污水处理设备 污泥处理设备 水处理过滤器 软化水设备/除盐设备 纯净水设备 消毒设备|加药设备 供水/储水/集水/排水/辅助 水处理膜 过滤器滤芯 水处理滤料 水处理剂 水处理填料 其它水处理设备
湖北世纪乔丰塑业有限公司
湖北世纪乔丰塑业有限公司
产品描述品牌武汉世纪乔丰塑胶制品有限公司型号分类垃圾桶材质塑料重量7.3kg箱装数量60升垃圾桶颜色橘红颜色橙黄颜色波点颜色钴蓝颜色红色颜色黄色产品性能收纳规格490*410*650mm厚度多尺寸容积12L以上加工定制是产地武汉 编者按：本文来自微信公众号“乌玛小曼"（ID：wumaxiaoman），作者乌玛小曼，
| 品牌 | 武汉世纪乔丰塑胶制品有限公司 | 型号 | 分类垃圾桶 |
| 材质 | 塑料 | 重量 | 7.3kg |
| 箱装数量 | 60升垃圾桶 | 颜色 | 橘红 |
| 颜色 | 橙黄 | 颜色 | 波点 |
| 颜色 | 钴蓝 | 颜色 | 红色 |
| 颜色 | 黄色 | 产品性能 | 收纳 |
| 规格 | 490*410*650mm | 厚度 | 多尺寸 |
| 容积 | 12L以上 | 加工定制 | 是 |
| 产地 | 武汉 |
编者按：本文来自微信公众号“乌玛小曼"（ID：wumaxiaoman），作者乌玛小曼，。在罗伯特·麦基的著作《故事经济学》中，提及了一组Adobe公司的市场调查数据：2015年，市场营销人员中有76%的从业者认为市场营销在过去两年内的变化，要远大于自电视诞生之后的数十年。如今，“剧变"一词已经成为人们在谈及广告营销行业时会使用的高频词汇，即使他们语气中的胆怯多于期待与兴奋。2018年那些轰轰烈烈的营销事件已经离我们远去，而那些尚未出现的、会在2019年霸占社交网络和媒体头条的作品又会是什么模样呢？或许我们可以从用户心理和社会文化的流动中探得一丝端倪。审美升级：一场通往“高级"的竞赛近几年来，“高级"这个词已经悄然爬上了审美鄙视链的顶端。具体的语境有：大眼睛尖下巴的脸蛋固然漂亮，但和眼距宽宽、下颌方方的超模脸比起来，就显得“不够高级"；姹紫嫣红的色彩固然夺目，但与低饱和度、冷淡低调的莫兰迪色系比起来，也让人觉得“不高级"；盛有牛油果、藜麦、芦笋的餐盘，就比盛满饺子的碗“高级"（是否更美味则另当别论）……“高级"这个词就像一个神秘的语，象征着一种明显异于传统却又能自圆其说的审美。它带着一股“重新定义审美标准"的劲头，尤其获得了喜欢向传统说不的年轻人群的追捧。今年情人节，主打美颜拍照的轻颜相机APP就在日本地区进行了一次投放，广告视频和海报截取了单身女孩生活中的一些小场景、小心思，譬如“可靠的男人不多，拍照可靠的男人更是稀有动物"“既然没人催我，那就再自拍三百张"“偶尔也会羡慕恋爱的人，但每天都羡慕手机里的自己"……广告中的每一个片段都传递出“一个人真好，怎么拍怎么美"的情绪，当然，这样的好状态离不开“拍出高级美"的轻颜相机的帮忙。不仅是相机的滤镜“高级"，在垃圾桶都能收到花节里，轻颜相机逆流而行，输出“取悦自己更重要、一个人也可以过得开心"的品牌态度，也可能会被单身人群视作一种比秀恩爱更加“高级"的人生状态，从而博得年轻人群的好感。故事经济学：“拉"式营销策略2017年2月，CNBC报告称Netflix的观众每天累计收看的电视节目时长高达1.16亿小时，零广告植入。然而从市场营销人员的角度看，每天有1.16亿个小时，消费者跟随Netflix消失在茫茫黑暗中。剧作家罗伯特·麦基在其著作《故事经济学》中，表达了对传统广告营销模式的担忧。随着付费免广告模式的普及以及广告屏蔽软件使用率的上升，传统广告在数十年来建立的自吹自擂式、夸大承诺的叙事模式正在遭到肢解。截至2017年底，Netflix的付费用户已经超过1亿，而广告屏蔽软件的使用率在以每年41%的速度增长，更不用说身经百战的用户在浏览网页时已经形成了自动忽视“广告盲区"的习惯。＊眼动追踪研究展示那些被忽略的广告，图片来自《故事经济学》罗伯特·麦基认为，“随着自吹自擂和夸大承诺的“推"式策略逐渐失去吸引力，越来越多的营销从业者转向行之有效的“拉"式故事策略。