微软承诺:将积极研究维修权问题

微软在股东压力下承诺研究并实施更易维修的产品政策,计划在2022年底前根据研究结果做出改变,以延长设备寿命,减少电子垃圾。此决定受到环保组织的赞赏,但仍需观察具体实施效果。

整理 | 祝涛
出品 | 优快云(ID:优快云news)

微软今日承诺,在不久的未来,客户将更容易修复其购买的微软产品。据Grist报道,该公司将积极研究维修权的问题,并在明年年底前付诸行动

在这里插入图片描述

股东决议的施压

据Grist和股东权益组织As You Sow报道,微软已经同意让一个独立的第三方公司研究使其设备更容易维修的潜在影响,并在2022年底前根据这些发现做出改变

这一举措是对2021年6月提交的股东决议的回应。今年六月,微软股东提交了一份决议,要求公司认真思考如何让其产品更容易维修。这些股东与专门为股东辩护的非营利组织As You Sow合作,帮助他们向微软施压。

As You Sow废品项目协调员凯利·麦克比(Kelly McBee)在一份新闻稿中说:“微软把自己定位为气候和环境方面的领导者,但却限制了消费者对设备的维修,造成其设备的过早丢弃。为了在可持续性方面采取真正的行动,缓解包括贵金属在内的有限资源的开采压力,该公司必须促进广泛的维修来延长其设备的使用寿命。”

2020年,微软曾宣称自己将在2030年成为碳中和公司。McBee认为,想要做到这一点,微软必须制造更容易维修的设备。她在新闻发布会上说:“微软要想真正实现2030年实现零碳排放的承诺,就必须让消费者的设备更容易被修复,而不是鼓励他们购买新的设备。”

这些股东与As You Sow组织向微软不断施压,似乎终于奏效了。现在As You Sow公司撤回了它的决议,要求微软进行研究,并根据研究结果向非微软官方服务提供商的维修店提供更多的零件和文件

值得赞赏的改变

Kelly McBee表示:“这是微软对联邦和州维权运动不断高涨的回应,令人鼓舞。令人兴奋的是,这项协议将开始允许消费者在授权维修店之外的地方修理他们的微软设备。”

值得注意的是,微软发言人声明,微软所承诺的是它将进行一项研究,然后用它来“指导”其“产品设计和扩大设备维修选项的计划”。不过该公司至少愿意这样做,这确实是值得赞赏的,这比其他科技巨头在涉及维修权时付出了更多心思但微软没有给出细节,很难说这将产生多大的影响。

iFixit的首席执行官凯尔·维恩斯(Kyle Wiens)称这是一个“巨大的、具有里程碑意义的举动”,如果微软真的做出了重大改变,那么它最终将大大减少其产品对电子垃圾和排放的影响。

据悉,微软将不得不在2022年5月前发布研究报告的摘要,但不发布实际的研究报告本身(为了保护商业机密)。人们应该很容易判断出微软是否坚持其承诺——要么在第三方商店修理你的Surface Pro或Xbox会变得更容易,要么不会

参考链接:

  • https://www.vice.com/en/article/g5gd53/microsofts-shareholders-demand-right-to-repair
  • https://www.theverge.com/2021/10/7/22715241/microsoft-as-you-sow-right-to-repair-study-agreement
同步定位与地图构建(SLAM)技术为移动机器人或自主载具在未知空间中的导航提供了核心支撑。借助该技术,机器人能够在探索过程中实时构建环境地图并确定自身位置。典型的SLAM流程涵盖传感器数据采集、数据处理、状态估计及地图生成等环节,其核心挑战在于有效处理定位与环境建模中的各类不确定性。 Matlab作为工程计算与数据可视化领域广泛应用的数学软件,具备丰富的内置函数与专用工具箱,尤其适用于算法开发与仿真验证。在SLAM研究方面,Matlab可用于模拟传感器输出、实现定位建图算法,并进行系统性能评估。其仿真环境能显著降低实验成本,加速算法开发与验证周期。 本次“SLAM-基于Matlab的同步定位与建图仿真实践项目”通过Matlab平台完整再现了SLAM的关键流程,包括数据采集、滤波估计、特征提取、数据关联与地图更新等核心模块。该项目不仅呈现了SLAM技术的实际应用场景,更为机器人导航与自主移动领域的研究人员提供了系统的实践参考。 项目涉及的核心技术要点主要包括:传感器模型(如激光雷达与视觉传感器)的建立与应用、特征匹配与数据关联方法、滤波器设计(如扩展卡尔曼滤波与粒子滤波)、图优化框架(如GTSAM与Ceres Solver)以及路径规划与避障策略。通过项目实践,参与者可深入掌握SLAM算法的实现原理,并提升相关算法的设计与调试能力。 该项目同时注重理论向工程实践的转化,为机器人技术领域的学习者提供了宝贵的实操经验。Matlab仿真环境将复杂的技术问题可视化与可操作化,显著降低了学习门槛,提升了学习效率与质量。 实践过程中,学习者将直面SLAM技术在实际应用中遇到的典型问题,包括传感器误差补偿、动态环境下的建图定位挑战以及计算资源优化等。这些问题的解决对推动SLAM技术的产业化应用具有重要价值。 SLAM技术在工业自动化、服务机器人、自动驾驶及无人机等领域的应用前景广阔。掌握该项技术不仅有助于提升个人专业能力,也为相关行业的技术发展提供了重要支撑。随着技术进步与应用场景的持续拓展,SLAM技术的重要性将日益凸显。 本实践项目作为综合性学习资源,为机器人技术领域的专业人员提供了深入研习SLAM技术的实践平台。通过Matlab这一高效工具,参与者能够直观理解SLAM的实现过程,掌握关键算法,并将理论知识系统应用于实际工程问题的解决之中。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值