登录社区云，与社区用户共同成长
邀请您加入社区
VR线上展厅是融合等技术的数字化展示空间。与传统图片和视频不同，VR线上展厅让用户通过一个链接即可“走进去”——在三维空间中自由行走、切换视角、与展品互动，无需下载任何软件，在电脑、手机、平板等设备上均可流畅运行。深耕数字展示领域近二十年，是国内首批完成的数字内容服务商之一。公司自主研发的AI 3D视觉算法与互联网VR三维渲染技术，可为房地产、汽车、科技、政府公共、行业协会等多元客户提供从的VR线
灾备与数据保护技术实战：CDP持续保护、数据库备份、异地容灾架构等核心技术深度解析。
在线编辑功能 ，也可以下载glb模型，和gltf模型。直接打开官网glbxz.com。
智慧园区数字沙盘是融合三维建模、GIS地理信息、BIM建筑模型、IoT物联网数据与实时渲染引擎的综合性数字孪生展示与管理系统。它将真实园区1:1还原进数字世界——园区建筑、道路、管网、设备全部三维可视，从原材料进来、成品出去，到库存有多少、物流怎么走，所有生产指标实时更新。特征说明全要素可视化园区建筑、道路、设备、管网1:1三维还原实时数据联动集成IoT传感器、MES、ERP等系统数据，分钟级刷新
摘要：芊云全景上线了MCP（ModelContextProtocol）服务，让AI不仅能回答问题，还能直接调用业务系统完成任务。用户通过自然语言指令如"查询最近创建的全景作品"，AI会自动选择合适的工具执行操作并返回结果。MCP作为AI与业务系统的适配层，既保留了原有权限和数据隔离，又避免了API直接暴露给AI导致的选择混乱。目前服务已接入作品、场景、素材等核心业务能力，未来将
训练一个视频表征模型，用于query文本检索召回视频。文本、视频画面、ASR 文本处于同一个向量空间中的跨模态表征。因为GME模型没有经过图像/视频训练，所以这里的对比中GME是对帧图emb进行mean pooling处理multi-agent：Routing Agent：判断该聊天还是搜索。Search Agent：调用检索模型召回 Top-10，再调用 LLM 重排。Chat Agent：基于
如果说20世纪的机器人学是“伽利略时代”——依靠精确观测和数学推导建立运动规律，那么21世纪20年代的机器人模仿学习正在开启一个“牛顿时代”——从海量演示数据中提炼出通用的操作智能。DAgger、Transformer Policy和Action Chunking这一技术栈的组合，代表了当前机器人模仿学习的最前沿。它们不是孤立的技巧，而是相互依存、相互增强的完整体系。
空间数据层（覆盖全国 61 项世界遗产、全部国家 5A 级旅游景区、全部 19 个联合国世界旅游组织“最佳旅游乡村”，以及大量国家级博物馆、重点文物保护单位、爱国主义教育基地等 VR 全景数据）→ 采集与重建层（3DGS+无人机低空采集+数字人+XR融合）→ 交互与体验层（XR文旅实训平台+数字文旅成果资产平台）。低空视角与地面全景数据互补，共同构成对物理空间更完整的数字化记录。数字文旅成果资产平
一、全景影像采集——把真实世界装进数据库。消费级四足机器人（机器狗）搭载全景设备，按编程路径自动完成多高度采集，与地面、无人机数据合并为完整三维模型。空间数据的价值不在数据本身，而在应用场景——数字文旅学生既懂场景又懂技术，天然处于“场景理解—数据采集—内容创作”的交叉点。技术能力备注：本文涉及的VR全景影像库（61项世界遗产、240余遗产地）、数字人动作生成与人景合一融合技术（均已获发明专利）、
GitHub - neophack/rokidsdk
【征文计划】 Rokid JSAR 行星系统实践：3D 模型加载与 SLAM 空间融合技术解析