“市场营销正在经历以广告为中心到以故事为中心的性变化。故事天然受到人类心智的关注，故事化的思维方式以核心价值为坐标来解读每个事件，而价值观能为故事注入生命力。精彩的故事的一大特点就是充满情感负荷的价值观，它们能把信息包裹在情感中，并通过“移情认同"的心理机制，打消受众的怀疑心理。“一旦观众在那一瞬间将自己的感觉与主角联系起来，怀疑就会消失不见“。印度洗衣粉品牌Ariel推出了一个广告短片，主题为“DadsSharetheLoad"（爸爸分担重负）。故事短片以一个父亲的角度，目睹女儿下班回家后一边电话处理工作事务，一边忙着收拾房间洗衣服做饭，而女儿的丈夫坐在沙发喝茶这一场景。作为一名从不帮母亲分担家务的父亲，他发出了忏悔，觉得是自己为女儿作出了错误的示范。后这位父亲决定改正错误，帮助妈妈分担家务，虽然他不会烧饭，但他可以洗衣服，故事也从负面转向正面。Ariel看到了“70%的印度男性认为妻子应当负责洗衣服，印度女性平均每天花费6小时在家务琐事上，而男性则不足1小时“这一平的社会差异，并洞察到印度女性渴望改变的心理：85%的印度女性感觉自己在做两份工作，一个在家外，一个在家里，83%的印度女性认为男性应当分担家务劳动的重负。而在“DadsSharetheLoad"这一故事中，从正到公正这一核心价值的转变，引发了利益相关的印度女性们的共鸣。这一视频终在网络上获得了20亿次曝光，相当于在广告投放上花费1100万美元才能买到的曝光率，超过200万男性访问了Ariel洗衣粉的**，在“分担重负"的承诺书上签下自己的名字。Ariel洗衣粉在印度销售额同比增长了75%。分享的执念：万物皆可“打卡"据美国互联网公司Dscout的调研数据显示，人们平均每天点击手机2617次，手机屏幕亮着的时间共有145分钟。也就是说，每隔几分钟，手机就会把我们从现实世界拽入线上的虚拟世界，并在那里流连忘返。人们花在手机和网络上的时间比过去任何时候都多。在阅读这件事情上，亚马逊等互联网书店和的兴起，让许多实体书店步履艰难，然而据美国书商协会数据显示，2009年至2015年间，美国独立书店的数量增长了35%。纸质书的销量也在上升，而传统出版的销量从2016年到2017年则减少了10%。在独立书店振兴的道路上，却正是Instagram这样的社交网络扮演了重要的功臣。坐落在洛杉矶市中心的TheLastBookstore书店，近年来因其别出心裁的店内设计受到爱书之人的追捧。在书店内，人们可以看到颇具魔幻意味的拱形书墙、由渐变色书脊构成的彩虹书橱、还有用精装书垒成的圆形书洞，这些如梦似幻的场景都有着一个共同的功能：为客人营造一片取景地，可以发到社交网络上的那种。美貌的书店，让读书这样一件静谧、私人的事也能成为社交网络上的狂欢。在Instagram上，使用了#bookstagram这一标签的照片已经超过2500万张，视觉营销和体验营销正在成为吸引用户注意力的利器，并将在未来的营销中扮演越来越重要的角色。混制文化：创作权力的下沉近年来，越来越多“刷屏"级事件的传播轨迹中，互联网用户的自发参与和创作都扮演了极其重要的角色。2018年12月，一张普通又神秘的鸡蛋照片，在Instagram上获得了4400万次点赞，成为Instagram有史以来获得点赞数多的一张照片。发布鸡蛋照片的账号名为“world_record_egg“（世界纪录鸡蛋），配图的文案为“让我们一起打破KylieJenner创下的1800万赞的纪录吧！“（KylieJenner来自卡戴珊家族，在Ins上粉丝量超过1亿）。除此之外，没有人知道这只鸡蛋代表什么以及发布它的人是谁，也许因为“人类的本质是复读机"，这枚鸡蛋没怎么费力气地就实现了自己的目标，它火了之后，毫无疑问也获得了许多来自网友的二次创作及加工。过去一年，由杨超越、锦鲤、王思聪等带火的风靡一时的表情包、图片、营销事件等，与这枚鸡蛋也有着异曲同工之处。他们的形象、寓意以及被网友附加甚至“脑补"的寓意，都在一次次的二次创作中得到加强与新生。这类以对原作品的二次创作为核心的文化，被成为“混制文化"，鬼畜、表情包、同人等都属于“混制文化"的范畴。“混制文化"对于营销行业的启发在于，互联网的出现已经让传播环境发生了剧变，它导致了创作权的下沉：每个人都拥有发布自己作品的渠道，在“获赞"“被转发"等社交网站机制的刺激下，用户的创作欲也高涨，他们知道，并且只要自己的作品足够优秀，就能引起可观的传播。而在2019年，那些能够成功创造出“混制模版"的营销者，其品牌获得大规模传播发酵的几率也会更高。
