此整个开源软件栈在事实上都是由谷歌控制的。这明显不是搞科研的玩儿法，就是奔着产品去的。前面说过，Cartographer需要的计算资源少，依赖少，而且代码质量也很不错，因此几乎可以直接应用在一个产品级的嵌入式系统上。以前学术界出来的开源2D/3D SLAM算法不少，但能几乎直接拿来就用在产品上的，恕我孤陋寡闻还真想不出来。因此，我认为开发基于激光雷达的室内SLAM算法的门槛被显著降低了。这个库其实不需要在效果上成为最牛的，现在看起来已经完全够用了。开源、需要资源少，代码干净拿来就能使，而且效果还不错……呼，幸亏在下是搞机器臂智能系统的，不是搞SLAM方案的，要不然岂不是要睡不着觉？现在创业者除了担心BAT模仿，还要担心谷歌开源。当然现在只是有基于激光雷达的算法，基于摄像头的SLAM仍然是很有挑战性以及实用价值的。借Cartographer这件事我想斗胆分享一下我开始创业以来的一些思考。现在机器人相关领域是创业的热点，其中一个原因就是来自学术界的研究成果逐渐接近了实用的门槛。例如前述的基于激光雷达的SLAM，还有基于视觉的SLAM、机器视觉、人脸识别、智能规划等等，都是基于学术界近年来的成果。创业团队的配置也从移动互联网时代的英雄不问出处，变成了标配大量名校海归、博士、甚至博导。我司也是其中之一。学术界背景的团队有时会习惯性地从技术出发思考问题，但是产品形式、商业模式、和产业链地位对创业成功的影响很可能不亚于技术本身。学术界的成果通常会以论文的形式公开，单一团队（包括谷歌等巨无霸）很难对整个业界长久保持25%以上的领先，更难有碾压式的领先。退一步讲，技术上即使能保持领先，除非恰好位于实用门槛的两侧，否则也很难形成真正的壁垒。因此有了领先的技术后，产品形式如何、商业模式如何、在产业链的地位如何，是值得花大力气研究的。特别是产业链地位，如何没有想好，很容易出现受夹板气的情况。而且也要将心比心：如果用了某产品，会使我处于产业链上很不利的地位，那么我很可能就会另谋方案。发布短短几天，Cartographer就已经是GitHub上所有有关SLAM的repo中获得Star最多的了（见下图），一举超过了许多诞生多年的知名repo。就问你怕不怕！前两天刷朋友圈看到余凯老师呼吁大家避免使用谷歌开源的TensorFlow（用于高效机器学习的库），我当时——结果才两天就被教做人了。。。。我只能算是深度学习的初级应用者，对TensorFlow的态度更多的是坐享其成。但是2D/3D SLAM对我来说就更为熟悉和相关了。熬夜读Cartographer的代码时，我似乎有点儿理解了余凯老师的想法。当年微软等公司不开源，招致Free Software Foundation为首的键盘侠们（无贬义）的口诛笔伐。如今谷歌恨不得开源一切，搞实际控制：例如Android（手机操作系统）和Blink（浏览器内核），虽然都开源，但事实上都由谷歌掌控。对此我只能说：来自：
Cartographer 的详细介绍：
Cartographer 的下载地址：
转载请注明：文章转载自 开源中国社区
本文标题：谷歌近期开源的 SLAM 方案在下一盘怎样的大棋？
本文地址：
人家说的很清楚了，如果没明白，那就多看两遍
真的好笑，没毛病！微信扫一扫，分享给好友吧。}