“钢铁侠”Insteon的逆袭:声控智能家居新时代

摘要:Insteon发布新一代搭载Cortana语音助手的Windows手机应用声控系统,从此用户只需直接对智能手机下达语音指令,就能让所有连接到Insteon控制中心的家用电器听从指挥,是不是颇有电影《钢铁侠》的即视感?

你所想象的智能家居是什么样子的?是如苹果所规划的那样,将包括iPhone在内的iOS设备转变成为家居设备的控制工具,还是像谷歌那样将硬件设备与软件相结合?相比之下,有着Insteon助力的微软似乎走得更远一点,通过声控系统将《钢铁侠》中拥有接近真人智慧的AI管家Jarvis完全地在现实中展现。


本周三,与微软合作不断加深的智能家居公司Insteon发布了新一款搭载Cortana语音助手的Windows手机应用声控系统。从此用户只需直接对智能手机下达语音指令,就能让所有连接到Insteon控制中心的家用电器听从指挥,是不是颇有电影《钢铁侠》的即视感?

不过,正在发展中的智能家居尽管未来将改变世界,但目前却仍处于摸索阶段,也正因如此,本文作者Adriana Lee在与Insteon声控系统亲密接触之后,对其所拥有的其他智能家居产品无法比拟的优势进行总结的同时,也深度剖析了它所存在的不足之处。以下为文章译文:

智能家居的未来:钢铁侠的世界!

在旧金山的一家微软零售店里,Insteon的市场总监Isaac Sanz接待了我,让我有幸一睹了该声控系统的风采。尽管声控功能仍处于早期的第一阶段测试,但就我在现场的亲身体会而言,该系统的灵敏度还是不错的。在这之前,所有Windows智能家居应用一直是通过触屏完成指令的,与别家相比毫无亮点。


图:正在通过Cortana语音控制Insteon智能家居系统的Isaac Sanz

Sanz在平板电脑上点点划划着:“这里控制光线,这里控制温度……”。这玩意儿看起来挺好用,但若与SmartThings和Revolv等智能家居平台雷同的话,又有什么惊喜可言呢?

紧接着,Sanz对着一部Windows Phone说道:“Insteon,开灯。”

现在有点儿意思了。其实当时周围环境挺吵的,我还以为Cortana会出点儿小岔子什么的,但是出乎意料地,一声令下,桌上的台灯立刻就亮了。全新的声控系统开关单个或同时操控多个家用电器都毫无压力,Insteon管这叫“多管齐下”。举个例子:开启影院模式后,调暗光线,升高室温,打开家庭影院音响设备能够同时进行。

语音指令:贴近真人,要自然!

如今看到灯光、室温、摄像头等设备已实现声控,我不禁感慨,家居自动化控制的发展之路因为复杂繁琐的触屏操作错过了多少美丽的风景啊……也难怪没能在主流市场上占据先机。手忙脚乱地在手机上划来划去,哪有动动嘴下达指令来得方便快捷呢?用户当然求之不得了。

“这一新突破堪称智能家居的革命性创造。”Insteon的首席技术官Dan Cregg如是说。确实,早期的手机亦或台式电脑的声控系统由于存在太多漏洞和缺陷,要么无法准确识别指令,要么迫使用户用生硬机械的方式说话,实在是不怎么实用。


“该系统将声控技术与智能家居完美融合,用户从此便能从容发送语音指令,”SmartLabs(Insteon的母公司)的总裁兼首席运营官Joe Gerber说:“我可不想吊着嗓子说话,太难受了。”而我也已经注意到了这一点,在Sanz下达语音指令关灯和切换场景的时候,他的声音是那么自然,丝毫不夸张或生硬。

但是,目前该智能应用尚未成熟,所以类似于语音安装智能家居这种想法还无法实现。抛开这一点来说,该系统是非常出色的。

Insteon声控系统的局限:我们离人工智能管家还有多远?

很遗憾,未来相当长的一段时间内,Insteon的声控系统只能在网络连接的状态下工作,而且只有连接到Insteon控制中心的Insteon设备才能接受语音指令。问题是Insteon旗下的设备只有200多种,听上去不少,但真的不够用。

所以,若你的设备像Dropcam那样只支持WiFi,或ZigBee、Z-wave两大网络标准的话,那就没办法了。融合声控技术的智能家居应用目前仅限微软一家,Insteon还未涉足个人电脑领域,Android和iOS更不用说。

不过iPhone用户也不必沮丧。据Insteon方面透露,开发搭载Siri的智能家居应用是迟早的事,只不过还没有具体实施而已。

就在上个月,苹果对开发者发布HomeKit应用时已经明确表示有此意向,但还没有推出任何Siri专属的应用设计工具。而目前Insteon正在与苹果洽谈HomeKit合作事宜,iPhone和iPad用户还是得多等一阵子。

在智能家居市场的角逐里,苹果有HomeKit,谷歌则收购了智能恒温器制造商Nest——而Nest继收购Dropcam之后,最近正忙着网罗众合作伙伴发展基于ZigBee无线通讯技术协议的智能家居产品。而与Insteon联手,微软在智能家居市场中就有了砝码,甚至比苹果先行一步开启了声控智能家居的新时代。

当前处于发展最巅峰的Insteon在过去十几年间以构建无线和传统电力线双线网状网络而闻名。虽然涉足智能家居行业已久,却一直很低调,在物联网疯狂膨胀的年代心甘情愿做配角。而现在的Insteon开启了声控智能家居的革命,给了其他行业竞争者当头一棒,真应了那句“不鸣则已,一鸣惊人”。

Insteon真的能如钢铁侠般逆袭成功吗?也许要不了多久,Windows Phone用户就能像Tony Stark那样,只消对着“Jarvis”一声令下,就能轻松操控智能家居。

(编译/张新慧 责编/唐小引)

文章来源:ReadWrite

相关阅读:继智能手机后的下一个战场:智能家居

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值