厨余垃圾：包括剩菜剩饭、骨头、菜根菜叶、果皮等食品类废物，经生物技术就地处理堆肥，每吨可生产0．3吨有机肥料。
英文名称：Garbage can /Dustbin
编者按：本文来自微信公众号“脑极体"（ID：unity007），作者藏狐，。新年伊始，伯克利就传出新进展，他们教机器人做家务的能力更上一层楼了。在**的论文中，伯克利介绍了他们是如何让机器学会读懂人类的潜台词或未尽之意，而不是傻乎乎地按照字面意思或者奖励系统来机械地运动。举个例子，当餐桌机器人上菜时，它会知道躲避酒柜，或者在停电等紧急情况下停止端盘子，而不是为了尽可能多地得到奖赏（端一个盘子系统会提供一个奖励），而马不停蹄地送盘子。甚至还可能直接把盘子打碎，这样就可以获得更多的“盘子"（奖励）了……反正我看到这个新闻时，**反应是机器人可真笨啊，这么简单的任务我两岁的小侄子都会做。第二反应是伯克利教机器人做家务的执念也未免太深了吧！之前还开发过引擎教机器人铺床单、叠衣服、收拾桌面，总之，非要让机器人掺和家务这件事不可。想要挑战家务技能的除了伯克利，还有Deepmind。去年2月，Deepmind就提出了一种新的学习范式“计划**控制SAC-X"，来帮助机器人学会整理桌子和堆叠衣物。前不久佐治亚理工学院的研究人员，也发表了新的强化学习算法，可以教会机器人穿衣服。为什么这么多AI不约而同地走上了家务培训的道路？未来我们能拥有《底特律》中卡拉**姐那样温柔能干的家政机器人吗？本文就来尝试解释一下这些疑惑。家务三十六计：家政机器人都掌握了哪些技能？首先我们来看看，在这么多人类学霸、AI的助攻下，机器人都学会了哪些家务小技能。先来说说“家政狂魔"伯克利。早在去年，我们就解读过伯克利的通用预测模型，它可以帮助机器人自主学习和掌握很多通用基础技能，在此基础上学习和预测主人的意图和任务的共性，从而可以举一反三执行广泛的任务类别，成长为一个优秀的“家务多面手"。比如折叠短裤毛巾、挪移苹果、整理桌面等等。伯克利还推出了一个深度学习模型Dex-NET，基于角点检测和抓取策略，让机器人完成铺床单这一艰巨任务。值得一提的是新的研究成果“偏好优化模型"。机器人不仅能完成通用任务，而且还能够推断出更优解，适应带有隐藏条件的复杂现实环境。比如在常规的“actor-critic"增强学习反馈机制中，主人要求机器人导航前往紫色的门，那么机器人就会选择短路径（传统意义上的**解），而忽略这么做会打碎路上的花瓶。因为机器人无法获知，主人是否关心花瓶会不会被打碎。但如果机器人能自己模拟和演练过去发生过的行为轨迹，比如主人一直都绕着花瓶走，说明她是重视花瓶的完整状态的，由此推断出绕过花瓶是有可能获得奖励、应该积极追求的目标。机器人拥有洞察隐藏条件的能力，意味着它们可以从一种状态中学习人类的偏好，系统无需事无巨细地列出所有现实环境中的因果联系和条件，奖励函数也不再是线性机械的，机器人可以自主模拟和学习过去的经验，判断和应对未知的动态环境。对于做家务这个任务来说，判断主人的喜好来进行作业，可以说是必杀技了。与伯克利相比，Deepmind其实对医疗这种高精尖任务更感兴趣。但这并不妨碍它在家政领域发光发热。Deepmind的“计划**控制SAC-X"模型，就旨在帮助机器人学会探索和掌握家务方面的基本技能。就像婴儿在爬行和走路之前必须发展出协调和平衡能力一样，SAC-X也有助于帮助机器掌握几种核心的视觉-运动技能。比如运用模拟手臂，按照正确的顺序，即使没有见过这各任务，也能从零开始学习，并按要求顺利地把物体举起来。这样就能在无需额外编程的前提下，完成整理桌面这样的复杂任务。