Nweon

AR设备中的投影仪是一个关键组件，微型投影仪开发商TriLite刚刚发布了激光扫描仪光引擎Trixel 3。这个微型模块非常小，整体尺寸缩小到1立方厘米以下，重量仅为1.5克，它可以成为AR智能眼镜的关键元件。现在，TriLite与电子原材料及元器件商TDK合作，后者将为Trixel 3提供微型MEMS反射镜。 Trixel 3的重量不到1.5克，占用的空间不到1厘米x 1厘米 x 10厘米。其核心是TriLite集成的RGB彩色激光模块和专门为AR应用优化的定制微透镜。TriLite的软件驱动硬件架构和专有的高精度激光焊接技术大大降低了模块的成本，同时不会对图像质量或性能造成任何影响。 TriLite团队表示，他们的设计理念是在制造生态系统中最大限度地使用标准组件和设备。TDK MEMS反射镜是确保Trixel 3在亮度和尺寸方面满足同类产品的关键元件。TDK则表示，他们的小型化MEMS反射镜使得Trixel 3能够提供明亮、清晰的图像，他们很高兴能将多年的研究和MEMS能力以及大规模制造能力带到这个合作伙伴关系中。

XR微型显示器制造商eMagin宣布董事会同意接受三星旗下Samsung Display的收购要约，以每股2.08美元的价格收购所有已发行的eMagin普通股，交易价值约为2.18亿美元。Samsung Display表示收购旨在加强公司的XR业务，因为他们预计XR设备在未来具有巨大增长潜力。目前，交易尚需通过即将召开的股东特别会议才能正式完成，eMagin董事会正在呼吁持股股东投票支持。自2016年以来，eMagin一直致力于开发dPd技术，该技术能够实现全彩Micro-OLED显示器，具有前所未有的亮度和分辨率组合，同时具备高填充因子和纱窗效应等优势。eMagin首席执行官表示，通过与Samsung Display合作，可以实现下一代微显示技术的全部潜力。此外，三星正在加码XR领域，计划在2023年发布新一代XR设备，并构建以三星为中心的XR生态系统。三星还确认与谷歌和高通合作研发全新的XR产品，其中芯片组由高通提供，硬件由三星提供，而软件由谷歌提供。

Bigscreen是一款专注于共同观影的VR社交应用。该公司最近发布了一款名为Bigscreen Beyond的售价为999美元的轻薄款PC VR头显，它声称是世界上最小最轻的系留式PC VR头显，重量仅127克，最薄处不到1英寸厚。该头显可以根据面部的3D扫描进行定制，并提供双Micro-OLED显示器、单眼分辨率2560×2560、Pancake光学和六自由度Steam VR追踪支持等功能。Bigscreen Beyond主要面向已加入SteamVR生态系统但希望拥有更薄、更轻产品的PC VR用户。需要注意的是，999美元的套装不包括SteamVR定位器或SteamVR兼容控制器，用户需额外购买。该头显采用了Pancake光学技术和双Micro-OLED显示器，具有高填充因子，有助于消除纱窗效应。另外，用户可以通过iPhone XR或更新的苹果手机对面部进行扫描，以获得个人定制的面部界面和瞳孔间距离。此外，Bigscreen Beyond还可手动清洗面部界面，并需要搭配定制镜片使用。预购已经开始，将于2023年Q3季度首先在美国发货。之后还会支持加拿大、欧洲、日本、澳大利亚和新西兰等国家和地区。

据映维网Nweon报道，Valve的产品设计师格雷格·库默在采访中表示，该公司正在积极研发一款全新的VR头显，并对VR媒介和VR游戏充满信心。现在根据招聘信息显示，Valve正在积极招揽与虚拟现实硬件开发相关的人才。有线人士布拉德利·林奇透露，Valve已经引进了两名有VR显示和光学经验的人才，其中一人将为“下一代Valve Index和Steam Deck产品”提供建议，另一人则专注于将“下一代Valve Index”产品推向商业市场。根据Valve官方的人才招聘官网显示，该公司对具有VR专业知识的人员非常感兴趣。招聘描述中提到，Valve正在寻找视觉和用户体验设计师来为桌面、移动、掌机和VR创建用户界面。此外，在硬件软件工程师招聘清单中出现了与“下一代VR和掌机游戏产品”以及“核心VR技术（追踪、光学校准、显示器定制）”相关的描述。尽管Valve仍在积极推进VR头显的研发，但目前还不清楚他们将在何时发布全新的设备。

VoxelSensors宣布获得了500万欧元的种子轮融资，由Capricorn Partners和Qbic领投，并有其他现有投资者参与。VoxelSensors是一家专注于研发传感器技术的公司，其技术旨在融合物理世界和数字世界。他们的传感技术具有低功耗、低延迟和低复杂度的特点，适用于增强现实（AR）和虚拟现实（VR）领域。该公司的方法可以在不到1毫秒的时间内获取整个视场的稀疏图像，与传统的LiDAR方法相比，VoxelSensors的处理时间更短。此外，该技术通过简单的三角测量来确定3D距离，不需要复杂的图像处理。VoxelSensors的解决方案具有低功耗和低延迟的特点，能够无缝融合物理和数字世界，并释放出沉浸式体验的潜力。

