槟城建筑工地坍塌 一死13生死未卜

槟城建筑工地坍塌 一死13生死未卜 马来西亚槟城州一处建筑工地发生坍塌事故,共18名孟加拉籍工人受困,其中一名工人证实死亡,另四人获救送院,至少13人尚生死未明。 《南洋商报》报道,这起意外发生于星期二(11月28日)晚9时许,地点为峇都茅DHL建筑工地,所有援助队伍包括消拯人员、救护人员受召到现场支援。 槟城州第一副首长,也是峇都茅区州议员阿都哈密说,该工地目前正在兴建DHL商业物流中心,工程已于去年启动。他说,据了解,受困的工人皆是孟加拉籍外劳。 另一方面,槟岛市长拉詹德兰说,该工程即时停工,以进行调查。 2023年11月29日 10:47 AM

相关推荐

封面图片

槟城工地坍塌意外致三死二伤

槟城工地坍塌意外致三死二伤 马来西亚槟城东南部一处建筑工地发生坍塌事故,波及现场九名孟加拉籍工人。当局证实事故造成三名工人死亡和两人受伤。原先据传失踪的四人,过后也被警方找到。 这起槟城近年来最严重的工地意外,发生在星期二(11月28日)晚间9时30分左右。地点为敦豪(DHL)在峇都茅的商业物流中心建筑工地。当局接获投报后,立即派出百多名消防员与救护人员到现场支援。 槟州副警察总长莫哈末尤索夫星期三(29日)告诉媒体,工地原本有18名孟加拉籍工人,其中九人事发前为了祈祷而离开那里。留在现场的九人,其中两人当场死亡,另一人在医院不治。目前医院还有两名重伤者。 他透露,这些工人的老板事发后告诉搜救人员,还有四人埋在废墟里。不过,警方星期三下午4时左右在峇六拜找到他们。 他说:“他们可能由于没有准证,因此事发后担心(被捕)而逃走。”他指出,当局经过18小时搜救,已经确认现场没人被埋。 2023年11月29日 9:32 PM

封面图片

台积电亚利桑那州建筑工地爆炸致卡车司机死亡

台积电亚利桑那州建筑工地爆炸致卡车司机死亡 美国当地时间15日晚间,据当地建筑工会的声明称,亚利桑那州的台积电建筑工地,一辆化学品卡车发生爆炸,造成司机死亡。亚利桑那州建筑行业委员会是一个由约3000名成员组成的工会联盟,致力于台积电项目,周三晚间证实了这名工人的死亡。该工会说:“建筑工人的安全和福祉是我们的首要任务,我们希望所有监管机构对这一事件进行彻底调查。目标应该是确定是否采取了足够的安全措施、事故原因,并采取任何必要措施防止此类悲剧在未来发生。”

封面图片

东京一建筑工地15吨钢架坠落 酿二死三伤

东京一建筑工地15吨钢架坠落 酿二死三伤 日本东京日本桥地区的建筑工地星期二(9月19日)发生重大工业事故,一幢兴建中的51层大楼突有约15吨重钢架及钢筋自高处坠落,导致两名男性建筑工人死亡。 中国通讯社引述报道说,上午10时许,建筑工地的一根重约15吨的钢筋从10层楼高坠落。工地位于东京繁华的日本桥地区、JR东京站附近、正在兴建一幢51层高的大厦。事发地周遭办公大楼林立,距离JR东京车站八重洲口仅有200公尺。 当时在附近的民众透露,听到咚的一声巨响,感受到宛如地震般的震动。有人还以为是有车辆撞入建筑物。另外一名附近餐厅的员工则说,他听到金属掉落声音,从未听过如此大的巨响。 当地消防部门出动约27台消防车和救护车等抵达意外现场,据报至少有五人受伤、四人当场失去呼吸心跳。重伤者年龄介于20岁至49岁之间,救援人员并进行确认是否还有人遭到钢筋压住。现场周边地区交通受到一定影响。 《星岛日报》引述日本放送协会(NHK)的报道说,东京警察厅说,受害的五名工人,其中三人年龄为三四十岁。意外发生后,三人重伤昏迷,其中两人随即确认死亡。另外两名伤者为20多岁的男性工人,据悉意识清醒。 伤者已送往医院接受治疗,警方正调查事故起因。

