【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

高飞团队新作!基于高阶CBF的端到端无人机,实现7.5m/s丛林穿越,突破RL安全瓶颈

高飞团队新作!基于高阶CBF的端到端无人机,实现7.5m/s丛林穿越,突破RL安全瓶颈

「强化学习高速避障新范式」 目录 01  主要方法  1. 训练阶段:基于物理先验的奖励塑形 1. Dijkstra全局引导奖励 2. 基于控制障碍函数的安全惩罚  2. 部署阶段:基于高阶控制障碍函数的实时滤波 02  实验结果  1.仿真训练与消融实验  2.基准测试  3.实机飞行验证 03  总结 在无人机高速避障领域,Ego-Planner等传统的模块化规划方法受限于感知-规划-控制的累积延迟,往往难以兼顾高速与安全;而RL等纯端到端的强化学习虽然敏捷,却因缺乏理论上的安全保障而被视为黑盒。 浙江大学高飞老师团队的这项工作,最令人振奋之处在于巧妙地构建了一套混合架构。 * 在训练阶段,利用 Dijkstra 势场 引导 RL 智能体跳出局部极小值陷阱 ,实现了全局可达性; * 在部署阶段,则引入了基于 高阶控制障碍函数(HOCBF)的安全滤波器,将神经网络输出的动作实时投影到可行域内。 这种设计不仅在数学上给出了碰撞避免的严谨证明,更在实测中实现了高达 7.5m/s

论文阅读:Training language models to follow instructions with human feedback

Ouyang L, Wu J, Jiang X, et al. Training language models to follow instructions with human feedback[J]. Advances in neural information processing systems, 2022, 35: 27730-27744. 引言 引言首先指出了当前大型语言模型(LMs)存在的一个核心问题:模型规模变大并不意味着它们能更好地遵循用户的意图 。具体而言,大型模型经常生成不真实、有毒或对用户毫无帮助的输出,这是因为语言模型的训练目标(预测网页上的下一个 token)与用户希望的目标(“有用且安全地遵循指令”)是错位的。作者的目标是让模型在“有用性”(Helpful)、“诚实性”(Honest)和“无害性”(Harmless)这三个方面与用户意图对齐。

基于 LangChain 实现数据库问答机器人

基于 LangChain 实现数据库问答机器人

基于 LangChain 实现数据库问答机器人 * 一、简介 * 二、应用场景 * 三、实战案例 * 1、需求说明 * 2、实现思路 * 3、对应源码 一、简介 在 Retrieval 或者 ReACT 的一些场景中,常常需要数据库与人工智能结合。而 LangChain 本身就封装了许多相关的内容,在其官方文档-SQL 能力中,也有非常好的示例。 二、应用场景 在未出现人工智能,如果想要完成数据查询与数据分析的工作,则需要相关人员有相应的数据库的功底,而在 LangChain 结合大语言模型的过程中,应对这些问题则相当轻松——写清晰的提示词即可。 * 生成将基于自然语言问题运行的查询。 在传统的工作流程中,如果想要在数据库中搜索一些信息,那么就必须要掌握相应的数据库技术,比如 SQL 语句查询等,但是其本身有很高的学习成本。如果能用自然语言代替这个过程,则任何人都无需学习 SQL

开源:AI+无人机巡检系统项目调研

主流开源AI无人机巡检项目调研 本部分系统梳理了当前主流的开源无人机巡检相关项目,涵盖飞控系统、地面站软件、AI视觉识别、数据处理等多个技术栈,为商业化产品开发提供技术选型参考。 一、飞控与地面站开源项目 1.1 PX4 Autopilot 项目地址:github.com/PX4/PX4-Autopilot 开源协议:BSD 3-Clause 项目简介:由Dronecode基金会(Linux基金会旗下)维护的专业级开源自动驾驶仪软件,是全球最广泛使用的无人机飞控系统之一。支持多旋翼、固定翼、垂直起降等多种机型,广泛应用于工业无人机和科研领域。 核心能力:飞行控制、任务规划、传感器融合、MAVLink通信协议、硬件抽象层、模块化架构 1.2 ArduPilot 项目地址:github.com/ArduPilot/ardupilot 开源协议:GPLv3 项目简介:历史最悠久的开源自动驾驶仪项目,社区活跃度极高。