【火】Spatial Joy 2025 全球 AR&AI 赛事:开发者要的资源、玩法、避坑攻略都在这

【火】Spatial Joy 2025 全球 AR&AI 赛事:开发者要的资源、玩法、避坑攻略都在这

Spatial Joy 2025 Rokid乐奇 全球 AR&AI 开发大赛 值不值得参加?不少参加过连续两届 Rokid乐奇 赛事的老兵,纷纷表示非常值得参加。

先说最实在的——奖金

AR赛道分为应用和游戏两个赛道,金奖各20万人民币,而且是现金!交完税全是你自己的!这还不够,AR赛道总共设了27个奖项,据我打听到的往年数据,能正常跑进初赛的作品大概就60-70个,这意味着获奖比例相当高

20万就封顶了吗?远远没有!亚马孙科技给使用Kiro并获奖的开发者,在原奖金基础上再加20%现金奖励

AI赛道同样设置了27个奖项,奖金从1万到5万不等,主要以智能体开发为主,支持市面上所有智能体平台的适配。也就是说,你之前做的智能体微调一下就能参赛

更重要的是,现在正是智能眼镜行业爆发前夜。据我观察,未来2-3年将是空间计算应用落地的关键窗口期,提前布局的开发者将占据绝对先发优势。

好了,重磅消息说完,下面是我为大家整理的详细参赛指南:

先给开发者交个底:这赛事值得花时间吗?

对技术人来说,一场赛事值不值得冲,就看三点:资源给不给力、履历加不加分、落地可能性大不大。这三点,Rokid乐奇主办的这场赛事全占了。

  • 硬核资源支持:AI赛道直接对接Rokid乐奇空间计算底层技术生态,不用担心模型调用限额和算力问题。AR赛道开放全系列AR设备开发权限,从消费级AR眼镜到商用空间计算终端全覆盖。
  • 行业背书与机遇:获奖履历在AR&AI行业认可度很高。往届优秀团队不仅获得了Rokid乐奇硬件批量支持,还与吉利汽车、新东方教育、三一重工等企业深度合作,直接将方案落地到真实场景。
  • 低门槛试错:两个赛道都不用从零搭架构。AI方向支持多模型灵活接入,AR方向提供完整的SDK工具链,重点拼创意而非重复造轮子

赛道怎么选?AI 和 AR 的核心玩法说透了

AI赛道:拼的是"空间认知协作"能力

这不是简单的"调参游戏",核心考察的是让AI在AR场景中成为"协作伙伴"的能力——要能自主理解用户模糊需求、调配环境数据。

比如做个"企业级AR智能助手",通过Rokid乐奇 AR眼镜实现日常办公任务处理,这背后就是"空间目标驱动+误差最小化"的逻辑,正好踩中当前AR&AI融合的前沿方向。

AR赛道:要做"空间问题解决者"

关键是把虚拟交互嵌入真实空间需求。比如在零售场景做"AR虚拟导购",让用户戴AR眼镜就能看到商品3D展示和优惠信息,核心是解决"空间信息不对称"的实际问题。

不用担心硬件适配,Rokid乐奇全系列设备的适配参数都已同步到SDK中,你只需要专注于空间交互逻辑设计。

报名前必看:开发者最关心的8个问题

基础资格类:

  1. 谁能报? 个人、团队都可,团队最多10人,学生党、职场人、独立开发者都能参与
  2. 作品要求? 必须是未参赛过的原创作品,需适配至少一款Rokid乐奇 AR硬件

赛道细节类:

  1. AI赛道必须用Rokid乐奇模型吗? 不用,支持自主选择模型
  2. AR赛道需要懂底层图形学吗? 不用,会用Unity、Unreal或Android Studio就能上手
  3. 两个赛道能同时报吗? 不行,同一作品只能选一个赛道

开发落地类:

  1. 算力不够怎么办? 官方提供SpatialAI平台,满足训练、推理需求,不用自己掏服务器钱
  2. 有技术支持吗? 有专属答疑群、完整文档教程,技术专家直接解答问题
  3. 作品要落地到Rokid乐奇生态吗? 建议优先考虑,但不强制,适配Rokid乐奇的作品评审可能加分

最后说句实在的:这是技术人的"低成本跃迁"机会

作为过来人,不少开发者们想对不同阶段的开发者说几句真心话:

对刚入行的朋友,这绝对是快速积累AR&AI实战经验的捷径。你不用去对接复杂的商业需求,就能直接用上Rokid乐奇顶尖的空间计算资源和全系列AR硬件练手——这种机会在平时可遇不可求。

对资深开发者而言,这正是展示技术视野的绝佳舞台。空间AI认知闭环、AR场景落地,这些方向正是当前行业最稀缺的技术能力,随便哪一个写进履历里都是重磅加分项。

说白了,这场赛事就是Rokid乐奇给技术人送"资源+机遇"的。你能用别人花上亿搭建的AR技术生态,做能直接在硬件上落地的项目,还能拿到AR行业龙头的背书——这种好事真的不常有。

现在报名通道已经开放,我劝各位别纠结了。把平时调参、改bug的时间,换成一个能写进履历的AR&AI项目,这笔账怎么算都值!

