科技行者 7月27日 北京消息:軟件定義智能表面交互(SDS)領域的先驅顯通科技宣布推出SDS GamingBar解決方案。GamingBar由顯通科技的SDSWave技術提供動力,為移動游戲市場量身定制。顯通科技的SDSWave技術使用超聲波,使壓力敏感的觸控界面突破了材質和設備的界限,為邊框解鎖了可定制交互式體驗的新功能,同時消除了機械按鍵帶來的一系列結構性難題。
騰訊聯合華碩剛剛在中國市場推出的ROG 3游戲手機率先使用了SDS GamingBar,其采用的GamingBar通過在設備上無結構阻隔的交互方式為新升級的、超靈敏度AirTriggers提供動力。AirTriggers是去年上市的ROG 2中最受歡迎的功能之一,可以對其進行定制以識別專業(yè)級游戲所需的極高準確性的點擊、按壓、擠壓或手勢。來自京東商城的評論表明,SDSWave技術驅動的ROG 2 AirTriggers獲得了99%以上的用戶廣泛好評。
騰訊游戲表示:“ AirTriggers無疑是我們在ROG 2中做出的最明智的決定,也是我們游戲玩家最喜歡的功能之一。在一個場景中快速點擊實現迅速裝彈,立即在下一個場景中輕輕滑動即掃滅敵人,沒有任何其他解決方案能給玩家這樣輕松快速的互動體驗。當你在游戲中體驗過顯通科技的技術后,就會真正深刻體會到物理按鍵的笨拙原始以及它們在游戲操作中的局限性。顯通科技提供的數字控制將移動游戲體驗提升到了一個新的高度,帶來了創(chuàng)新的碾壓式體驗。”
與ROG 2相比,部署了全新的GamingBar將游戲性能提升了5倍,并提供了獨特的滑動功能。長時擠壓填裝彈藥、輕掃控制方向,輕點射擊,這些GamingBar帶來的軟件定義功能將用戶體驗帶到一個全新水平,已被證明優(yōu)于友商的其他解決方案。
華碩智能手機業(yè)務部總經理Bryan Chang表示:“AirTriggers在ROG 2游戲手機中的表現廣受好評,迅速成為了最受歡迎的功能之一。因此我們非常高興能夠在ROG 3中部署更快的AirTriggers,這要歸功于顯通科技的GamingBar。通過OTA固件更新來升級AirTriggers功能的能力是該技術的另一個主要優(yōu)勢,它使我們不受任何硬件限制,能夠不斷功能迭代并突破移動游戲極限邊界。”
GamingBar還為開發(fā)人員提供了全新機會,因為可以對其進行編程并根據用戶的手勢激活多個游戲控件,因此開發(fā)人員不再受限于每個物理按鍵只有一個控件的限制。
顯通科技首席執(zhí)行官李政揚表示:“玩家想在游戲中碾壓對手,需要四個致勝法寶:最新和最好的CPU、漂亮的高頻顯示器、大容量電池和GamingBar。騰訊和華碩在早期就通過采用顯通科技超聲波和許多其他游戲優(yōu)化技術打了頭陣。ROG家族的巨大成功彰顯了他們的遠見與創(chuàng)新。GamingBar在游戲的速度、準確性和響應能力方面無可匹敵。因此,在GamingBar成為行業(yè)標準之前,ROG 3的游戲玩家將穩(wěn)居潮頭浪尖。”
ROG 3游戲手機
GamingBar是顯通科技超聲波SDSWave解決方案的一員,該解決方案遠不止于在游戲上的應用。從滑動變焦移動攝影,再到交互式皮革車輛內飾,SDSWave將軟件自由度和靈活性擴展到觸摸屏之外。隨著無按鍵觸摸技術擴展到物聯網和智能家居的方方面面,顯通科技的超聲波技術通過增強軟件定義表面的功能,為產品設計師提供了無限可能。
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據不同問題靈活調整內部專家配置。該方法在數學、編程等任務上顯著提升推理準確率,且不增加計算成本。研究發(fā)現不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯合研究團隊開發(fā)出Rolling Forcing技術,實現AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質量視頻,延遲僅0.76秒,質量漂移指標從傳統方法的1.66降至0.01,為交互式媒體和內容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現,通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構建了包含約30000個幾何題目的Euclid30K數據集,使用強化學習方法訓練多個AI模型。實驗結果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。