也许你看过这个视频—— 一个男人在一辆行驶中的汽车的方向盘后面。他戴着虚拟现实护目镜,他移动双手,就好像在一个不存在的键盘上打字一样。
这些类似的虚拟键盘是空间计算(Spatial Computing)的产物。这是一个与增强现实和元宇宙密切相关的术语。这篇文章探讨了空间计算(Spatial Computing)的概念、应用以及发展方向,引述了IEEE会员Todd Richmond和Juan Galindo的讨论。
Galindo说:“当我们使用空间计算时,我们可以直接与周围环境中的计算机接触,在我们的物理空间中操纵虚拟物体和信息。这种方法需要计算机适应和理解人类世界,需要重视用户是人的概念,通过这样做,空间计算旨在将计算机无缝集成到我们的生活中,作为我们日常任务和活动的自然伙伴。”
空间计算的未来是什么?它如何改变我们与数字和物理世界的互动?
Richmond:要了解未来,先思考过去是有益的。空间计算是传统计算的演进,不依赖于屏幕显示。早期带有哑终端的大型机规定了一组非常有限的用例。随着笔记本电脑的出现,将数字功能带到任何地方的理想成为主流。AR和VR是打破传统屏幕体验的尝试。空间计算的体验式设计和用户体验并没有很多明显的正确答案。我们需要时间来解决如何将虚拟世界和物理世界融合在一起,而不会导致认知过载和隧道效应。
哪些领域最有可能使用空间计算?
Richmond:如果用户体验挑战得到解决,空间计算将在学科研究和垂直商业领域使用。移动计算是一个很好的类比——当iPhone首次亮相时,人们也提出了同样的问题。如今,16年过去了,人们已经很难想象没有移动设备的生活 —— 虽然将内容和体验转移到较小的屏幕上存在用户体验挑战,但它仍然需要有一个屏幕。空间计算的核心问题是屏幕消失了——几个世纪以来,我们进化出了很多设计技巧。
实现空间计算的关键技术和设备是什么?
Richmond:传感器、网络和边缘计算是空间计算的三大关键技术。多传感器平台对于收集有关本地环境的信息至关重要——用于捕捉周围环境以及用户和其他人的运动的摄像头,用于确定运动的加速度计,以及用于捕捉心率、眼球运动的生物特征功能,并最终了解用户想法和意图的能力。我们还没有完全实现。
空间计算的主要挑战是什么?
Galindo:主要挑战与人体工程学有关。有些人对使用空间计算设备感到厌倦,他们会说该设备不太合适。另一个挑战与可靠性和连接性有关。最后,还有一些安全和隐私问题,因为数字身份可能是黑客攻击的目标。
这个领域的重大研究问题是什么?
Richmond:随着空间计算成为常态,用户体验设计需要重视用户是人的概念,伦理设计不是可有可无的,而是实现可持续和公平未来的关键。这就是为什么我们一直在谈论建立一个致力于这一概念的新领域——EI/EX,它代表公平的界面和道德体验。如果我们想拥有一个包容性的未来,并使我们更接近技术公平竞争的目标,这些考虑因素是无法避免的。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
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。
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。
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。