此外，乔治亚理工学院将布料引入学习框架，教机器人学会穿衣服的论文也非常别出心裁。因为衣服的布料材质各不相同，穿衣服的动作也无法遵循特定的运动轨迹，会和布料产生复杂的交互变化，机器人必须不断练习，对各个子任务（拽起边缘、扯平衣角等）进行模拟和优化，在不断变化的环境条件中学习到稳定的创意控制策略，终完成穿不同衣服的任务目标。无论衬衫、套头毛衣，还是外套，都是妥妥滴！听起来，好像大部分家务活儿机器人都可以驾驭嘛，但杯具的是，现实中能够见到的家务机器人，干起活来依然是一副又慢又笨的蠢样子。比如由伯克利设计、RethinkRobotics公司开发的家庭助手，叠一个毛巾就要15分钟；而加州FoldiMate推出的智能洗叠机器，可以按照程序把衣服叠成需要的方块，但需要人手动放置在展台上，并没有节省多少人力，售价还高达980美金（约7000块人民币）……emmmm还是自己动手丰衣足食吧。不是比人慢，就是比人贵，靠机器人做家务性价比实在是太低了。那么，既然不能真的帮人类做家务，教机器人学习这些技能，究竟有何意义？为什么是做家务，去工厂搬砖不行吗？这么多研究人才齐上阵，要是去教小学生，怕是都能考上清华了。实在不行，去工厂搬砖也能缓解下劳动力紧张啊，干嘛非要跟家务活儿较劲呢？原因恐怕在于，家政任务提供了一个从零开始学习复杂控制任务的训练环境，这对通用机器智能来说至关重要。首先，家政任务的真实性和多样性，有助于智能体学会如何用少的先验知识来解决复杂问题。先验知识指的是一种不依赖于经验总结（类似编写好的程序，从结果推导过程）的一种元能力，通过观察学会推理和判断。而机器人就没有这种“天生的"知识，但显然我们也不可能将机器人服务的每个家庭、每个可能任务都进行预先编程，这时，训练机器人的通用能力就显得尤为关键了。尽管机器永远不可能拥有像人一样的先验能力和通用性，在各个学科、各个工作岗位都能表现差不多。但在很多垂直领域，比如工业、家务、语言等，先验能力强的机器智能体就可以低成本、高适应性、灵活地完成工作任务，解决那些现在只有人才能解决的问题。另外，家政任务是一个集视觉、触觉、运动、关节控制等为一体的任务，综合性很强，这是其他碎片应用不具备的环境，对训练多元功能协作的智能体很有帮助。比如伯克利教机器人从垃圾桶中拾取原本看不见的物体，就需要通过摄像头采集深度图像，形成模拟数据集，再利用该数据集训练质量卷积神经网络(GQ-CNN)，对物体进行图像分割，确定抓取尝试成功的可能性，后形成抓取成功概率**的策略，再对夹持器关节进行实时精密控制，才能终完成这一操作。一次训练，多种收获。更重要的是，家务的操作环境比起工业机器人、电子游戏等，都更加松散，充满变化，任务的主观预期和隐藏含义更难界定和预测，无形中加大了训练难度。与此同时，家政任务的训练成本也比较低，也更容易为大众所理解，社会效益和营销价值双丰收。相比对机器狗拳打脚踢、在《Dota》中血虐真人玩家，让机器做做家务简直堪称是政治正确、价廉物美的训练方式了。醉翁之意：做完家务，这些研究还有什么用？在家政机器人背后，实际隐含的是一种智能体创生的本质逻辑：在复杂的环境中自己探索出解决随机和非结构化问题的合理方案，可以安全地与环境交互，同时高效地完成任务。具体一点说，训练家政机器人，主要有一下三个方面的好处：一是培养更具有通用智能的机器人，在不需要过多指导的前提下，执行一系列任务，提高机器自动化的安全性和工作效率。二是有助于开发用于分层规划、感知和推理的算法，可以帮助自动驾驶、工业自动化、智能物联网等等领域解决应用问题；三是推动零样本学习、少样本学习等技术的进步。在缺乏外部奖励信号的情况下，算法也能很好地推理出行为的意图，可以显著提升电商、内容产品推荐系统的使用体验。这样，大家恐怕就不难理解，为什家务会成为通用智能体成长道路上无法绕过的“垫脚石"了。后可能还有人想问：不爱做家务星人，我只关心机器人啥时候能进我家给我叠被铺床？我只能说：亲亲这边建议直接睡觉呢梦里什么都有~
您感兴趣的产品PRODUCTS YOU ARE INTERESTED IN
环保在线 设计制作，未经允许翻录必究 .
请输入账号
请输入密码
请输验证码
