Unity Meta Quest MR开发:Scene API实现虚拟与现实碰撞交互
1. 项目概述当虚拟世界“撞”上现实在混合现实MR的世界里最令人着迷的体验之一莫过于你手中的虚拟光剑能“当”的一声敲在真实的桌面上或者一个虚拟的皮球从真实的沙发滚落到地板。这种虚拟物体与现实环境发生物理交互的沉浸感是MR区别于VR的核心魅力。今天要聊的就是在Unity中为Meta Quest设备开发MR应用时如何利用Scene API来配置环境并最终实现虚拟与现实之间的碰撞。简单来说这个项目就是教你怎么让Quest头盔“看懂”你的房间并让虚拟物体尊重你房间里的物理规则。它解决了MR开发中最基础也最关键的问题虚实融合的物理可信度。无论你是想做一个MR版的“水果忍者”让虚拟水果在真实桌面上被切开还是开发一个MR家具摆放应用预览新沙发是否会撞到你的茶几这套技术都是基石。适合有一定Unity和C#基础的开发者特别是对MR交互和物理系统感兴趣的朋友。2. Scene API 深度解析让头显成为“空间理解大师”Scene API是Meta Quest系统提供的一套核心接口它的职责是理解、分析和数字化用户所处的物理环境。你可以把它想象成头显的“空间感知大脑”。它通过头显的内置传感器如RGB摄像头、深度传感器持续扫描周围环境构建出一个包含平面、边界、语义标签如“桌面”、“地板”、“墙壁”的3D场景模型。2.1 Scene API 的核心能力与配置逻辑在Unity中集成Scene API主要涉及Meta XR Scene包。配置的第一步是理解其工作模式。Scene API通常以两种模式运行扫描模式引导用户转动头部系统主动扫描环境识别出大的平面地板、墙面、天花板和场景物体桌子、沙发。这个过程通常在应用首次启动或需要更新环境时进行。查询模式应用运行时持续或按需向Scene API查询特定区域或类型的场景信息例如“我面前1米处有没有一个水平平面”为什么选择Scene API而不是自己用点云处理答案在于效率与可靠性。Scene API是系统级服务直接利用硬件和底层算法优化提供了稳定、准确的平面和边界信息并附带语义标签。自己从零实现环境理解不仅计算量大、耗电高而且识别准确率和稳定性难以保证尤其是在复杂或光照不佳的环境中。2.2 Unity 中的 Scene API 配置步骤配置过程可以分解为几个清晰的步骤每一步都有其意图导入必要的SDK与包确保你的Unity项目已导入Meta XR Core SDK、Oculus Integration SDK以及Meta XR Scene包。这是所有功能的基础。配置项目设置在Project Settings-XR Plug-in Management-OpenXR下确保Meta Quest Support被启用。同时在Player Settings的Other Settings中声明必要的权限如SCENE权限用于场景理解。设置Scene Manager在场景中创建一个空物体并添加OVRSceneManager组件。这个组件是Unity侧与Quest系统Scene API通信的桥梁。你需要在这里配置关键参数Classification选择你想要系统识别的物体类型如FLOORTABLESOFA等。识别越多计算开销越大按需选择。Room Setup选择房间设置流程例如Normal应用内引导扫描或Imediate跳过引导使用已保存的数据。创建Scene Anchor预制体Scene API识别出的每一个平面或物体在Unity中都会以一个OVRSceneAnchor的形式实例化。你需要预先制作好对应不同类型如地板、桌面、墙面的预制体并挂载OVRSceneAnchor组件将其注册到OVRSceneManager的Room Prefab或Plane Prefab列表中。这样当系统识别出“桌面”时就会在对应位置生成你设计的“桌面”预制体。注意Scene API的识别质量高度依赖于环境光照、纹理丰富度和用户扫描的完整性。在纯白墙面、单色地毯或昏暗光线下识别可能会失败或不准。开发时务必考虑这些边缘情况设计友好的重试或手动校准流程。3. 虚实碰撞的实现原理与架构设计有了数字化的环境模型一堆带有位置、旋转和边界的OVRSceneAnchor下一步就是让虚拟物体能与它们碰撞。这里的核心思想是将Scene API提供的场景几何信息转化为Unity物理引擎可以理解的碰撞体Collider。3.1 碰撞体生成策略OVRSceneAnchor组件本身并不直接包含碰撞体。我们需要通过脚本根据Anchor的类型和数据进行动态生成。通常有两种策略运行时动态生成在OVRSceneAnchor完成初始化即其Space和Boundary数据就绪后通过脚本为其添加碰撞体。