在2024年的Meta Connect大会上,Meta宣布了多款新产品和更新,包括Orion AR眼镜的原型、Quest 3S VR头显以及Ray-Ban智能眼镜的更新等。

Orion AR眼镜原型:
最引人注目的可能是Orion AR眼镜原型的展示。这款眼镜代表了Meta在AR领域的最新进展,Orion AR眼镜的设计接近于日常佩戴的眼镜,有着时尚的厚框外观,重量轻,便于长时间佩戴。

在显示技术上,Orion采用了碳化硅镜片和先进的光波导技术,结合Micro LED投影仪,提供了70度的视场角,这在小型AR眼镜中是前所未有的,为用户提供了更为沉浸式的体验。这种显示技术不仅能够提供清晰的图像,还允许用户在保持对现实世界感知的同时与数字内容进行交互。
Orion的交互系统结合了语音识别、眼动追踪和手部追踪技术,并配备了一个基于肌电图(EMG)的腕带,这个腕带能够识别用户的手势,提供免提操作的便利。
为了实现更轻便的眼镜本体和无线体验,Orion还配备了一个便携式无线计算模块,负责处理图形渲染和通用任务,并将处理后的数据无线传输到眼镜上。这种设计使得Orion能够在保持时尚外观的同时,提供强大的AR功能。

Orion AR眼镜目前还是原型阶段,不会立即向消费者市场投放,但Meta计划继续优化产品,提高AR显示质量,减小外形尺寸,并降低成本,以便未来能够大规模生产并推向市场。Orion有望成为连接数字世界与现实世界的重要设备,为用户提供全新的交互体验。
Quest 3S VR头显:
Meta发布了新的Quest 3S VR头显,这是一款面向入门级市场的新产品,旨在取代之前广受欢迎的Quest 2。该设备继承了Quest 3的设计和技术,但价格更加亲民,128GB版本售价299.99美元,而256GB版本售价399.99美元,将于10月15日上市。

在外观设计上,Quest 3S继承了Quest 3的彩透摄像头,并支持彩透穿透模式,同时配备了Touch Plus处理器和手势追踪功能,为用户提供了更加自然和丰富的交互体验。显示方面,虽然它采用了与Quest 2相同的1832 x 1920单眼分辨率和120Hz面板,但其视觉体验并不逊色,配备了菲涅耳镜片,提供了96° x 90°的可视角度,并且色域覆盖率达到了100% sRGB。
性能上,Quest 3S搭载了高通骁龙XR2 Gen 2处理器和8GB RAM内存,确保了流畅的运行体验,而内置的4324mAh电池可以支持最长2.5小时的使用时间。此外,Quest 3S改进了VR透视功能,用户可以在虚拟环境中看到现实世界的情况,并通过增加一个专用按钮来快速开启或关闭透视模式。
Meta将Quest 3S定位为一款多任务处理计算机,强调其不仅仅是游戏机,而是能够完成一般计算机能做的各种任务。在演示中,Meta展示了该设备能够同时运行多达四个应用程序,如观看YouTube视频、浏览网页、听音乐以及访问Meta的应用商店。
Meta正在简化其VR产品线,随着Quest 3S的推出,Quest 2和高端的Quest Pro将停止销售,Quest 3S将作为新的入门级产品推向市场。这款设备以其亲民的价格和卓越的性能,有望成为入门级VR市场的新宠,并为虚拟现实行业的发展注入新的活力。
Ray-Ban智能眼镜更新:
Ray-Ban智能眼镜新增了实时AI视频处理功能,用户可以直接向眼镜提出问题,眼镜会通过Meta AI实时口头回答用户的问题。此外,还增加了实时语言翻译功能,能够将用户所听到的语言(如法语、意大利语或西班牙语)翻译成英语,未来还将支持更多语言。

Ray-Ban智能眼镜还获得了提醒功能,可以帮助用户记住他们所看到的事物,例如购物清单上的物品,或者停车位置等信息。同时,眼镜还支持扫描二维码,提供实时视频帮助,以及多语言之间的实时翻译。
除了AI功能的增强,新款Ray-Ban智能眼镜还集成了音频平台,让用户可以通过眼镜内置的扬声器直接听音乐。此外,还推出了新的变色镜片选项,这些镜片可以根据紫外线光的变化自动调整,以适应不同亮度的环境。
在款式方面,Ray-Ban智能眼镜增加了新的镜框设计,如限量版透明框架眼镜,为用户提供了更多的个性化选择。现有的雷朋Meta眼镜允许用户拍摄照片和视频,实时在Instagram上直播,以及接听视频通话。
好文章,需要你的鼓励
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
本文提出一种评估人工智能风险的新方法,借鉴生态学与演化论视角,从理论生态模型中推导出三项风险指标,涵盖种群模型与生态系统模型。研究旨在为AI治理策略提供量化工具,并对分析局限性及政策改进方向进行了深入探讨,为构建更科学的AI风险评估体系提供参考框架。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。