
虚拟现实无处不在,未有所成。
尽管虚拟现实一直是一个热门话题,但大多数人根本从为体验或购买过一副虚拟现实耳机。虽然虚拟现实头戴显示器Oculus Rift目前还不是一款主流产品,不过若想感受虚拟现实,我们可以先买一个便宜的开发工具包来体验一下。三星Gear VR头戴式显示设备就在那里,只是它还有很大的局限性——一部特定手机,一个非常有限的软件库。
在这个混乱的领域里,PC游戏硬件制造商雷蛇(Razer)已决定佩戴其自有虚拟现实眼镜加入战局:一款毫不逊色的可控开源虚拟现实设备OSVR Hacker Dev Kit。
这意味着什么呢?雷蛇表示这款设备售价200美元,大大低于当前349美元的Oculus Rift开发套件,而且不仅兼容Oculus Rift第二代开发套件(DK2),而且兼容Linux和Android系统的任何试验性的虚拟现实软件。
雷蛇及其合作伙伴联合创建了一个虚拟现实开放式平台:OSVR开源虚拟现实系统(Open-Source Virtual Reality)。OSVR旨在支持软件插件(Unity 3D、虚幻引擎4和英雄引擎(HeroEngine))、输入硬件(Sixsense和Leap Motion等)及其他虚拟现实的设备,包括Oculus rift DK2和Vrvana Totem。
虽然OSVR开发工具将开发其自有软件,但在CES大会上,一些公司已开始寻求与OSVR进行合作,包括手势控制戒指Nod Ring和体感控制器Leap Motion。目前为止,OSVR支持者有雷蛇、Leap Motion、Nod Labs、SensoMotoric Instruments、Virtuix、YEI、Sixense、博世(Bosch)、 Hillcrest Labs、 Pebbles Interfaces和少数软件开发者,如Gearbox和Untold Games工作室等。
OSVR Hacker Dev Kit设备外形类似一双眼睛,固定方式类似具有弹性头带的防水墨镜。设备内置有一块可换式5.5英寸显示屏,分辨率为1920×1080,并配有头部追踪技术,与三星Gear VR相类似。此外它还配有一个加速计、一个陀螺仪和一个指南针,但还未具备像Oculus Rift套件和索尼墨菲斯计划(Project Morpheus)那样的头部追踪技术。
据雷蛇表示,他们仍商议采用哪类科技,但他们还表示,红外摄像机这种技术方案将随后再添加。此外,设备配有一个外部USB 3.0接口和两个内部USB 3端口,可连接额外配件。
雷蛇计划在其网站OSVR.com上提供OSVR套件的设计模版和相关细节,方便爱好者们采用3D打印技术打印其模型。用户可通过5个螺丝将设备拆开,更换更高分辨率的显示器或镜头。
此外,雷蛇这款设备拥有可调式目镜,镜头可旋转,而这是Oculus所缺乏的。雷蛇承诺将通过其镜头令“失真”最小化,甚至还要比拟Oculus,而这个挑战有些艰巨,毕竟目前的Oculus VR效果已非常不错。
其实虚拟现实真正的挑战在于它如何处理实实在在的游戏,好在雷蛇已获得了众多虚拟现实体验参展商的支持。
OSVR将于今年6月上市,而且很明显将主要针对黑客和开发人员推出。虚拟现实技术目前仍处于萌芽期,虽然将所有虚拟现实产品集结在一起的想法很宏伟,但听起来有些混乱。毕竟像Oculus和索尼等这样的公司已经尝试着独立打造出了一条他们自己的道路。而虚拟现实还有待开发。那么,OSVR能在其中铺出一条路吗?我们将拭目以待。
好文章,需要你的鼓励
谷歌DeepMind等顶级机构联合研究揭示,当前12种主流AI安全防护系统在面对专业自适应攻击时几乎全部失效,成功率超过90%。研究团队通过强化学习、搜索算法和人类红队攻击等多种方法,系统性地突破了包括提示工程、对抗训练、输入过滤和秘密检测在内的各类防护技术,暴露了AI安全评估的根本缺陷。
西蒙弗雷泽大学和Adobe研究院联合开发的MultiCOIN技术,能够将两张静态图片转换为高质量的过渡视频。该技术支持轨迹、深度、文本和区域四种控制方式,可单独或组合使用。采用双分支架构和分阶段训练策略,在运动控制精度上比现有技术提升53%以上,为视频制作提供了前所未有的灵活性和精确度。
英国国王学院研究团队开发了潜在精炼解码(LRD)技术,解决了AI文本生成中的速度与准确性平衡难题。该方法通过两阶段设计模仿人类思考过程:先让AI在连续空间中"深思熟虑",保持多种可能性的混合状态,然后"果断行动",逐步确定答案。实验显示,LRD在编程和数学推理任务中准确性提升最高6.3个百分点,生成速度提升最高10.6倍,为AI并行文本生成开辟了新路径。
清华大学团队开发的ViSurf是一种创新的大型视觉语言模型训练方法,巧妙融合了督导式学习和强化学习的优势。该方法通过将标准答案整合到强化学习过程中,让AI既能从正确答案中学习又能保持自主推理能力。实验显示ViSurf在多个视觉任务上显著超越传统方法,特别是在处理模型知识盲区时表现突出,同时有效避免了灾难性遗忘问题,为AI训练提供了更高效稳定的新范式。