对于平面如地板、桌面通常添加BoxCollider或MeshCollider对于复杂的场景物体可能根据其边界多边形生成一个简化的MeshCollider。预制体预配置在之前步骤中制作的场景预制体里预先放置好碰撞体组件。当Anchor实例化时碰撞体自然就存在了。这种方法更简单但要求你对场景物体的尺寸有大致预估或者通过脚本在初始化后根据Anchor的实际Dimensions属性来缩放预配置的碰撞体。为什么推荐动态生成因为Scene API识别的每个桌面、地板大小都不同。预配置的固定尺寸碰撞体无法适配千变万化的真实环境。动态生成能确保碰撞体与识别出的物理边界精确匹配。3.2 关键脚本解析OVRSceneAnchor 与边界数据实现动态生成的核心是访问OVRSceneAnchor的数据。每个OVRSceneAnchor都包含一个OVRSceneRoom或OVRScenePlane组件后者提供了关键的Dimensions尺寸和Boundary边界顶点列表属性。// 示例为识别出的平面动态添加BoxCollider using UnityEngine; using Meta.XR.BuildingBlocks; public class SceneColliderGenerator : MonoBehaviour { private OVRSceneAnchor _sceneAnchor; void Start() { _sceneAnchor GetComponentOVRSceneAnchor(); if (_sceneAnchor null) return; // 等待Anchor数据加载完成 StartCoroutine(SetupColliderAfterLoad()); } System.Collections.IEnumerator SetupColliderAfterLoad() { // 等待直到Anchor被系统完全初始化 while (!_sceneAnchor.IsTracked) { yield return null; } var scenePlane _sceneAnchor.GetComponentOVRScenePlane(); if (scenePlane ! null) { // 获取平面的尺寸长和宽 Vector2 dimensions scenePlane.Dimensions; // 创建一个BoxCollider其大小与识别出的平面对齐 BoxCollider collider gameObject.AddComponentBoxCollider(); // 注意OVRScenePlane的尺寸是局部空间的且平面通常沿其法线方向如桌面朝上 collider.size new Vector3(dimensions.x, 0.01f, dimensions.y); // 给一个很小的厚度 collider.center Vector3.zero; Debug.Log($为 {gameObject.name} 生成了碰撞体尺寸: {dimensions}); } // 可以类似地处理OVRSceneVolume3D物体 } }这段代码的关键在于while (!_sceneAnchor.IsTracked)的等待。IsTracked属性表示该Anchor的空间位置和几何数据已由系统提供并稳定。在数据就绪前操作Dimensions或Boundary可能会得到零值或错误值。3.3 物理层Layer管理与交互过滤当你的场景中突然多了几十个代表真实物体的碰撞体时虚拟物体的物理交互可能会变得混乱。一个虚拟小球可能不仅会与桌面碰撞还会与墙后的另一个无关平面碰撞如果它们碰撞体重叠或穿透。这时Unity的物理层Layer系统就至关重要。最佳实践是为Scene API生成的所有碰撞体分配一个专用的Layer例如命名为“SceneMesh”。然后在虚拟物体的Rigidbody组件上或在Physics设置中配置碰撞矩阵Collision Matrix精确控制哪些层之间可以发生碰撞。例如你可以设置虚拟物体层如“Interactable”与“SceneMesh”层碰撞。“SceneMesh”层与“SceneMesh”层不碰撞避免场景物体自己和自己产生不必要的物理计算。虚拟UI层如“UI”与“SceneMesh”层不碰撞。这样你就构建了一个清晰、高效的物理交互规则确保虚拟物体只与你希望交互的真实环境表面发生碰撞避免了性能浪费和怪异的行为。4. 完整实现流程与核心代码剖析让我们将上述模块串联起来形成一个从环境扫描到虚实碰撞的完整工作流。这个过程模拟了一个典型的MR应用启动场景。4.1 步骤一环境扫描与场景模型建立首先应用需要引导用户完成环境扫描。这通常通过OVRSceneManager来管理。