Hypershell X Ultra S 评测:迄今为止最好的外骨骼

Wired 产品

摘要

Hypershell X Ultra S 外骨骼配备了改进的 AI 驱动扭矩控制,提供更自然的运动辅助,但仍然笨重且不便于日常使用。

凭借其巧妙的新算法,最新的 Hypershell 外骨骼能为你的双腿提供动力,而不会让你感觉像牵线木偶一样。
查看原文
查看缓存全文

缓存时间: 2026/05/20 15:45

# Hypershell X Ultra S 是最好的外骨骼装备——但你可能并不需要它 来源:https://www.wired.com/review/hypershell-x-ultra-s/ Hypershell 系列三款型号均搭载了相同的重大升级——HyperIntuition。这一系统取代了以往基于简单规则的软件(你走路,它加力),转而采用持续处理运动并实时调整扭矩的方案。其论据在于:现实世界中的运动是不规则的,外骨骼需要适应不断变化的运动范围。我们自然会走走停停、减速、加速、迈大步、漫步、爬坡,并适应不平坦的地面,但传统外骨骼系统在这些方面表现糟糕。它们只有通过识别可重复的步态模式才能起作用,结果让我感觉自己更像一个机器人,而不是一个被机器人辅助的人类。 Hypershell 宣称响应时间为 0.31 秒,并在多变地形上实现“97.5% 的人机同步率”——不管这具体意味着什么。Hypershell 告诉我,目标不仅仅是增加动力,而是在正确的时机提供动力,使支撑感觉与你的运动一致,而不是强加于上。理论上,这意味着助力流畅地介入,在你用力时增强,并在你停止时立即减弱。这是一个大胆的说法,而过去几周我一直在测试这一点。 安装 Hypershell X Ultra S 依然非常简单,通过应用程序提供了出色的逐步穿戴指导。我测试的是预发布的 iOS 应用版本,但被告知最终版本基本一致。正确调整佩戴非常重要——这是我从之前型号中学会的。确保电机正确对齐且不过紧贴合臀部是关键。 与之前的 Hypershell 型号相比,X Ultra S 在臀部周围提供了更优质的衬垫,我立刻就感受到了这一点。绑带易于调节,一旦扣上,系统感觉平衡。不过,请千万别以为当你开始使用时,这 5.5 磅的重量会神奇地消失。无论我穿着它走了多少次,我从未忘记它的存在。 它也存在一些我曾在所有外骨骼上遇到的相同问题,尤其是你裤子前面的口袋完全无法使用,背包往往会搁在电池上方——但不是那种好的方式。如果你背着满载的背包并需要髋带支撑,这个问题会更严重。如果你选择更小、更靠上的日用背包则还好。 要控制外骨骼,你可以深入应用设置,或者使用右髋电机上的单个按钮。我已经相当习惯 Hypershell 的长按-短按控制系统,但它并非特别直观。我不会是唯一一个在不合时宜的时候打开 Hyper 模式或意外关闭整个系统的人。应用程序提供了更强大的控制能力,让你可以轻松选择模式、调整助力百分比以及查看电池续航。 ## 动力加持 让其他东西来移动你的腿,或至少帮助你移动它们,并非一种自然的感觉——无论我穿了多少次 X Ultra S,都需要几分钟来适应。但与之前的型号相比,这副外骨骼几乎在各方面都感觉更好。在旧款上,当我开始走路时,我的腿会被不自然地带动,只有当我找到步幅节奏时才真正得到帮助。然而在这里,假设你不试图使用 Hyper 跑步模式(那会让你像疯子一样踢腿),动力辅助是有渐进感的。 走路感觉并不完全自然,但 X Ultra S 提供动力的方式要直观得多。走走停停的感觉更好了,当我漫无目的地闲逛等人时,系统会立即注意到并降低助力。当我找到步幅时,助力相应增加,但这是我第一次感到自己在掌控之中,而不是像一个测试版的乘客。

相似文章

Hyper

Product Hunt

Hyper 是一款产品,充当企业大脑,以提升 AI 智能体的性能。

HarnessX:可组合、自适应且可演进的智能体夹具工坊

Hugging Face Daily Papers

HarnessX 是一个为可组合、自适应且可演进的人工智能智能体夹具打造的工坊,它利用组合原语和轨迹驱动演化来提升智能体性能。在五项基准测试中,它平均提升了 +14.5%(最高达 +44.0%),表明运行时接口演化是模型规模扩展之外的一个互补杠杆。

@AlphaSignalAI: https://x.com/AlphaSignalAI/status/2074130508833845396

X AI KOLs Timeline

自我改进的机制使AI代理能够通过分析执行轨迹自主重写其运行规则,从而实现60%的性能提升。来自上海AI实验室的研究引入了Self-Harness框架,使得轻量级模型能够在无需人工工程的情况下超越更大规模的模型。

分层实验者智能体

Hugging Face Daily Papers

介绍了HExA,一个无需训练的框架,使LLM能够通过主动实验和技能复用来学习,在新的Interphyre物理基准测试中实现了高达77%的成功率,比现有智能体有大幅提升。

层次化实验者智能体

arXiv cs.AI

介绍了层次化实验者智能体(HExA),这是一个基于上下文、以实验为中心的自我改进框架,使LLM智能体能够设计实验、学习可复用技能,并在新领域回答查询,在Interphyre物理模拟基准上取得了显著优于基线的改进。