科技行者 10月21日 北京消息:10月18日,显通科技宣布推出全新SurfaceWave处理器和手势引擎。该公司的超声波高精度触摸平台让手机、可穿戴设备等智能设备厂商突破现有的物理按键和触摸屏的操控方案,创建可由软件定义的智能互动界面。通过与手势引擎处理器配合使用,显通科技能够从大量的复杂手势中进行识别、区分和学习,所处理的复杂手势之多远超以往的任何触摸技术。显通科技的这一技术从今天开始正式面向移动设备制造商推出,能与任何设备形状或表面材料轻松集成。
显通科技新闻发布会现场(从左到右:显通科技中国区总经理杨雪飞、显通科技总裁兼首席执行官李政扬、显通科技销售及市场副总裁Mark Hamblin)
显通科技总裁兼首席执行官李政扬表示:“自十二年前iPhone问世以来,我们与智能手机互动的方式一直没有革新。屏幕和物理按键限制了移动设备、用户以及软件和硬件开发人员的想象力。显通科技正为移动设备带来全新的交互性,将用户、开发人员和制造商从这些过往的限制中解放出来。我们对超声波技术的使用为客户提供了更高的准确度和更大的灵活性,最为重要的是,它具有更大的自由度,可以将交互界面扩展到任何设备形状、任何表面材料。我们相信由软件定义的智能交互表面将成为消费电子领域新一轮创新的催化剂,而智能手机将引领这一浪潮。”
显通科技总裁兼首席执行官李政扬
显通科技的最终目标是通过结合超声波传感器和压力感应器,将智能交互技术应用于玻璃、塑料和金属等材料的表面。使用显通科技的超声波平台,从智能手表到汽车仪表盘的任何消费电子产品都可以由应用程序和内容创建者来进行智能交互的设定。
李政扬补充道:“特斯拉就是一个很好的例子,充分说明了我们对触控屏的依赖程度。特斯拉是全球最具创新力的公司之一,可是其中控台解决方案依旧是一款大型触摸屏显示器。现在想象一下坐进一辆汽车,车中任何表面都可以通过APP来启动智能交互,这将是一种全新的体验,可帮助人们感知人机间的交互情况。比如根据你手握方向盘的方式和位置,在按下方向盘上的虚拟按钮启动之前,可以在通过软件定义的音量控制区域上滑动手指进行操作。这将带来无限的可能性,因为我们消除了电容式触摸屏迫使用户不得不分散驾驶注意力来关注操作的局限性。”
SurfaceWave处理器与显通科技的手势引擎和传感器模块配合使用,可以在不同的速度和压力动态范围内精确识别挤压、轻敲、滑动和多触点等等多样化的操作。通过集成最新的技术可帮助各种消费类设备解锁互动体验,创建超越触摸屏的人机交互智能界面。显通科技此前与华硕和腾讯在ROG 2游戏手机上的成功合作就证明了这一点。显通科技为今年7月发布的ROG 2游戏手机腾讯游戏深度定制版提供了AirTriggers功能,软件定义的虚拟按键使得手机可像专业视频游戏控制器一样操作自如。
显通科技销售及市场副总裁Mark Hamblin
显通科技中国区总经理杨雪飞
关于显通科技
显通科技的高精度触摸和压力传感技术为移动设备市场带来全新的交互性,适用于任何设备的各种表面。该公司获得专利的SurfaceWave超声波平台技术已在众多移动设备上得到应用,并且正在通过虚拟按键和手势捕获将其更丰富的用户体验带到更多以手机为代表的移动设备上。显通科技成立于2011年,总部位于美国加利福尼亚州圣何塞,由来自苹果、Telegent Systems和LSI Corporation的技术专家团队领导。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。