作为当前虚拟和现实结合最可行的路径，XR 成为值得挖掘的一块宝地。就在昨天，Cocos 引擎正式推出 XR 内容开发工具 Cocos CreatorXR，助力开发者高效创作 XR 相关内容或将现有内容转换为 XR 项目，并以高性能、轻量化的包体形式，适配到各大主流平台与设备中。XR 未来将如何发展？应用场景如何落地？Cocos CreatorXR 都有哪些能力？今天下午，由 Cocos 引擎与国内
北京时间6月7日，苹果召开了 WWDC 2022全球开发者大会，虽然此前备受期待的 AR/MR 头显设备缺席，市场期待值却并未下降——近年来，随着 XR（AR/VR/MR）技术的提升与硬件体验的改善，行业呈现井喷之势，据中国信通院预测，全球虚拟（增强）现实产业规模未来五年增长率约为54%，其中 VR 增速约45%，AR 增速约66%，在2024年二者市场规模预计均可达到2400亿元。而用户对优质
MANUS Metagloves Pro Haptic 的手部数据采样率为 120 Hz。面对关节角或指尖轨迹中的小幅抖动，很多开发者会直接套用移动平均或低通滤波，却忽略截止频率、相位延迟、边界效应和接触峰值损失。本文介绍 Nyquist 频率、频谱检查、Butterworth 滤波、零相位离线处理、因果实时滤波、导数估计和四元数边界，给出一套适用于动作捕捉、机器人遥操作和科研数据分析的参数验证方
MANUS Metagloves Pro Haptic 可以输出完整的 25DoF 手部骨架。面对几十个相互关联的关节变量，直接逐列分析不仅效率低，也容易忽略手指之间的协同关系。本文从经典的 hand synergies 研究出发，介绍如何用 PCA 对手部姿态进行降维，讨论特征选择、角度处理、被试归一化、训练集泄漏、主成分解释和时序局限，并给出适合抓握研究、手势识别和机器人示教的数据流程。
MANUS Metagloves Pro Haptic 以 120 Hz 输出手部数据时，短时间演示用 CSV 足够，长期采集却会遇到文件膨胀、字段歧义、读取缓慢、精度损失和版本不可追溯等问题。本文从行数估算、宽表与长表、时间戳、缺帧、浮点精度、Parquet/HDF5、分块、校验和与数据清单出发，介绍一套适合科研、机器人示教和机器学习项目的手部时序数据存储方案。
本文介绍了如何利用模板化开发加速VR大空间项目启动。通过UE官方VR模板解决基础功能（传送、抓取等），结合大空间专用框架处理行走坐标问题，再配合商城资产或自建场景模板库，可将项目周期从3个月缩短至3天。文章还建议将AI辅助工具（如MCP插件）与模板结合，自动化处理定制需求，让团队专注于创意设计。最后提醒需注意移动端渲染限制和插件兼容性问题。这种模板+AI的工作流能显著提升VR开发效率。
AI危险源识别技术正以前所未有的速度改变工地安全管理的方式。从“人眼巡查”到“AI秒级预警”，从“被动应对”到“主动管控”，AI让每一处隐患都无所遁形、每一次预警都分秒必争、每一次处置都闭环可溯。未来，随着大模型、多模态AI、具身智能等技术的持续突破，AI危险源识别将从“识别违章”走向“预判风险”，从“辅助决策”走向“自主处置”，真正成为工地安全的“智慧大脑”。业荣数据深耕智慧工地与智能建造领域，
使用 MANUS Metagloves Pro Haptic 采集手部动作时，开发者经常会遇到一些看似异常的数据：四元数突然整体变号、欧拉角从 179° 跳到 -179°、插值后的手指绕远路旋转，或者滤波后姿态反而抖动。这些现象不一定来自数据手套故障，很多是旋转表示和处理方法造成的。本文从四元数双覆盖、坐标约定、归一化、SLERP、姿态滤波与角速度计算入手，给出一套适合手部动捕、机器人重定向和机器
MANUS Metagloves Pro Haptic 可以输出高频手部骨架与指尖位姿，也能向五根手指发送振动反馈。把这类设备接入 ROS 2 时，真正困难的并不是“把数组发布出来”，而是如何定义坐标系、时间戳、消息语义、QoS 和失联行为。本文给出一套不依赖虚构官方 ROS 插件的桥接思路，适合机器人遥操作、灵巧手映射和具身智能数据采集项目。