封面图片

俄罗斯:俄罗斯军警,袭击了俄罗斯境内的沃罗涅日,一个建筑工地。围捕一些“非法打工”的建筑工人。这些工人被带到警察局,他们收到了一

俄罗斯:俄罗斯军警,袭击了俄罗斯境内的沃罗涅日,一个建筑工地。围捕一些“非法打工”的建筑工人。这些工人被带到警察局,他们收到了一个无法拒绝的条件:要么进监狱,要么去乌克兰当炮灰。 吃瓜俱乐部 @ChiGuaClub

封面图片

俄新社2月27日报道,俄总统普京当天视察了莫斯科西部国家航天中心一建筑工地。建筑工人们高呼“乌拉”,支持普京以及“我们的小伙子们

俄新社2月27日报道,俄总统普京当天视察了莫斯科西部国家航天中心一建筑工地。建筑工人们高呼“乌拉”,支持普京以及“我们的小伙子们”。普京表示:“谢谢。小伙子们需要你们的支持,他们会听到。” (参考消息)

封面图片

建筑工地成无人车噩梦 Waymo栽跟头多到被约谈

建筑工地成无人车噩梦 Waymo栽跟头多到被约谈 访问:NordVPN 立减 75% + 外加 3 个月时长 另有NordPass密码管理器 发生了什么大概3个月内,Waymo积累上报了22起事故,引起了美国国家公路交通安全管理局的注意。根据NHTSA的文件显示,这些事故包括Waymo无人车和静止和半静止物体(比如门)相撞、与停放车辆相撞以及违反交通安全控制装置的情况。其中“违反交通安全控制装置”官方特别说明是一个重点调查方向,一个典型场景就是自动驾驶系统对交通锥/雪糕筒的检测识别能力。这个点比较罕见。因为这次上报的22起事故中,很多都涉及同一种场景建筑工地。比如上个月,6辆编队行驶的Waymo Robotaxi,下班收工回停车场,结果遇到了施工现场临时交通管制,直接卡死在雪糕筒围成的临时通行区,造成了大约半个小时交通拥堵。有本地生活经验的网友立刻就认出来,这是旧金山 Potrero 大道 101 号匝道,Waymo无人车卡死的地方,刚好是高速入口。最后,是路上的司机老哥直接下车手动挪开雪糕筒,后面的车队依次绕过几辆“瘫痪”的无人车。Waymo方面出了一个简单声明,大意是30分钟内就派人去现场挪车了,没有造成任何伤亡和财产损失,后续会配合调查。不过在凤凰城的建筑工地,就没这么幸运了。同样一辆Waymo无人车,无视了雪糕筒围出的施工区域,直接冲进了建筑工地。幸好速度不快没撞到人,不过车辆本身、工地现场都有不同程度损失。类似这样的事故很多,每次无人车“冲进工地”的小视频,都会在网络上疯传。网友总结的很生动:交通锥就是Robotaxi的氪石(kryptonite),现在再神通广大的自动驾驶,遇到封闭道路的交通锥,都得完蛋。咦?好像跟Waymo官方秀出的视频不太一样呀。为什么建筑工地难?Waymo第五代自动驾驶系统绕行施工区,曾被当做技术亮点专门解析过。官方的Demo中,无人车面对的场景更加复杂,除了交通锥、不规则区域,还有来回走动的工人。Waymo无人车当然是毫不费力完成了一系列避让、绕行动作,顺利通过了施工区域:这里面让人啧啧称奇的是,Waymo无人车似乎能够看懂人类指挥交通的肢体语言,让停就停,让走就走,而不仅仅以路面条件作为依据。怎么做到的?Waymo负责预测算法的工程师Maya Kabkab简要解释了一下,大意是第五代技术中,Waymo加强了对不同物体目标的理解能力,以及对可通行区域的识别能力,这两项使得系统能更好规划通行路线。核心是用全新模型VectorNet替代CNN,提取传感器和高精地图信息。简单的说,是将高精地图和传感器输入信息表示为点、多边形或曲线,VectorNet则将所有道路特征和其他对象的轨迹表示为相应的向量。基于这个简化的视图,VectorNet可以提取每个向量的信息以及学习不同向量之间的关系。好处是VectorNet比CNN占用计算资源更少,出结果的速度更快,理论上也能更加清晰的提取出关键场景信息。但VectorNet仍然没有解决“建筑工地”难题的核心“建筑工地”本身是高精地图的例外,不可能同步更新,只能靠传感器实时感知。但传感器的数据在不同子模型之间依次传递,信息损失难以完全避免。