舔屏时代真的来了?香港团队研发可品尝的VR设备!
说到“味觉VR”的技术核心,它依赖于一种名为“离子导入”(iontophoresis)的化学传递技术。这种技术通过水凝胶传递化学物质和离子,同时耗电量极低。在安全性方面,这款设备的电压限制为2伏,远低于人体安全极限(30伏),所以使用时完全无需担心安全问题。

在虚拟现实(VR)和增强现实(AR)领域,沉浸式体验一直是科技发展的核心目标。从视觉到听觉,再到触觉反馈,技术不断突破。然而,当你戴上VR设备,看到美食广告、听到美味的煎牛排滋滋声,却无法亲自感受食物的味道时,是不是觉得少了点什么?
现在,这个缺憾有了解决方案。来自香港城市大学的一支研究团队,正努力填补“味觉”这一沉浸体验的空白。他们最近在《美国国家科学院院刊》(PNAS)上发表了一项突破性研究,推出了一款全新“舔屏”设备,这可能会彻底改变我们与虚拟世界互动的方式。
这款设备看起来像一个棒棒糖,但功能远超普通糖果。通过嵌入在水凝胶中的食品级化学物质,它可以产生九种味觉,包括甜、咸、酸,以及樱桃、百香果、绿茶、牛奶、榴莲和葡萄柚等多种风味。当电压施加到水凝胶时,味觉化学物质被释放,与舌头的唾液混合,模拟真实的味觉体验。
更妙的是,用户还可以通过调节电压来控制味道强度——电压越高,味道越浓郁。这种设计不仅为VR增添了“可口”的新元素,也让人对未来的数字美食体验充满期待。
说到“味觉VR”的技术核心,它依赖于一种名为“离子导入”(iontophoresis)的化学传递技术。这种技术通过水凝胶传递化学物质和离子,同时耗电量极低。在安全性方面,这款设备的电压限制为2伏,远低于人体安全极限(30伏),所以使用时完全无需担心安全问题。
研究团队在研发过程中测试了多种味觉模拟方法,比如通过电刺激舌头来产生味觉信号。但相比之下,离子导入技术不仅更安全,也更加高效和便携。

研究团队意识到,嗅觉和味觉是紧密相连的,因此在这款设备中增加了嗅觉反馈。除了味觉生成的水凝胶外,他们还添加了七个独立的气味通道,让用户在品尝虚拟食物时,也能闻到它的香气。
配合VR头显、运动捕捉和无线通信技术,这款“味觉棒棒糖”能够在虚拟和现实世界中同步位置,让体验更加真实。例如,当你在虚拟现实中品尝一块草莓蛋糕时,你的舌头不仅能感受到甜美的果香,还能闻到蛋糕散发的浓郁奶油气息,仿佛真的置身于一家顶级甜品店。
为了让设备轻便易用,团队使用超薄电路板和3D打印尼龙外壳,将设备重量控制在15克左右,和一颗普通的Tootsie Pop糖差不多。设备的味觉水凝胶可以持续使用一小时,但随着使用时间增长,凝胶会逐渐缩小,味觉生成的效率会下降。这也是研究团队未来改进的方向之一。
目前,团队还在研发更多的味觉通道以及更长效的味觉生成技术,力求为用户提供更丰富、更持久的体验。
-
健康与医疗:设备可以用来测试味觉能力,就像听力测试和视力测试一样,为健康诊断提供新工具。
-
电商购物:在虚拟杂货店中,你或许可以在购买前品尝每种食品的味道,免去“买回来不喜欢”的烦恼。
-
教育与娱乐:孩子们可以在虚拟世界中探索不同食物的味道,而不用真正接触到食物本身,这对于培养饮食习惯或避免食物过敏具有重要意义。
从视觉、听觉到触觉,再到如今的味觉,虚拟现实的沉浸式体验正在从科幻变为现实。尽管目前这款“味觉棒棒糖”还有一些技术限制,例如味觉水凝胶的使用时间较短,但这无疑是数字味觉领域的一次重要突破。
谁知道呢?也许在不久的将来,我们不仅能在虚拟世界中看到和听到,还能真正“尝到”全新的体验。而这款来自香港的“味觉棒棒糖”,无疑为这种未来蓝图提供了一个鲜活的入口。
如果你是一位科技爱好者,这款设备会让你感叹科技的无穷魅力;如果你是一位美食家,它可能会让你重新定义对“美味”的理解。未来已来,你准备好舔屏了吗?
0赞好文章,需要你的鼓励
推荐文章
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
AI代码编辑器开发商Cursor完成23亿美元D轮融资,估值达293亿美元。Accel和Coatue领投,Google、Nvidia等参与。公司年化收入已突破10亿美元。Cursor基于微软开源VS Code打造,集成大语言模型帮助开发者编写代码和修复漏洞。其自研Composer模型采用专家混合算法,运行速度比同等质量模型快四倍。公司拥有数百万开发者用户,将用新资金推进AI研究。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。