微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 CES 2020预展 | 爱宠人士专场篇,来看这两款“宠爱有佳”的科技产品

CES 2020预展 | 爱宠人士专场篇,来看这两款“宠爱有佳”的科技产品

2020-01-06 16:17
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2020-01-06 16:17 郝伟静

作为从小饲养田园犬、工作后任职铲屎官的养宠人士,记者本人已经为了宠物们的健康成长操碎了心。

现如今,宠物用品市场也开始逐渐做大----宠物香水、猫狗鞋、硅胶蛋蛋……WTF?

其实,只有你想不到的,没有市场上没有的。在今年CES展会上,下面这两款产品可真是“宠爱有佳”了!

台湾一团队在展会上展示了一款智能猫砂盆——LuluPet,可监测猫咪的异常状况、建立猫咪健康数据库以及结合智能音箱回报猫咪每日状况等。简直就是猫奴的福利呀。

特别是其世界首家排泄物图像识别系统、健康追踪、实时异常警报、多宠物信息识别,是LuluPet的几大特点。据科技行者了解,这款产品还与 Amazon Alexa、Google Home联手合作打造。

CES 2020预展 | 爱宠人士专场篇,来看这两款“宠爱有佳”的科技产品

怎么判断你家宠物开心还是难过?只会看尾巴?来吧,这款关注于宠物情绪的产品,你可能感兴趣。

CES 2020预展 | 爱宠人士专场篇,来看这两款“宠爱有佳”的科技产品

日本宠物科技初创企业langualess在今年的展会上,展示了这款宠物狗情绪可视化的可穿戴式终端“INUPATHY”。

狗狗在实际佩戴INUPATHY后,在获得主人抚摸时,终端显示出了“愉悦”等情绪。INUPATHY能分析宠物狗的心率数据,通过5种不同的颜色表达情绪。

比如,彩虹色表示“开心”,白色表示“focus on(兴趣十足)”,绿色表示“放松”,橙色表示“激动”,而紫色表示“depressed(感觉到压力)”的状态。(但是记者的关注点有点奇怪,狗狗不会对这些闪光感到困扰吗?)(还有网友表示:我应该戴上,像我这种“单身狗”,时刻需要彩虹。)

科技行者了解到,Langualess是全球唯一一家根据检测狗狗心率信息进行可视化的科技智能设备。“狗狗翻译器”是我认为更合适它的外号。

CES 2020预展 | 爱宠人士专场篇,来看这两款“宠爱有佳”的科技产品

另外,此前在新品发布会上,Langualess的山入端社长表示,“今后不仅限于狗,还希望应用于其他各种动物和婴儿等不会说话的人”,显示出扩大业务领域的想法——让我们共同期待。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 奖励设计:让AI学会智能使用工具的关键
    2025-04-23 17:39

    奖励设计:让AI学会智能使用工具的关键

    想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。

  • ToolRL:奖励设计是工具学习所需的全部
    2025-04-23 17:34

    ToolRL:奖励设计是工具学习所需的全部

    想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。

  • X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御
    2025-04-23 14:08

    X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御

    想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。

  • "思考操纵":用外部思考让大型推理模型更高效
    2025-04-22 16:43

    "思考操纵":用外部思考让大型推理模型更高效

    想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-