Robotaxi频繁出现被建筑工地卡死,直接原因是对交通锥、异形物的错检漏检。而深层原因,是传统自动驾驶技术范式存在能力的上限、天花板,难以覆盖路上所有的corner case。所以能不能顺利避让建筑工地,成了一种概率事件:官方Demo精雕细琢反复测试,那没问题;单上路实测,就只能看天吃饭了。端到端能解吗?“遇事不决量子力学”,是一句调侃。但在自动驾驶领域,遇事不决,的确都可以“端到端”一下。所谓“端到端”是针对传统技术范式而言的,其中自动驾驶的感知、决策、规控等等互相独立。传感器采集到的数据,需要通过这一系列不同的算法模块,最终才能“变成”操作指令。每个独立模块之间的信息是逐级传递的,在这个过程中必然会存在信息的丢失和误差,而且前一个模块的误差会影响到下一个,多个模块之间的信息误差会不断累积,进而影响到自动驾驶方案的整体效果。无论是纯视觉感知,还是融合感知,“错检漏检”的根源就在这里。当然也有对应的解决办法,那就是通过人手写的规则,尽量打补丁提高感知识别的可靠性。比如能识别车、人,但识别不了“人站在车前”,那好办,直接将这类目标单独建一个数据集拿来训练模型不就行了?这就是所谓感知“白名单”机制。但问题是,很难穷举所有种类的交通目标和场景,这次解决了“人在车前”的问题,但如果车从乘用车变成大卡车呢?或者一个人变成大人牵小孩呢?对于Robotaxi的建筑工地难题来说也是一样,工地可能临时出现,随机刷新,不会限定区域限定时间,而每家工地的搭建、施工路障都不一样…所以从感知开始就实现信息的无损传递,让系统真正理解环境,需要有一个全新的算法范式端到端算法模型。两个端分别指数据输入端和指令输出端,中间不再分成几个相互独立的模块。端到端模型能够通过完全数据驱动的模式,将其学到的能力和技巧迁移泛化到其他场景当中,自主且高效解决行泊场景中新出现的各类长尾问题,具备更快的迭代效率,有效降低开城成本。通俗的说,就是让AI司学习人类成熟驾驶行为,看到一种场景,做出相应对策。实际上“端到端”已经摸到了AGI的门槛。2016年端到端模型由英伟达首次提出。但真正得到量产实践这两年才开始。目前只有特斯拉的FSD和中国AI玩家的CVPR 2023最佳论文UniAD。智能车参考也分别就Waymo遇到的工地难题询问了这两家国内自动驾驶头部玩家的看法。地平线从工程实践角度出发,认为:自动驾驶的工地难题和端到端技术范式并不是绑定的。理论上讲,感知能力足够强、感知白名单足够丰富也是能解决问题的。但显然,端到端的自主学习能力、类人思考会更大规模更高效率的解决这个问题。而商汤的看法更加从“第一性原理”出发,绝影智驾相关技术专家相关认为:不对具体的case进行评价。但基于规则的传统智驾方案的感知还是人为定义要素,并对感知信息进行抽象提取,这就会导致信息传递过程的损失和遗漏,让感知决策模块难以作出正确的决策。而端到端是在一个神经网络中,将外部环境的信息无损输入和传递,更准确和完整地理解外部交通环境,并作出规划和决策。规则方案可以通过增加规则、添加补丁解决一个场景。但是这样的场景不会只有一个,是无限的。而足够多的数据进行学习训练之后,端到端方案可以像人一样思考、开车,自己解决更多类似的corner case。总结一下,地平线和商汤表述不同,但核心一样,都认可端到端是解决Robotaxi工地难题最有效的方法。同时还是解决自动驾驶各类长尾问题的最高效途径。对了多说一句,提出UniAD的CVPR 2023最佳论文,地平线和商汤的学者都参与了撰写。端到端对传统技术范式革新,给了所有玩家新的机遇:更好的智驾体验、更低的维护、泛化成本,以及更有竞争力的自动驾驶方案成本。但代价是以往模块化的、规则驱动主导的技术体系,必须推倒重构。昔日自动驾驶绝对领军者Waymo,如今陷入“建筑工地”困境中,更加证明自动驾驶这条赛道“水无常形,兵无常势”:老牌明星可能会优势归零重置,“后来者”也会获得领先优势。 ... PC版: 手机版:

🔍 发送关键词来寻找群组、频道或视频。

启动SOSO机器人