// 在负责场景初始化的管理器脚本中 public class MRSceneSetupManager : MonoBehaviour { public OVRSceneManager sceneManager; public GameObject scanningUI; // 引导扫描的UI界面 public GameObject completionUI; // 扫描完成的UI界面 void Start() { if (sceneManager null) sceneManager FindObjectOfTypeOVRSceneManager(); // 订阅Scene Manager的事件 sceneManager.SceneModelLoadedSuccessfully OnSceneModelLoaded; sceneManager.NoSceneModelToLoad OnNoSceneModelLoaded; // 开始场景捕获流程例如在用户点击“开始扫描”按钮后调用 // sceneManager.LoadSceneModel(); // 加载已保存的模型 // 或者更常见的是进入实时扫描流程这通常由系统UI引导 ShowScanningUI(); } void ShowScanningUI() { scanningUI.SetActive(true); // 这里可以提示用户缓慢转动头部扫描房间 } void OnSceneModelLoaded() { Debug.Log(场景模型加载成功); scanningUI.SetActive(false); completionUI.SetActive(true); // 场景Anchor已生成接下来可以初始化碰撞体了 StartCoroutine(GenerateCollidersForAllAnchors()); } void OnNoSceneModelLoaded() { Debug.LogWarning(没有已保存的场景模型或加载失败。可能需要首次扫描。); // 这里可以触发系统的实时扫描功能 // 注意直接启动系统扫描的API可能因SDK版本而异有时需要调用OVRManager.Scene.Capture()或使用Passthrough的深度API // 一种替代方案是提示用户退出应用通过系统设置进行房间设置。 } }实操心得环境扫描的体验至关重要。清晰的视觉提示如高亮正在被识别的区域、进度反馈和成功/失败的声音提示能极大提升用户耐心和成功率。避免让用户在一个空白界面下茫然等待。4.2 步骤二动态碰撞体生成与优化场景Anchor就位后我们需要遍历它们并添加碰撞体。为了提高效率特别是当场景中有很多平面时我们需要一个更健壮的生成器。public class DynamicSceneColliderManager : MonoBehaviour { public LayerMask sceneLayer; // 分配给场景碰撞体的Layer private ListOVRSceneAnchor _processedAnchors new ListOVRSceneAnchor(); void OnEnable() { // 监听所有Anchor创建完成的事件如果SDK提供 // 如果没有则用轮询或延迟启动的方式 StartCoroutine(WaitAndProcessAnchors()); } System.Collections.IEnumerator WaitAndProcessAnchors() { // 等待几帧确保所有Anchor都被Unity实例化 yield return new WaitForSeconds(1.0f); ProcessExistingAnchors(); } void ProcessExistingAnchors() { OVRSceneAnchor[] allAnchors FindObjectsOfTypeOVRSceneAnchor(); foreach (var anchor in allAnchors) { if (_processedAnchors.Contains(anchor)) continue; SetupColliderForAnchor(anchor); _processedAnchors.Add(anchor); } } void SetupColliderForAnchor(OVRSceneAnchor anchor) { StartCoroutine(SetupColliderCoroutine(anchor)); } System.Collections.IEnumerator SetupColliderCoroutine(OVRSceneAnchor anchor) { OVRScenePlane plane