Nweon

Meta正在积极利用VR头显和AR眼镜来帮助训练机器人，并已经发布了数据集HOT3D和人机协作研究框架PARTNR等工具。最新的研究来自佐治亚理工学院，他们利用Meta的Project Aria眼镜来帮助训练机器人执行日常任务。传统上，教导机器人完成任务需要通过机器人远程操作进行数据收集，这种方法非常缓慢和笨拙。然而，佐治亚理工学院的研究团队通过利用Project Aria眼镜的传感器来收集"人类数据"，从而大大减少了训练机器人所需的远程操作数据量。这一突破有望帮助机器人学习人类可以演示的任何任务。研究人员开发了EgoMimic算法框架，利用人类数据和机器人数据进行类人机器人开发。通过这个新框架，机器人在各种任务中的表现提高了400%。未来，人形机器人可以使用自中心的数据进行大规模训练，以便以与人类相同的方式执行各种任务。

英国康沃尔郡正在利用虚拟现实头显展示护理工作的内容，希望通过沉浸式体验的方式吸引更多人从事护理工作，以弥补目前约1000个职位空缺。康沃尔郡的护理行业正在采用虚拟现实头显来展示护理工作，并帮助学生虚拟体验相关任务，如处理流血事件、记录体温和进行垃圾分类等。通过这种身临其境的体验并实时回答有关未来职业的问题，团队希望提高护理工作的吸引力，并填补这1000个职位空缺。负责人娃尔·史密斯表示，虚拟现实头显可以吸引学生，给他们带来一种"实时"体验。康沃尔郡目前有约1.5万名一线护理人员，但该行业仍有大约1000个职位空缺。

Skydance Interactive发行了VR大作《Behemoth》，游戏的创意总监兼工作室高级创意副总裁Shawn Kittelsen讨论了开发VR游戏时面临的挑战。他指出在为不同性能的头显开发体验时存在性能和图像保真度之间的权衡。《Behemoth》是一款原生帧率游戏，可以支持从Quest 2到PSVR 2和高端PC的所有设备。Kittelsen还提到游戏中的动态物理对象对性能的挑战，以及在不同平台之间的差异，例如在PS5上添加了更高的保真度。他还讨论了VR的未来发展，认为可穿戴设备的发展将超过头戴式显示器，并预测接下来15年内两者之间的差距将趋于忽略不计。Kittelsen认为VR还处于萌芽阶段，但是它提供了与传统平板电视不同的独特体验。当谈到未来计划时，他表示将继续为《Behemoth》添加更多内容，并探索不同类型的沉浸式游戏。

据报道，全球AR游戏开发商Niantic公司正在与沙特阿拉伯控股的移动游戏公司Scopely展开谈判，计划以约35亿美元的价格出售其视频游戏业务，包括知名游戏《Pokémon Go》以及其他移动游戏资产。知情人士透露，潜在收购方Scopely隶属于沙特主权财富基金旗下的Savvy Games Group，Niantic曾与Savvy合作拓展中东市场。《Pokémon Go》是一款以AR技术和互动地图玩法为特色的增强现实游戏，自2016年上线以来取得了巨大成功。然而，Niantic推出的其他游戏未能复刻《Pokémon Go》的成功，公司经历了一系列挫折。Niantic成立于2015年，近年来除了游戏开发外，还致力于地理空间技术开发。这次收购对于沙特来说是推动经济多元化的重要一步，可能会提供成熟的IP和技术积累。目前，Niantic和Scopely尚未对交易作出评论，最终协议是否能达成仍存在变数。

Anduril公司计划接手微软军用头显IVAS开发工作，通过集成式系统解决传统IVAS系统的问题，包括重量和不平衡。 Meta Quest发布了v74固件更新，改进了2D应用管理、多任务处理、Horizon中的用户功能等，并提供了更高效的设备管理工具。 Meta宣布将于4月29日举办LlamaCon活动，重点关注开源Llama模型和工具的发展，同时公布了Connect大会的日期，预计分享Meta Horizon的最新进展。 上海交通大学团队优化设计了振动触觉反馈的触觉单元，该设计在虚拟现实和医疗保健领域具有广泛应用前景。 澳大利亚的Toast Interactive宣布裁员，但仍将支持旗下游戏《Richie's Plank Experience》和《Max Mustard》。 Another Axiom工作室宣布新游戏《Orion Drift》将提供抢先体验版，玩家将在太空站中进行零重力飞盘比赛，并支持多人在线和自定义活动。 日本上智大学团队提出了一种新的全向图像合成方法2S-ODIS，通过预训练的GAN模型生成高质量的全向图像。 Moo Duck Games开发的《Monster Snap》是一款摄影游戏，玩家需要在未知岛屿上拍摄神秘生物的照片。 约翰斯·霍普金斯大学的研究人员利用增强现实、预测性解剖可视化和人工智能开发了一种战场护理工具，帮助医护兵提供挽救生命的护理。 英国NHS推出了The Resilience VR培训项目，利用虚拟现实技术应用于药物制造和实验室技术的培训，以解决技能短缺和可持续发展的问题。

