
“嘿,你的手腕上没佩戴任何智能设备。”Mophie的一位发言人向笔者如是说,笔者解释道并非如此:笔者手腕上戴有一块Withings Activité智能手表,只是它看起来与普通手表别无两样,感觉就是一块普通手表,而且它通过下方蓝牙实现智能互联。
凭借与普通手表别无二致的外观,最新且更便宜的Withings Activité Pop智能手表在本次国际消费电子展会上引起了轰动。Martian与Guess共同打造的全新智能手表亦是如此。有趣的是,这些智能手表只是追求在外观上看起来很普通,而并不打算凭借宽大、亮丽的屏幕脱颖而出。
短短几个月内,随着苹果Apple Watch的推出,再加上一大批不可避免的新一代Android Wear和三星Gear智能手表的问世,该领域的其他厂商似乎已准备好向精巧产品进发。2015年的热门产品恰恰可能刚好是件小巧设备。
可穿戴设备制造商Misfit与施华洛世奇(Swarovski)联手推出的Swarovski Shine太阳能可穿戴设备看上去就像一款施华洛世奇首饰:一条水晶项链,或是一个水晶吊坠。仅仅从外观上看它,你永远不会知道某人穿戴的是一款智能设备。
日本眼镜制造商Jins推出一款感知眼球运动、测量疲劳型眼镜,其外形与普通眼镜无异。
这种趋势在智能家电产品上也有体现:巧妙联网的咖啡机、真空低温烹调设备、慢炖锅、冰箱、灯。而汽车产业公司则正致力于植入智能手表兼容性。
除可穿戴设备外,一些公司已经开始计划整体性进军更多类型的产品,例如HTC公司,而Withings等公司已经在这样做了。可穿戴公司Misfit目前正在制造智能电灯泡。
笔者在CES上看到了什么呢?令人惊叹不已的并非某个产品,倒是很多产品表现出来的一种迹象令人赞叹。尤其是智能手表。
虽然本次展会上有无数的健身型智能手表和智能手环,但在大多数情况下,其他智能手表往往呈现出一种暂停状态——“等侯全球移动大会”似乎已成为一个常见口号。当然,其言外之意也代表着苹果Watch将于那时亮相。
除此之外,一个鲜为人知但越来越重要的巴塞尔世界钟表珠宝展将在瑞士举行。届时,各大传统手表制造商将聚集瑞士,而很多智能手表和可穿戴公司也逐渐出席这一展会,因此,如果还有下一批微智能普通手表,那么它们很可能将会出现在这个展会上。
基于增强现实(AR)和虚拟现实(VR)技术的各种眼镜仍“潜伏”在CES展会上,隐秘在各处。Oculus Rift的最新设备就隐秘在游戏展会馆,而Vuzix则藏在靠近电视展区的一个大厅后,头戴式显示器Avegant Glyph位于TechWest展会的金沙酒店(The Sands)。爱普生为其Moverio BT增强眼镜更新了软件,而索尼在展会的一个角落里陈列着其SmartEyeglass原型。三星Gear VR在节假期间刚刚提供了有限的产品供应,但每周都会有新软件出现。Google Glass并未出现在展会上,不过可穿戴眼镜不会消失,它们正在蛰伏、进化。
帕尔默·拉基(Palmer Luckey)在CNET“下一个大事件” (Next Big Thing)峰会上表示,增强现实和虚拟现实终将融为一体。只是连接显示器、摄像头、镜片、硬件和软件的技术还未出现。CES展会上甚至没有一个专门的虚拟现实展馆。不过,或许明年将彻底改变。2016年可能会成为真正的虚拟现实年度。
随着可连接设备的激增,可穿戴科技将有更多的用途。而伴随着Android Wear和Apple Watch对更多全新应用和手机互联的推动,这些生态系统很可能最终将胶合在一起。毕竟制造商等待的可不仅仅是苹果Watch,他们也在等待谷歌和其他行业引发轰动。而且,所谓的“可穿戴”理念不过是“可连接”的一种委婉说法。各大公司都正在这一巨大转变中分定位自己,而这一转变正是今年的CES大会真正的潜在主题——“可连接”。
好文章,需要你的鼓励
这篇论文提出一种插件式2D动作接口,让已训练好的3D运动语言模型无需修改或微调即可直接理解2D姿态输入。实验证明2D输入效果媲美3D输入,且在真实视频场景下配合专门的降噪适配器,2D方案比3D姿态估计更省算力、更实用,为动作理解模型的现实部署提供了新路径。
研究团队让8种AI智能体独立完成100项真实科研任务,深度剖析800份研究轨迹后发现,即便是最强模型,也普遍存在"发现问题却不修正"的现象,背后根源指向AI缺乏检验自身产出、主动纠错的元认知能力。
WorldRover是一套面向可探索世界建模的合成视频数据引擎,基于虚幻引擎构建,能让同一段探索轨迹在保持路线与场景一致的前提下,重新渲染为多种视角和外观状态,并同步提供深度、光流、长程点追踪等丰富标注,最终发布WorldRover-10M数据集,含2190万帧、202.7小时视频。
这篇论文指出,现有多目标强化学习训练大模型时存在"一刀切"分配优化精力的问题,提出SA-MRPO方法,根据每个奖励目标的饱和程度动态调整其权重,在数学推理、自适应推理、代码生成等任务上均取得优于现有方法GDPO的效果。