anchor.GetComponentOVRScenePlane(); OVRSceneVolume volume anchor.GetComponentOVRSceneVolume(); if (plane ! null) { // 方案A使用BoxCollider适用于大多数平坦表面性能好 yield return new WaitUntil(() plane.Dimensions ! Vector2.zero); BoxCollider box anchor.gameObject.AddComponentBoxCollider(); Vector2 dim plane.Dimensions; box.size new Vector3(dim.x, 0.005f, dim.y); // 非常薄的盒子 box.center new Vector3(0, -0.0025f, 0); // 轻微下沉避免浮点误差导致的穿透 box.gameObject.layer sceneLayer; // 方案B使用MeshCollider更精确贴合边界性能开销大 // 可以根据plane.Boundary顶点列表生成一个网格然后赋值给MeshCollider // 仅当平面边界不规则如L形桌子且需要高精度碰撞时才考虑。 } else if (volume ! null) { // 处理3D物体如沙发、橱柜 yield return new WaitUntil(() volume.Dimensions ! Vector3.zero); BoxCollider box anchor.gameObject.AddComponentBoxCollider(); box.size volume.Dimensions; box.gameObject.layer sceneLayer; } // 设置Anchor的标签便于调试和查找 anchor.gameObject.tag SceneGeometry; Debug.Log($已为 [{anchor.gameObject.name}] 生成碰撞体。); } // 如果运行时动态添加了新的Anchor可能性较小也需要处理 public void OnNewAnchorCreated(OVRSceneAnchor newAnchor) { SetupColliderForAnchor(newAnchor); } }关键点解析yield return new WaitUntil(() plane.Dimensions ! Vector2.zero);这是确保数据可用的安全操作。在Anchor刚创建时其几何数据可能还未从系统传输完毕。BoxCollider的center轻微下沉这是一个实用技巧。由于平面没有厚度将碰撞体中心稍微向下移动可以确保虚拟物体落在“桌面”上时其碰撞体底部能更可靠地与桌面碰撞体接触避免因浮点精度问题导致物体悬空或抖动。性能权衡BoxCollider性能最优适用于绝大多数平坦表面。MeshCollider虽然精确但生成网格和物理计算开销大应谨慎使用且最好标记为Convex凸包以提升性能。4.3 步骤三虚拟物体配置与物理交互测试现在环境已经有了碰撞体。接下来配置虚拟物体。为虚拟物体添加Rigidbody任何需要参与物理模拟下落、被推动的虚拟物体都必须有Rigidbody组件。根据需求可以设置Is Kinematic运动学通过脚本完全控制其运动不受物理力影响常用于抓取的物体或非运动学受重力、碰撞力影响。配置碰撞体为虚拟物体添加合适的碰撞体如SphereCollider、BoxCollider或复杂的MeshCollider。设置Layer将虚拟物体置于自定义的层如“Interactable”。确保在Edit - Project Settings - Physics的碰撞矩阵中“Interactable”层与“SceneMesh”层是勾选状态即允许碰撞。创建一个简单的测试脚本生成一个虚拟小球并观察其物理行为public class VirtualBallTester : MonoBehaviour { public GameObject ballPrefab; public Transform spawnPoint; // 在真实桌子上方的一个点 void Update() { if (OVRInput.GetDown(OVRInput.Button.One)) // 按Quest手柄A键 { SpawnBall(); } } void SpawnBall() { if (ballPrefab null || spawnPoint null) return; GameObject ball Instantiate(ballPrefab, spawnPoint.position, Quaternion.identity); Rigidbody rb ball.GetComponentRigidbody(); if (rb ! null) { rb.velocity Vector3.zero; // 可以给一个随机的小力让球滚动 // rb.AddForce(Random.onUnitSphere * 0.2f, ForceMode.Impulse); } // 5秒后销毁测试球避免堆积 Destroy(ball, 5.0f); } }将这段脚本挂载到场景中任何物体上将小球预制体和生成点可以是一个空物体手动摆放到真实桌面上方拖拽赋值。