📕大赛报名通道已开启,点击链接即可报名。https://custom.rokid.com/prod/rokid_web/323825adf4914c21be8a0d5fe7b8a9e5/pc/cn/e86b7ca26e8448818ee501ce2a5f3628.html

Read more

TWIST2——全身VR遥操控制:采集人形全身数据后,可训练视觉base的自主策略(基于视觉观测预测全身关节位置)

TWIST2——全身VR遥操控制:采集人形全身数据后,可训练视觉base的自主策略(基于视觉观测预测全身关节位置)

前言 我司内部在让机器人做一些行走-操作任务时,不可避免的需要全身遥操机器人采集一些任务数据,而对于全身摇操控制,目前看起来效果比较好的,并不多 * 之前有个CLONE(之前本博客内也解读过),但他们尚未完全开源 * 于此,便关注到了本文要解读的TWIST2,其核心创新是:无动捕下的全身控制 PS,如果你也在做loco-mani相关的工作,欢迎私我你的一两句简介,邀你加入『七月:人形loco-mani(行走-操作)』交流群 第一部分 TWIST2:可扩展、可移植且全面的人形数据采集系统 1.1 引言与相关工作 1.1.1 引言 如TWIST2原论文所说,现有的人形机器人远程操作系统主要分为三大类: 全身控制,直接跟踪人体姿态,包括手臂、躯干和腿部在内的所有关节以统一方式进行控制(如 HumanPlus [12],TWIST [1] ———— TWIST的介绍详见此文《TWIST——基于动捕的全身遥操模仿学习:教师策略RL训练,学生策略结合RL和BC联合优化(可训练搬箱子)》 部分全身控制,

By Ne0inhk
侠客行・iOS 26 Liquid Glass TabBar 破阵记

侠客行・iOS 26 Liquid Glass TabBar 破阵记

引子 话说侠客岛旁的 “码农山庄” 里,有位青年开发者石破天,一手 SwiftUI 功夫练得炉火纯青,身旁常伴着心思缜密的产品女侠阿绣。 这日,山庄接到一桩棘手活计 —— 玄铁老怪掌管的 “APP 审核阁” 放出话来,凡要上 iOS 26 的 APP,必过Liquid Glass设计关,尤其Tab Bar这块,稍有差池便打回重练。 在本篇侠客行中,您将学到如下内容: * 引子 * 1. 📱 初探 iOS 26 的 Tab Bar:旧功新用,基础先扎牢 * 2. 🔍 拆解 Tab Bar 的模糊特效:藏在 “滚动容器” 里的玄机 * 3. 📜 给 TabView 加 “缩骨功”

By Ne0inhk

三大扩散模型对比:Z-Image-Turbo、ComfyUI、Stable Diffusion谁更快?

三大扩散模型对比:Z-Image-Turbo、ComfyUI、Stable Diffusion谁更快? 技术选型背景与性能挑战 在AI图像生成领域,生成速度已成为决定用户体验和生产效率的核心指标。尽管Stable Diffusion系列模型凭借其强大的生成能力成为行业标准,但其通常需要数十步推理才能获得高质量结果,单张图像生成耗时往往超过30秒。随着实时创作、批量设计等场景需求激增,开发者迫切需要更高效的替代方案。 阿里通义实验室推出的 Z-Image-Turbo 模型通过蒸馏训练与架构优化,宣称可在1-10步内完成高质量图像生成,显著缩短响应时间。与此同时,ComfyUI 作为基于节点式工作流的Stable Diffusion前端工具,在灵活性和可控性上表现突出;而原始 Stable Diffusion WebUI(如AUTOMATIC1111) 则以功能全面著称。三者定位不同,但在实际使用中常被用于同类任务。 本文将从生成速度、质量稳定性、部署复杂度、资源消耗四大维度,对这三种主流扩散模型方案进行系统性对比分析,并结合真实运行数据给出选型建议。 方案一:Z-Image

By Ne0inhk

FPGA高速通信:Aurora64B/66B IP使用指南

Aurora 64B/66B IP核配置及使用详解 Aurora 64B/66B 是 Xilinx(现 AMD)提供的一种高速串行通信协议 IP 核,专为 FPGA 设计,支持点对点数据传输,适用于数据中心、高性能计算等场景。本指南将帮助初学者轻松调用该 IP 核,实现编码、译码和传输回环功能。内容包括 IP 核配置、端口介绍、使用方法、example design 调用、关键模块(如 framegen 和 framecheck)的作用,以及完整实现步骤。指南基于 Vivado 设计工具,确保真实可靠。 1. Aurora 64B/66B IP核简介 Aurora

By Ne0inhk