MediView XR是一家围绕微软HoloLens 2开发产品的混合现实医疗公司。他们近期宣布获得了一笔价值1500万美元的战略融资，资方包括梅奥诊所、克利夫兰诊所、GE HealthCare、JobsOhio Capital Growth Fund、Inside View Investments LLC和KKVS Syndicate。这次融资使得MediView的总融资额达到了大约2950万美元。MediView利用混合现实技术解决了当前医学成像技术的局限，提供了一个基于HoloLens 2的直观的3D混合现实可视化平台，可以支持广泛的临床适应症和解剖结构，并提供实时反馈和准确定位。MediView将继续构建和扩大其平台产品，致力于产生更多的临床证据、产品开发、知识产权、监管和商业里程碑。此外，MediView正在与梅奥诊所、克利夫兰诊所和GE医疗等合作，推进混合现实技术在医疗领域的应用。

2023年Qualcomm XR创新应用挑战赛已经开始接受报名。回顾2022年的挑战赛，湖南大猫信息科技有限公司的团队开发的《猫咪密室逃脱》获得了PICO VR专项奖银奖。徐宗胤是湖南大猫信息科技有限公司的老板，他分享了关于参赛作品和参赛团队的细节。《猫咪密室逃脱》是一款单人冒险解密游戏，有滑雪场、渔村、太空飞船和海上游轮等四个主题。游戏使用Unity引擎，并基于Pico Neo 3硬件开发。在参赛过程中，团队遇到了一些挑战，主要是游戏效果缺乏，后来参照其他同类型的游戏进行了改动。团队在比赛中的收获是正规化制作流程和发布流程，结识了友商和PICO的技术人员。湖南大猫信息科技有限公司是一支由13位年龄在90后和00后的技术和美术同事组成的团队，主要业务是XR软件开发。对于AR/VR行业未来三年的发展，徐宗胤认为目前的技术无法开辟新市场，游戏方面需要提高性价比和降低设备门槛。团队表示将参加2023年的Qualcomm XR创新应用挑战赛。

映维网（Nweon）报道了一项名为“Strain management of iii-p micro-led epitaxy towards higher efficiency and low bow”的专利申请。该专利申请介绍了如何通过管理外延层中的应变来控制衬底弯曲度，以提高Micro LED晶片的效率和减小弯曲。通过生长具有压缩应变的特定外延层和具有拉伸应变的其他外延层，可以抵消应变，减小晶片的弯曲。拉伸应变还可以提高p-n结中p侧的势垒，从而提高Micro LED晶片的效率。专利申请还提到了不同材料和层次的应用，并强调通过调节应变水平和厚度来控制衬底弯曲度。该专利申请的目的是改善Micro LED的性能和可靠性，并提高与背板的结合质量。

微软宣布，他们的混合现实头显HoloLens 2将进入沙特阿拉伯市场，以开启沙特的计算新篇章。微软阿拉伯表示，HoloLens 2将通过混合现实技术为教育、制造业、旅游和医疗保健等行业带来计算的新愿景。微软还与Al Falak Distribution合作，成为HoloLens 2在沙特阿拉伯的独家经销商。 HoloLens 2相比于前一代设备进行了全面优化，全息图形更加生动逼真，提供更加沉浸的体验。HoloLens 2的视场扩大了一倍以上，达到了约52度，每个视距有47像素。另外，HoloLens 2采用了新的交互方式，用户可以通过自然的手势直接操作全息图，并通过眼动追踪传感器精确追踪注视点的位置。此外，HoloLens 2采用了更加平衡和舒适的设计，通过新的均热板技术改善了热管理，并解决了头部尺寸和形状的生理变化。 微软还提到了一些混合现实应用程序，如Dynamics 365 Remote Assist、Dynamics 365 Layout和Dynamics 365 Guides，以及基于HoloLens的广泛产品，为各种行业提供价值。

OpenAI在文本到三维对象的研究方面取得了进展，并发布了名为Shap-E的系统。Shap-E可以直接从文本描述中生成3D asset，也可以从提供的图像中构建相关内容。与早期的Point-E系统相比，Shap-E的速度大大增加。Shap-E能够以“隐式函数”的形式建立模型，并可以呈现为纹理网格或者神经辐射场（NeRFs）。尽管Shap-E的质量不及其他优化模型，但其速度要快几个数量级，从而为用户提供了有利的权衡。 最近，生成式图像模型的增长引发了对训练其他类型模型的兴趣，如音频、视频和3D asset的模型。由于3D asset的表达方式存在挑战，隐性神经表征成为流行的3D asset编码方式。OpenAI的研究专注于两种类型的隐性神经表征的3D表示。为了解决成本高昂和参数过多的问题，社区采取了不同的方法，如使用隐式解码器的自动编码器、元学习和Transformer编码器。 Shap-E是一个适用于复杂的3D latent表征的条件生成模型。通过训练基于Transformer的编码器来产生3D asset的隐性参数，并在编码器的输出上训练扩散模型。与以往的方法不同，产生的隐性神经表征同时代表NeRFs和网格，可以以多种方式渲染或导入下游的3D应用程序。模型在数百万个3D asset的数据集上训练后，在文本提示的条件下可以生成多样化、可识别的样本。 然而，研究人员观察到Shap-E在直接以文字说明为条件时样本质量较差，但推理时间比基于优化的文本条件的3D生成方法快几个数量级。因此，用户可以根据场景需要使用Shap-E快速生成质量要求不高的3D asset，而对于高质量要求的元素则可以使用其他3D生成方法，从而快速高效地完成场景创建。