运行应用完成场景扫描后按手柄A键你应该能看到虚拟小球落在真实的桌面上并可能弹跳滚动——虚实碰撞就此实现5. 常见问题、调试技巧与性能优化即使按照步骤操作在实际开发中你仍会遇到各种“坑”。以下是一些典型问题及其解决方案。5.1 碰撞检测失灵或不可靠症状虚拟物体直接穿过“桌面”没有发生碰撞。排查步骤检查Layer这是最常见的原因。使用Physics.Raycast或在编辑器的Scene视图中打开Physics DebugGizmos - Physics查看虚拟物体和场景碰撞体是否在正确的层以及层间碰撞是否启用。检查碰撞体尺寸和位置在运行时暂停游戏选中生成的场景Anchor查看其BoxCollider的Size和Center是否正确。可能因为Dimensions数据未就绪导致碰撞体尺寸为0。检查Rigidbody确保虚拟物体的Rigidbody没有被设置为Is Kinematic除非你同时用脚本处理碰撞并且Collision Detection模式不是Discrete对于快速移动的物体可尝试Continuous或Continuous Dynamic。检查缩放确保场景Anchor及其父物体的全局缩放Scale是(1,1,1)。非均匀缩放可能导致碰撞体形状异常。5.2 场景Anchor识别不全或不准确症状只识别了地板没识别出桌子或者桌面的位置/朝向明显错误。解决方案改善扫描环境确保光线充足桌面和地板有足够的纹理如木纹、地毯图案。纯色表面很难被追踪。调整识别参数在OVRSceneManager中尝试调整Max Wall Height、Min Wall Length等参数过滤掉过小或不符合预期的平面。后处理与合并有时系统会将一个大桌面识别成两个相邻的小平面。你可以编写后处理脚本在碰撞体生成后检查位置和法线相近的平面尝试将它们合并成一个更大的碰撞体提升体验。提供手动校准对于关键平面如主要桌面提供允许用户手动微调其位置、旋转和尺寸的UI工具。这能极大提升应用的鲁棒性。5.3 性能问题症状应用运行时帧率下降特别是在场景复杂或虚拟物体多时。优化策略碰撞体简化坚决使用BoxCollider代替MeshCollider。对于场景物体即使是不规则形状也尽量用多个BoxCollider组合Compound Collider来近似。减少动态Rigidbody数量物理引擎最耗性能的是动态非运动学Rigidbody。限制同时活动的物理物体数量。不活动的物体可以设置Rigidbody为Sleeping状态或直接禁用。分区域加载/卸载对于大型MR体验可以根据用户位置动态加载和卸载不同区域的场景碰撞体。OVRSceneAnchor提供了空间位置信息可以用来实现简单的视锥剔除Frustum Culling逻辑。控制物理更新频率在Project Settings - Time中可以适当降低Fixed Timestep如从0.02s改为0.04s这会降低物理更新的频率换取性能但可能会影响物理模拟的平滑度需权衡。5.4 调试工具与技巧Physics Debug Visualization在Game视图的Gizmos下拉菜单中开启Colliders可以直观看到所有碰撞体的线框非常有助于确认碰撞体是否生成在正确的位置和尺寸。自定义Debug绘制编写一个简单的脚本在OnDrawGizmos或OnDrawGizmosSelected中用Gizmos.DrawWireCube等函数绘制出OVRScenePlane的Dimensions和位置即使在编辑器非运行状态下也能预览。日志输出在DynamicSceneColliderManager中详细记录每个Anchor的识别类型、尺寸和碰撞体生成状态方便排查数据流问题。实现稳定的虚实碰撞是MR体验从“看得见”到“摸得着”的关键一跃。它要求开发者不仅熟悉Unity的物理系统更要深入理解Meta Quest系统如何感知空间。从精准的Scene API配置到稳健的碰撞体动态生成再到细致的性能调优和问题排查每一步都需要结合理论思考和实践验证。当你看到自己创造的虚拟物体终于能稳稳地停在那个真实的咖啡桌上时那种成就感正是MR开发最吸引人的地方。

