标签
Linus Ekenstam 分享了硅谷资深人士 David Lieb 对“默语”无声输入技术的赞叹，并表示，无声打字或低声含糊说话只是开始，下一步可能就是直接读取大脑活动。
论文提出 ProACT，一个性能驱动的自适应 VR 消防训练系统，通过闭环调节火灾蔓延动力学与物体可燃性来动态调整训练难度，实验表明其在客观训练效果和主观体验上均优于基线方法。
Subvocal，一家入选YC 2026年秋季批次的三人初创公司，推出了一款可通过面部肌肉微动作读取无声言语的眼镜，实现每分钟超过200词的静默输入。该公司已融资130万美元，产品预计于2027年第一季度发货，预订价为199美元。
Subvocal 推出了一款可通过面部雷达感知无声口型、以每分钟 200 多个单词的速度将默读词语转为文字的智能眼镜，实现无键盘、无语音的输入方式，并已获得 YC 与 Afore Capital 的 130 万美元融资。
Subvocal 宣布获得 YC 与 Afore Capital 130 万美元融资，其智能眼镜通过非接触式传感器追踪内部言语肌肉，将无声的默读解码为文本，速度超过每分钟 200 词，并开启预售。
Aina Interface 宣布结束15个月的隐身开发，将于11月5日正式发布其人机界面产品，号称将带来类似鼠标/图形用户界面和触摸屏/iOS级别的计算变革。
作者质疑，为什么面向消费者的 AI 产品仍然依赖一个简单的文本框和一堆杂乱无章的聊天记录，并主张加入一些基本的用户体验功能，例如按主题整理聊天、自动拆分偏离原主题的对话，以及提供便于访问的记忆管理选项。
推文探讨计算时代输入方式的演进（键盘、鼠标、触屏、语音），并提出AI智能体未来可能直接从大脑获取意图输入的设想。
一篇 Hugging Face 与 Data & Society 合作的立场论文，指出当前 AI agent 设计中的人工监督（HITL）不仅因工作量与复杂度难以有效执行，还会导致监督者技能退化，呼吁在设计与组织层面同等重视监督者的认知需求。
《自然·机器智能》的一篇文章指出，新闻编辑室用于在情感层面优化内容的人工智能系统，需要接受适当的行为评估，以衡量其对用户的影响。
灯泡计算机是一个将投影仪与计算机视觉结合、采用灯泡外形的计算设备构想与原型系列，旨在以环境投影取代智能眼镜和手机屏幕，实现在真实空间中的空间信息显示与交互。
论文提出 Spatial Canvas 接口与海报生成模型 Compo，让用户通过语义、身份、文本和像素四种绑定方式在空间中直接组合生成意图，取代传统的文本提示方式，并支持直接推理与 agentic 模式。实验显示其组合可控性优于通用图像生成与专用海报生成系统，同时保持高视觉质量。
九州大学的研究团队在SIGGRAPH Emerging Technologies '26上发表了一种无需佩戴头显的VR座椅系统，利用微镜阵列和空中成像光学技术实现立体视觉，并通过陀螺仪追踪座椅旋转实现视角联动。
LiteEMG-FM 是一种高效的混合 CNN-Transformer 基础模型，基于 16 个肌电（EMG）数据集进行预训练，可实现鲁棒的零标定手势识别。论文通过分层唤醒门机制展示了其在资源受限边缘设备上的实时部署能力，并评估了不同卸载范式下的延迟、功耗与内存开销的权衡。
一项为期多阶段的学术与eBay联合研究，对当前生成式AI在部署后所采用的用户反馈机制进行了基准评估，识别出可发现性低、术语不清晰等常见可用性问题，并在此基础上提出了最佳实践建议，同时设计了一款原型反馈收集工具——既注重用户友好性，又能为产品团队提供切实可操作的洞察。
MIT CSAIL、Google 与 Northeastern 大学的研究人员推出了 InstructMesh——一款 AI 驱动的设计工具，它将微软的 TRELLIS 3D 生成器与 GPT-4 结合，让用户在实际制造前即可生成、以提示方式编辑并修复具备功能性的可 3D 打印模型。
这篇立场论文提出了「模型即库」（Model as a Library，简称 MaaL）这一软件架构，它将小型、由社区招募数据训练而成的语音模型打包为带版本管理的设备端依赖项，用于低资源非洲语言场景下离线且无幻觉的数据采集。论文提出利用关键词识别，将封闭词表的数字表单转变为面向识字率较低人群的语音化、设备端数据采集流程，并将现有的表单工具转译为 MaaL 模式。
一篇CHI 2027论文分析了来自158名年轻人的19,930段ChatGPT对话，并由临床医生对其中五个痛苦场景进行评审，发现ChatGPT在急性痛苦时往往做出过度戏剧化、先给解决方案的回应，并提出了三阶段设计指南：先询问安全、再缓解情绪、最后在不附和的情况下探索用户的担忧。
提出了 ExpActivator，一个免训练框架，通过在冻结的 GUI 骨干网络的潜在空间中匹配当前屏幕与历史状态，仅激活与当前情境相关的经验，而非盲目追加任务相关历史；在四个 GUI 骨干网络上将轨迹内步骤成功率平均提升 28%，同时仅使用约五分之一的历史 token。