智能家居每周更新是一个专注于智能家居配件、自动化技巧以及苹果智能家居框架相关内容的系列。
Aqara多功能存在感应器FP300为智能家居带来了Thread技术和运动自动化功能。这里需要了解的是,存在检测与基本运动感应是不同的。简单的PIR传感器(在所有运动传感器中很常见)能够感知运动,但一旦运动停止就会停止工作。mmWave技术则可以检测到即使静坐不动、阅读或在桌前使用Mac的人员。Aqara FP300结合了这两种技术,允许PIR提供快速唤醒,而mmWave则即使在有人静止在房间时也能维持自动化运行。
对于HomeKit来说,这种技术组合应该能让照明和温度控制变得更加可靠。当你坐在沙发上或在书桌前时,灯光不会关闭,Aqara FP300可以跟踪存在状态,只有在房间真正空无一人时才会指示HomeKit关闭设备。
FP300还能报告光照、温度和湿度数据。在Home应用中,这意味着它可以充当房间的小型大脑。一个配件就能告诉你是否有人在那里,房间有多亮,以及空气是否变暖或闷热,这对于构建更智能的自动化来说是完美的。
我还没有测试过FP300,但基于它对HomeKit开放的功能,几个有用的自动化场景立即变得有意义起来。
Thread支持是FP300对我有吸引力的重要原因。存在感应器需要响应快速、稳定可靠。Thread支持提供了低功耗、低延迟的通信,不依赖Wi-Fi范围。如果你有现代化的Apple TV或HomePod,你的HomeKit设置可能已经支持Thread了。
Matter是另一个关键要素。由于FP300支持Matter,它在Home应用中显示就像任何其他原生配件一样,无需另外的桥接器或集线器(除了Apple TV或HomePod)。你可以将其添加到场景和自动化中,重命名,添加到房间,并使用其数据而无需依赖Aqara应用,但你显然也可以同时使用两者。
根据规格,FP300看起来足够灵活,可以在许多房间中工作。一些例子:
像Aqara FP300这样的存在感应器,处于一个有用的中间地带。它们可以检测人员而无需在室内使用摄像头。mmWave和PIR可以检测房间中某人的存在,而不会捕获视频或音频。对于重视隐私的HomeKit家庭来说,这种传感器是很好的选择。你可以得到响应你的照明,只有在房间有人时才运行的风扇,以及感觉更贴心的自动化。
以下是对苹果用户重要的关键规格:
Aqara多功能存在感应器FP300对于HomeKit家庭的运动感应来说看起来是一个很好的选择。Thread支持应该让它快速稳定,而额外的环境传感器为一些很好的跟踪和自动化打开了大门。从纸面上看,这是我见过的针对HomeKit最功能完整的存在感应器之一。
你可以从亚马逊购买。
Q&A
Q1:Aqara FP300存在感应器有什么特别之处?
A:FP300结合了PIR和mmWave两种技术。PIR传感器提供快速唤醒,而mmWave技术可以检测到静坐不动的人,即使在阅读或使用电脑时也能维持自动化运行,使HomeKit的照明和温度控制更加可靠。
Q2:FP300支持哪些智能家居技术?
A:FP300支持Thread和Matter技术。Thread提供低功耗、低延迟通信,不依赖Wi-Fi范围。Matter支持让它能像原生配件一样在Home应用中显示,无需额外的桥接器,只需要Apple TV或HomePod。
Q3:FP300能够检测哪些环境数据?
A:除了存在检测外,FP300还能报告光照、温度和湿度数据。这使它能充当房间的小型控制中心,为构建更智能的自动化提供完整的环境信息,同时保护隐私不需要室内摄像头。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。