相关新闻

NX二次开发中OPENC函数在CAM编程的应用解析

NX二次开发中OPENC函数在CAM编程的应用解析

1. OPENC函数在CAM编程中的核心应用解析在CAD/CAM软件开发领域,OPENC函数库中的UF_CAM和UF_NCGROUP模块是数控编程的核心技术支撑。作为NX二次开发的关键接口,这些函数直接关系到刀具路径生成、加工组管理和NC程序创建的效率与可靠性。本文将深入剖析这些…

2026/7/29 5:10:13 阅读更多 →
Beyond Compare试用期重置与软件授权机制深度解析

Beyond Compare试用期重置与软件授权机制深度解析

1. 项目概述:为什么我们需要关注Beyond Compare的授权?如果你是一个长期和代码、配置文件或者各类文档打交道的开发者、运维或者项目经理,Beyond Compare这个名字你一定不陌生。它几乎是文件与文件夹对比领域的“瑞士军刀”,无论是…

2026/7/29 5:10:13 阅读更多 →
ChatGPT Voice如何推动新型计算机架构与AI硬件加速发展

ChatGPT Voice如何推动新型计算机架构与AI硬件加速发展

这次我们来看一个很有意思的话题:Sam Altman 最近提到 ChatGPT Voice 将催生新型计算机。这不仅仅是语音交互的升级,而是对整个计算架构的重新思考。ChatGPT Voice 的核心突破在于实现了接近人类对话体验的语音交互。它不再是简单的语音指令识别&#xf…

2026/7/29 5:10:13 阅读更多 →

最新新闻

Java线程创建与优化策略详解

Java线程创建与优化策略详解

1. 线程基础与启动方式线程作为操作系统调度的最小单位,是现代编程中实现并发的基础手段。在Java中创建一个线程主要有三种典型方式:1.1 继承Thread类这是最直接的线程创建方式,通过继承Thread类并重写run()方法实现:class MyThre…

2026/7/29 5:22:18 阅读更多 →
Python os模块深度解析:从文件操作到进程管理的跨平台实践

Python os模块深度解析:从文件操作到进程管理的跨平台实践

1. 项目概述:为什么说os模块是Python开发者的“瑞士军刀”?如果你用Python写过任何需要和电脑文件系统打交道的程序,比如批量重命名照片、自动整理下载文件夹,或者写一个简单的服务器日志分析脚本,那你大概率已经和os模…

2026/7/29 5:22:18 阅读更多 →
企业固定资产管理TOP榜:RFID系统助力高效精准全流程管控

企业固定资产管理TOP榜:RFID系统助力高效精准全流程管控

据国内权威调研机构数据显示,固定资产规模超100万件的机关单位、集团公司、医院等组织中,87%的单位存在盘点耗时久、账实不符率超15%、资产年均流失率超5%的痛点。传统人工盘点模式已无法满足大规模资产管理需求,而结合AI与RFID技术的智能固定…

2026/7/29 5:22:18 阅读更多 →
从夯到拉锐评课题申报工具!

从夯到拉锐评课题申报工具!

