第1048章 1000万员工?我就是唐僧!几万块买条胳膊?(5 / 7)

投票推荐 加入书签 留言反馈

  看到这一幕,掌声轰然炸开。
  马库斯咧嘴一笑,对灵枢s1的期待值更高了。
  不愧是智橙科技!
  不愧是研发出了livevoice同声翻译、莫斯(alea)智能语音系统、orangeai的人工智慧公司!
  但演示还没有结束,王瑞雪从桌上拿出一副標准扑克牌,抽出三张,正面朝下放在桌上。
  “请您用灵枢s1翻开其中任意一张牌。”
  马库斯盯著那三张牌,想像著右手食指伸出、指尖下压、向上一挑。
  仿生手的食指果然伸了出来,指腹精准地压在最左边那张牌的边缘。
  然而,在上挑的瞬间,食指的角度出现了约五度的偏差,牌只翻了一半便又倒了回来。
  失败了?
  王瑞雪见状,神色从容。
  马库斯连忙又尝试了一次,这次成功了!
  毕竟是非侵入式仿生义肢,能做到这种程度,已然称得上是顶尖水准。
  其实无论是脑机接口、神经接口,半侵入式的靶向肌肉神经再支配技术,还是非侵入式的肌电控制方案,本质上都只是在“推测”大脑意图,而非真正的“读心术”。
  翻译识別效率越高,產品的实际表现力就越强。
  目前该领域第一梯队的实验室数据,在握拳、方向控制、抓握这类简单二分类动作上,准確率也仅在80%到85%之间。
  行业平均水平在70%到80%,遇到复杂多指动作或连续控制时,准確率常会跌到70%以下,还需要使用者反覆训练与校准。
  而灵枢s1对简单指令的识別解析率,却明显超过了90%,精准度远超同行。
  马库斯的演示结束后,展台前的人群不仅没有散去,反而越聚越多。
  社交媒体上,关於灵枢neurolinks1的短视频已经开始疯传了,马库斯捏鸡蛋、拿扑克牌的画面,在短短二十分钟內就被转发了十万次。
  “下一位!”
  王瑞雪朝队伍喊道。
  走上来的是一位三十出头的女性,短髮,身材瘦削,左臂从肘关节以下缺失。
  她叫艾琳,墨西哥裔,在圣迭戈一家食品加工厂工作时,左前臂被捲入了传送带。
  与马库斯不同的是,艾琳的残端更短,可用於採集肌电信號的肌肉群面积更小,这意味著电极阵列的覆盖区域会受到显著限制。
  这恰恰是非侵入式仿生义肢最大的技术瓶颈之一,残端条件越差,可採集的神经信號就越微弱,ai解码的难度就越大。
  王瑞雪仔细检查了艾琳的残端情况后,选择了一套更小號的柔性凝胶贴片,並调整了接受腔的大小。
  屏幕上的波形图明显更加紊乱,尤其是对应残余指浅屈肌群的三条曲线,信號幅值不到马库斯的一半。
  但ai解码引擎在后台飞速运转,自適应滤波算法逐帧剥离噪声,深度学习模型根据艾琳的肌肉收缩特徵,实时重构出运动意图的概率分布图。
  四分半钟后,校准完成。 ↑返回顶部↑

章节目录