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
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。