约翰斯·霍普金斯大学的研究人员正在利用增强现实、预测性解剖可视化和人工智能来提供战场上的重症护理服务。该项目旨在为医护兵提供个人器官可视化地图，帮助他们在有限资源和威胁环境下为伤员提供紧急护理。研究团队利用军用增强现实头显的可视化能力，在医护兵的视场中显示具体的器官位置，并通过人工智能预测内部器官的可能位置。团队使用深度学习技术，通过数百次CT扫描数据进行解剖预测，并实时显示相关信息。初步结果显示，该技术可以预测胸腔内66种不同解剖结构的个体形状。这项技术的研发旨在帮助医务人员在战场上进行更准确的医疗评估和治疗，提高战场创伤护理的能力。

爱沙尼亚国防初创公司Vegvisir最近发布了名为Virtual Command Station的沉浸式军用指挥系统。该系统与爱沙尼亚国防军合作开发，根据乌克兰战争的需求而设计。Virtual Command Station重新定义了小队管理和指挥与控制操作，通过交互式、高度协作和紧凑的虚拟工作空间取代传统屏幕，提高了决策和作战效率。这个指挥系统可以无缝融合不同的数据流，包括无人机和无人车等，使指挥官能够同时处理来自多个来源的关键任务信息，增强态势感知和决策能力。系统还支持多用户协作，提供统一的操作视图。Virtual Command Station设计用于快速部署，适应任何规模和环境的任务。系统使用Vegvisir Visor的AR头显和一个任务计算机取代了传统的硬件，提供了一致和直观的用户体验。这一指挥系统是根据实际需求开发的，并与爱沙尼亚国防军合作进行了试点项目。

全向图像逐渐应用于虚拟现实和社交网络等领域。然而，由于全向图像需要专门的摄像头拍摄，与普通视场图像相比可用性有限。针对这一问题，日本上智大学团队提出了一种新的全向图像合成方法2S-ODIS。该方法利用在大规模NFoV图像数据库预训练的VQGAN模型进行全向图像合成，并大大缩短了训练时间。该方法采用了两阶段结构，首先在ERP中创建全局粗略图像，然后通过整合多幅更高分辨率的局部NFoV图像对图像进行细化。新提出的方法在不产生几何畸变的情况下，能够以较低的成本实现高质量的全向图像合成。

受到摄影游戏《Pokemon Snap》的启发，《Monster Snap》预计将于2026年第一季度发布。这款游戏将支持Meta Quest、Steam和索尼PSVR 2平台。《Monster Snap》由Moo Duck Games开发，玩家可以在游戏中拍摄大脚怪和尼斯湖水怪等生物的照片。故事背景是玩家进入了百慕大三角，却发现自己被困在一个未知的岛屿上。这个岛屿有白雪皑皑的山峰、崎岖的海岸线和神秘的森林，每个地点都生活着各种神秘生物，比如美人鱼、狼人和独角兽。与《Pokemon Snap》类似，每张照片会根据拍摄质量得到评分，罕见的瞬间和独特的姿势将获得更高的分数。敬请期待《Monster Snap》在2026年第一季度发布。

在计算机视觉和计算机图形学领域，3DGS（3D高斯模型）通过其高渲染速度和卓越的质量引起了广泛关注。然而，将3DGS应用于动态场景一直面临模型尺寸过大、视频时长限制和内容偏差等问题。为了解决这些问题，美国威斯康星大学麦迪逊分校团队提出了一种新框架SwinGS，利用实时流媒体方式训练、传输和渲染体三维视频。实验结果表明，与之前的方法相比，SwinGS降低了83.6%的传输成本，而PSNR（峰值信噪比）的损失可以忽略不计。SwinGS可以很容易扩展到长视频序列而不影响质量。团队表示，他们的研究代表了体三维视频流式传输领域的重要一步，并提供了新的途径，预计将促进实时容量视频流的进一步创新。该研究利用3DGS的优势实现紧凑的表示、高渲染质量和快速渲染速度，为沉浸式和交互式视觉体验开辟了新的可能性。