从夯到拉锐评课题申报工具!今天不整虚的,纯个人主观硬核锐评排名,没有绝对权威,只讲真实体验,分级全部我个人实战总结,觉得不准的直接评论区碰一碰! 第一个,课题申报专属天花板&…

2026/7/29 5:22:17 阅读更多 →
Part 9: WebGPU中的调试与查询

Part 9: WebGPU中的调试与查询

WebGPU中的调试与查询 本文讨论的几项特性都不是渲染流程中不可或缺的一环,但它们能显著提升开发效率、渲染性能和调试体验:调试组和错误作用域帮助定位问题,视口/剪刀矩形和遮挡查询则有助于优化渲染性能。这些接口目前在 WebGPU 规范中大多…

2026/7/29 5:22:17 阅读更多 →
从源码编译到工程实践:深入掌握zlib在C++项目中的集成与应用

从源码编译到工程实践:深入掌握zlib在C++项目中的集成与应用

1. 项目概述:为什么我们需要亲手编译和调试zlib例程?如果你在C项目中处理过压缩、解压,或者与网络传输、文件存储打交道,那么“zlib”这个名字对你来说一定不陌生。它是一个应用极其广泛的数据压缩库,从我们每天用的PN…

2026/7/29 5:21:17 阅读更多 →

日新闻

【RT-DETR多模态创新改进】CVPR 2025 | 独家特征融合创新改进篇 | 引入RLAB残差线性注意力模块,有效融合并强调多尺度特征,多种改进点,适合红外与可见光融合目标检测任务,有效涨点

【RT-DETR多模态创新改进】CVPR 2025 | 独家特征融合创新改进篇 | 引入RLAB残差线性注意力模块,有效融合并强调多尺度特征,多种改进点,适合红外与可见光融合目标检测任务,有效涨点

一、本文介绍 🔥本文在RT-DETR多模态融合目标检测中引入RLAB残差线性注意力模块,可在不同模态特征交互阶段进行多次残差细化,使可见光、红外等特征在尺度、语义和空间位置上更好对齐;随后将细化特征与解码器输出拼接并生成Q、K、V,通过线性注意力自适应强化关键通道、目…

2026/7/29 0:00:23 阅读更多 →
AI编程系列02:合并知识功能,给 AI 问数和 RAG 场景打基础

AI编程系列02:合并知识功能,给 AI 问数和 RAG 场景打基础

AI编程系列02:合并知识功能,给 AI 问数和 RAG 场景打基础 在上一期「AI编程系列」中,我们学习了如何构建一个基础的 AI 问答系统,通过简单的输入输出让模型回应问题。但现实世界中的 AI 应用往往需要处理更复杂的场景:…

2026/7/29 0:00:23 阅读更多 →
AI智能体开发实战:从工具调用到企业级部署

AI智能体开发实战:从工具调用到企业级部署

1. 从被动问答到主动执行:AI Agent的范式转变过去两年,大语言模型最显著的应用形态是聊天机器人——用户提问,AI回答。但真正的生产力革命发生在2023年下半年:当AI学会主动调用工具完成任务时,生产力工具的历史被彻底改…

2026/7/29 0:00:23 阅读更多 →

周新闻

深度学习道路桥梁裂缝检测系统 道路桥梁裂缝检测数据集 道路桥梁病害识别检测数据集

深度学习道路桥梁裂缝检测系统 道路桥梁裂缝检测数据集 道路桥梁病害识别检测数据集

深度学习道路桥梁裂缝检测系统 数据集6000张 完整源码已标注数据集训练好的模型环境配置教程程序运行说明文档,可以直接使用!系统支持图片、视频、摄像头等多种方式检测裂缝,功能强大实用。 1数据集6000张 8各类别

2026/7/28 12:04:22 阅读更多 →
深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集

深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集

pubg数据集 精选原图1.42万数据 1.49万标签 无任何重复、算法增强或冗余图像! pubg绝地求生目标检测数据集 1分类:e_body,14905个标签,txt格式 共计14244张图,99%为640*640尺寸图像 适合yolo目标检测、AI训练关键词&am…

2026/7/28 8:29:16 阅读更多 →
Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex检测数据集数据集详情检测类别: allies enemy tag图片总量:7247张训练集:5139张验证集:1425张测试集:683张标注状态:全部已标注,即拿即用数据格式:支持YOLO格式及其他格式&#…

2026/7/28 5:03:42 阅读更多 →

月新闻