随着技术的进步，虚拟现实（VR）和增强现实（AR）已逐渐成为现代应用的核心功能，特别是在游戏、教育、医疗、零售等领域。虚拟现实通过创建一个完全虚拟的环境，提供沉浸式的体验，而增强现实则是在现实世界中叠加虚拟对象，为用户提供更为互动的体验。在鸿蒙（HarmonyOS）中，随着设备硬件性能的提升和软件框架的不断完善，AR 和 VR 的开发变得越来越简单。鸿蒙提供了对ARCore（用于 Android
虚拟现实（VR）和增强现实（AR）是近年来备受关注的技术，它们为用户提供了更加沉浸式的互动体验，广泛应用于娱乐、教育、医疗、游戏、工业等领域。随着智能设备的普及，鸿蒙操作系统（HarmonyOS）也开始支持 AR/VR 应用的开发，帮助开发者构建身临其境的互动体验。本文将介绍虚拟现实和增强现实在鸿蒙中的应用，重点讲解如何使用鸿蒙的 AR/VR 库进行开发，如何结合设备传感器和图形处理实现沉浸式体验
✅ **4. 合规性运行时断言（Runtime Compliance Assertions）**- 在OCI基础设施层嵌入轻量级合规检查器（OCI Compliance Guard），在每次Agent推理调用时实时验证：▪ 数据访问是否满足最小必要原则（如仅读取近6个月血糖记录，而非全量病史）；▪ 输出是否规避绝对化表述（禁用“必须”“唯一”，改用“推荐”“首选”，符合《互联网诊疗监管办法》）；▪
在包含日常物体和AI生成物体的多样化RGB和RGB-D图像上的评估结果表明，该方法生成的抓取在物理上可行且语义上恰当，与人类标注高度一致，在真实世界的抓取任务中取得了高成功率。ORACLE-Grasp提出了一种将LMM语义推理与经典计算机视觉技术相结合的混合抓取框架，在未知物体上实现了稳健的、任务相关的抓取预测。提出了ORACLE-Grasp，一种新颖的零样本可供性对齐抓取框架，利用LMM作为语义
力反馈遥操作机械臂系统通过双向闭环实现跨空间精准操控与触觉反馈。系统由力反馈主手和机械臂从手构成，以4kHz高频实现动作同步和力觉传递，结合虚拟夹具、立体视觉等智能辅助功能。典型应用包括：医疗领域（远程手术、超声检查）、危险环境作业（核设施维护、太空探索）及工业精密装配。该系统将人类感知判断能力与机器力量精度相结合，突破空间限制，在危险或高精度场景中具有重要价值。
对于需要特殊清理逻辑的资源（如文件句柄、网络连接），可以使用自定义删除器。
综上所述，面对C/C++内存安全挑战，现代编程实践倡导以智能指针为核心，辅以RAII原则、标准库容器以及各类分析工具，形成一个多层次、纵深防御的体系。这要求开发者转变思维，从传统的手动管理模式，升级为系统化、自动化的资源管理策略，从而在保持语言高性能优势的同时，最大限度地提升代码的安全性与可靠性。RAII是C++特有的重要编程理念，它将资源的管理与对象的生命周期绑定。智能指针是封装了原始指针的类模
Python、PHP、C#和C++构成了现代软件开发的四根强大支柱，它们并非简单的替代关系，而是在不同的维度上解决不同的问题。选择哪一门语言，取决于项目的具体需求：追求开发速度和数据科学能力，Python是理想选择；专注于构建传统的Web应用，PHP及其框架依然高效可靠；需要跨平台、高性能且稳健的企业级解决方案，C#和.NET生态值得信赖；而当性能达到极限，需要对硬件进行精细控制时，C++仍然是无
智能指针自动管理内存释放，大大减少了手动内存管理的错误。C++提供了多种内存管理机制，从最基本的手动管理到现代化的智能指针，理解这些概念是成为一名合格C++开发者的第一步。内存泄漏是最常见的问题之一，发生在已分配的内存未被释放时。悬空指针是另一个危险问题，指向已被释放的内存区域，访问这类指针会导致不可预测的行为。内存池技术通过预先分配大块内存并自行管理分配，减少频繁的系统调用开销。使用线程安全的数
