11月5日,第六届中国国际进口博览会在上海开幕,Unity 中国作为全球领先的实时 3D 引擎 Unity 在华设立的合资公司再次参展,以“万有引力”为主题在技术装备展区的 3A4-03 展位正式亮相。
在这场国家级盛会中,Unity 中国以“数字世界构建者”的姿态登场,不仅在进博会现场首发了其自主研发的团结引擎车机套件,还在展台上汇聚了AIGC、智能座舱、元宇宙、数字孪生等前沿技术创新成果,展示了实时 3D 技术在新时代不可或缺的价值。
随着汽车行业的数字化、智能化转型,车企对研发智能座舱的需求日益增多。Unity中国顺势开发了强大的团结引擎车机套件,旨在帮助车企快速构建功能全面、运行稳定的智能座舱应用。团结引擎车机套件具备在主流芯片上的量产能力,已经上线了 3D 地图导航、第三空间模式、一镜到底丝滑转场等前沿功能,为用户打造出极具沉浸感的“座舱数字豪华体验”。

近几年,AI 和元宇宙先后掀起了科技热潮,并带领整个行业迭代升级。Unity 中国的展台就展示了其最新的 AI 创作工具 Unity Muse 和 Unity Sentis,推动实时 3D 内容创作新模式的诞生。与此同时,基于Unity技术打造的沉浸式虚拟展厅、文物级建筑复刻、超写实数字人、XR交互式体验等等,也一一亮相进博会,展示了元宇宙时代的无尽创意。

伴随着各行业对数字化、智能化的持续探索,实时 3D 技术已经成为加速转型的关键技术。Unity 中国本次展出的智能座舱解决方案,充分展现了实时 3D 技术在汽车领域数字化转型的巨大潜力。通过无界高清大屏、一镜到底的流畅场景切换和 3D 可视化驾驶辅助等功能,Unity 中国将助力车企打造沉浸式的智能座舱,携手开创更加人性化和更具智慧的未来出行生态。
在本次展会上,Unity中国还展出了多项应用数字孪生技术的解决方案案例,带观众一览了潜能无限的智能汽车、智慧工厂、智慧港口等等。借助实时 3D 技术,各行各业将更加坚定地迈入数字化新时代,全面提升运营效率和管理智能化,以适应数字经济形势,实现产业的高质量发展。

Unity 中国 CEO 张俊波表示:“Unity 中国再度登上进博会这一全球舞台,标志着我们在全产业数字化浪潮中航向了更远的未来。数字化不仅是一个趋势,它更是一个桥梁,一种连接人与物、连接现实与未来的桥梁。Unity 中国将持续专注于技术创新,以更先进的实时 3D 技术,与更多中国合作伙伴共同推动数字经济发展,与众同行,共塑未来。”

在未来,Unity 的实时 3D 技术必定会带来技术创新浪潮和无限发展机遇。通过不断探索与挑战,Unity 为各行各业提供了实时沉浸的虚实交互体验,彻底重塑了我们对数字世界的认知。Unity 中国将携手全球用户与伙伴,共筑开放与创新并重的数字枢纽,为中国的数字化转型注入效率与质量的双重动力。
关于 Unity 中国:
Unity中国是全球领先的交互式实时3D内容创作和运营平台Unity(NYSE: U) 在华的合资公司,并且是 Unity 全球产品和服务在中国地区的独家经销商。Unity的技术及解决方案已被广泛应用至游戏开发、汽车制造、建筑建造、工业制造、消费文旅、影视娱乐等领域。截至2022年底,全球排名前1000的移动游戏中,使用Unity打造的游戏占比高达70%+。Unity的数字孪生解决方案已经应用到香港机场、北京城建、海尔卡奥斯等诸多项目中。Unity汽车智能座舱解决方案也被梅赛德斯奔驰、蔚来、小鹏、理想等汽车厂商所广泛使用。Unity中国已正式推出 Unity 中国版引擎——团结引擎,开启了 Unity 中国本土化进程的全新篇章。未来,Unity中国将持续加大研发投入,致力于打造中国本土的、适配各类国产软硬件平台的数字生产力工具,丰富由实时图形渲染技术支撑的AR、VR、MR以及数字孪生体验,赋能中国数字经济安全、稳定、健康发展。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。