至顶网CIO与应用频道 02月26日 北京消息:PTC(纳斯达克股票代码:PTC)在巴塞罗那举办的2019世界移动通信大会上宣布,其VuforiaÒ增强现实和混合现实(AR/MR)解决方案将为Microsoft HoloLens 2提供内置支持。Vuforia解决方案充分利用了Microsoft HoloLens 2的新手势、语音增强和跟踪功能,帮助工业客户高效、有效地创建AR/MR交互体验,而无需借助繁复的编程工作或昂贵的自定义设计器。
如今,工业制造商面临着熟练工人日益短缺、人员变动率高、产品日益复杂以及激烈的竞争压力等问题。而增强现实和混合现实技术则能在日常工作的真实环境中为员工提供他们最为需要的信息——即他们日常工作中的真实环境——从而提高工作效率,帮助制造商战胜这些挑战。
借助Vuforia Studio为HoloLens 2创建的沉浸式“免手持”体验,工业用户可以为员工提供支持,改善制造、服务和培训流程,从而开辟新的商机,更好地满足客户的需求。
PTC总裁兼首席执行官Jim Heppelmann表示:“工业领域AR/MR的一个关键价值驱动因素就是利用‘免手持’的操作步骤指导提高员工效率。Vuforia Studio的高效AR/MR编写环境与HoloLens 2改进后的易用性和舒适度相结合后,必将成为工业制造商制胜的法宝。”
Howden利用Vuforia和HoloLens 2创造沉浸式客户体验
在本周举行的世界移动通信大会上,PTC和微软将向与会者展示正在采用Vuforia Studio和HoloLens 2改善服务体验的Colfax集团子公司Howden如何利用AR/MR提高员工效率。Howden是一家全球化工程公司,旗下的工业产品广泛应用于从矿井通风、废水处理到加热、冷却等诸多工程领域,改善其日常流程。
Howden利用现有的3D模型,通过Vuforia Studio创建了可扩展的混合现实分步服务指南。通过整合来自PTC的ThingWorxÒ工业物联网平台和Microsoft Azure的实时和历史物联网数据,Howden正在不断提高客户使用其设备的体验。
Howden集团全球数据驱动优势主管Maria Wilson博士介绍说:“在操作我们的设备时,流程至关重要。我们的客户希望我们提供解决方案,让他们能够更好地为设备提供服务。Microsoft HoloLens呈现的混合现实让客户真正体验到了身临其境的感觉。它使客户能更好地了解设备的运行条件和性能,这是前所未有的。”
推动工业企业采用AR/MR
此次公告预示着,PTC和微软自2017年启动的合作,其下一步是推动AR/MR在工业企业中的应用。Vuforia Studio和HoloLens 2将帮助内容创建者利用他们在ThingWorxÒ和Azure上的现有3D和物联网数据,在真实环境中改善协作,促进理解,提高生产力。
微软AI和混合现实技术研究员Alex Kipman表示:“Vuforia和Microsoft HoloLens 2的集成使得我们继续深入与PTC的合作,同时推动我们为制造领域的客户提供变革性的体验。我们期待合作将提供创新的内置解决方案,加快混合现实在工业领域的应用。”
开发人员还可以借助Vuforia Engine利用HoloLens 2的高级功能,提供更为独特、引人入胜的交互性移动体验,帮助人们更好地了解品牌和产品。
作为PTC目前推动创新并为客户提供最佳解决方案来应对制造、服务和培训难题的计划的一部分,PTC的Vuforia解决方案在未来还将利用最近推出的Microsoft Azure Spatial Anchor 服务,以实现更多协作性、跨平台的混合现实体验。
好文章,需要你的鼓励
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
微软正式确认配置管理器将转为年度发布模式,并将Intune作为主要创新重点。该变化将于2026年秋季生效,在此之前还有几个版本发布。微软表示此举是为了与Windows客户端安全和稳定性节奏保持一致,优先确保安全可靠的用户体验。配置管理器将专注于安全性、稳定性和长期支持,而所有新功能创新都将在云端的Intune中进行。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。