structured_title = f[{style}] {topic}技术：利用{technique}实现{article_title}的进阶指南。print(full_title)# 输出：技术教程：动态标题生成的【基础语法】使用Python实现简单文章标题构建。full_title = f技术教程：{core_function}的{article_title}f{os.getenv('TO
$ \text{加载优先级} = \frac{\text{社交亲密度}}{ \text{距离} \times \text{设备性能系数} } $$通过该方案可确保在社交密度为 20 人/m³ 的 VR 场景中保持视觉一致性，同时满足 WebXR 性能基准要求。
用户通过自然手势控制虚拟形象，抓取交互对象的延迟 < 150ms，识别准确率 > 92%。该方案解决了 VR 社交中肢体表达缺失的核心痛点，使交互更符合人类自然行为模式。本指南通过 React 360 实现用户头像的实时手势控制，解决传统控制器交互生硬的痛点。注：完整项目需结合 Three.js 骨骼动画系统实现精细手部动作，建议使用 GLTF 2.0 格式的带骨骼手部模型以获得最佳性能。{k-1
通过以上技巧——组件复用、状态优化、懒加载、代码分割和渲染控制——您可以大幅精简 React 360 VR 社交头像系统的代码。保持组件小而专注，延迟非关键资源加载，并优先使用 React 原生特性。实际开发中，建议结合性能测试工具（如 React DevTools）来验证优化效果。应用这些方法后，您的应用将更轻快，提升用户在 VR 社交中的沉浸感。如果有具体场景需求，欢迎进一步讨论！
本文介绍了如何使用Three.js在Vue.js项目中创建可交互的360度全景视图。主要内容包括：通过npm安装three.js库；准备全景图片资源；编写Vue组件实现全景图查看器，包含场景、相机、渲染器的初始化；使用球体几何体映射全景图；处理用户交互（拖拽查看、滚轮缩放）和窗口大小调整；最后通过动画循环持续更新渲染画面。关键代码展示了如何加载纹理、控制视角和实现交互功能。
Ranges（范围）| 算子融合技术消除中间迭代成本| 算子链式调用（如`.filter().transform()`） || Concepts（概念）| 编译期类型检查，减少模板崩溃| 模板接口文档化，意图表达更清晰|| Coroutines（协程）| 用户态调度实现比线程更低的上下文切换开销 | 高阶异步编程抽象（如`co_await`语法）|// 优化为直接内存写入。
类名 `UpperCamelCase`（如 `FileHandler`）、变量 `lowerCamelCase`（如 `maxSize`）、常量全大写（如 `MAX_ELEMENTS`）。- `gdb`：`gdb a.out` 后输入 `run`、`break` 设置断点，`step` 进入函数内部。- 将 `O(n^2)` 算法替换为 `O(n log n)`，例如用 `unordered_ma
vr
——vr
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
2048 AI社区
鲲鹏昇腾开发者社区
天工造物局
亚马逊云科技技术品牌专区
MCP技术社区
AI Agent技术社区
DAMO开发者矩阵
乐奇 Rokid 开放社区
AtomGit AI 社区
openEuler 社区
魔珐星云开发社区
HarmonyOS开发者社区
AI编程社区
全球具身智能开发者社区
