诡域新娘

NVIDIA DLSS 4.5正式发布！RTX全系显卡可用：游戏画面大提升_我的网站

A |     8月26日消息，NVIDIA正式发布了DLSS 4.5光线重建技术，采用全新第二代Transformer模型，适用于所有RTX GPU，包括RTX 20、30、40、50全系显卡，通过最新NVIDIA App即可启用。     DLSS光线重建是一项神经网络渲染技术，用于提升光线追踪和路径追踪场景的画质。    传统光追渲染中，每条光线只采样场景的一部分信息，直接输出的画面充满噪点，需要降噪器将多帧噪声画面合成成清晰图像，传统降噪器需要人工调校，效果受限于开发者的经验和投入。    
DLSS光线重建工作流程：1080p噪声输入经Transformer模型处理后输出4K光追图像     NVIDIA的方案是用经过超级计算机训练的AI网络替代人工降噪器，生成采样光线之间更高质量的像素。    2026世界人工智能大会（WAIC）已正式落下帷幕。具身智能堪称其中最靓的仔，不仅首次独立成馆，与智算并列为大会两大核心赛道，更是靠着超高人气成了整座展馆人潮最拥挤的地方。该模型将降噪和超分辨率融合到同一个网络中，通过智能分析时间和空间引擎数据，重建出更清晰、更稳定、保真度更高的高分辨率图像。         热潮之下，这届WAIC上，还有几个直观变化：          第一，机器人表演才艺的少了，上手干活的多了。从智能工厂产线到智慧药房、从物流仓库到精密装配，真实场景被复刻到了现场。    据官方介绍，DLSS 4.5光线重建主要带来以下几项重大改进：     1、高效降噪器：新模型的计算能力提升了35%，处理的参数数量增加了20%，同时保持了与上一代模型相似的性能。    2、增强版超分辨率：在DLSS 4.5超分辨率的基础上，该模型在每个场景中都具有更深入的空间感知能力，并更智能地使用游戏引擎像素采样和运动数据。大家关心的已不再是“能不能动”，而是“能不能用”。         第二，具身智能的战场在快速扩容，整个H3馆，200余家机器人头部企业、208款具身智能终端、300多台真机同台展演，从整机到灵巧手、从关节模组到传感器，全产业链的人都来了。其结果是光照精度提升、时间稳定性改善以及光线追踪和路径追踪内容中的动作更加清晰。

B |     3、扩展训练数据集：使用更大的数据集进行训练，新模型在图像重建方面表现更出色。

C | 这种智能使得模型能够更好地感知并选择最准确的引擎数据，以重建更接近真实场景的图像。         而在众多细分赛道中，触觉正成为今年最受关注的新变量之一。业内越来越多声音将2026年称为 “触觉元年”。一目科技创始人兼 CEO 李智强向数智前线透露，过去半年间，触觉数据需求增长明显，“几乎每过一两个月，就能感受到一次明显跃升，大家都觉得触觉必不可少，现在不管是做大脑的，还是做数采服务的，都在找我们合作，希望能把触觉加进去。    4、开发者精细化调控：全新模型搭配专属开发者遮罩工具，让开发者可进行更细致的参数调节，精准优化算法表现，进一步提升图像质量。    
第二代Transformer模型带来更大降噪器和更深空间感知     随着DLSS 4.5光线重建正式发布，整套DLSS技术栈均已完成增强与更新，包含多项技术：仅限RTX 50系列的动态多帧生成和6倍多帧生成，支持RTX 40和50系列的帧生成，RTX全系列支持的光线重建、超分辨率和DLAA。

D |          DLSS 4.5光线重建的改进在各款游戏中都有直观体现，《夺宝奇兵：古老之圈》中，新模型提供了更清晰的粒子效果，地下墓穴场景中，火把照亮地面的范围和渐变层次更自然，石头表面的贴图细节在动态光照下更清晰。

E |     
《夺宝奇兵：古老之圈》对比：右侧DLSS 4.5粒子效果更清晰     《识质存在》科幻走廊场景中，红色激光轨迹的拖影基本消除，每条激光的响应更加即时，走廊天花板的光带反射也更干净，不再有旧版中偶尔出现的噪点。    
《识质存在》对比：右侧DLSS 4.5光照响应速度提升，激光残影减少     《心灵杀手2》中清晰度与稳定性大幅提升，旧版光线重建会将CRT老式电视屏幕的静电纹理过度平滑，新版能还原出更真实的噪点细节。角色面部的环境光遮蔽也更准确，暗部细节不再被过度抹平。    
《心灵杀手2》对比：右侧DLSS 4.5保留CRT电视白噪条纹细节，光照精度提升     要使用DLSS 4.5光线重建，用户需要下载最新的GeForce Game Ready驱动580.88 WHQL或更新版本。

F | 安装后在NVIDIA App中前往设置>关于，然后选择加入抢先体验版（该功能将于9月正式上线）。”          01          真假花生背后：触觉成为“物理真值”入口          “如果让机器人分辨两颗一模一样的花生，它会怎么做？”          在H3馆一目科技展台前，这个看似简单的问题一度吸引层层观众驻足。大家盯着桌面上的一堆花生——同样的颜色、形状和纹理，如果不伸手仔细触摸，肉眼几乎看不出任何区别。    安装完成后，打开“图形”并选择支持的游戏，或选择窗口顶部的全局设置将光线重建应用于库中每款受支持的游戏。而机器人伸出指尖，轻轻按压了一下，随即做出判断，将真的放在了左边，假的放在右边。         （真假花生演示现场）          它是怎么做到的？答案并不藏在复杂的物理公式里，而在于一次真实的“交互”。         过去两年，大模型让机器人拥有了越来越聪明的“大脑”。    滚动至驱动程序设置，点击DLSS优设-模型预设，点击自定义，打开光线重建下拉菜单，选择推荐或预设F，最后点击应用即可。

G | VLA、世界模型等技术不断刷新机器人理解任务和规划动作的能力。但进入工厂、家庭和实验室后，人们发现，机器人依然会捏碎鸡蛋、抓滑杯子、装不好零件。

H |          原因并不复杂。今天的大模型学习的是互联网世界，而机器人面对的是物理世界。互联网能告诉AI什么是鸡蛋，却不会告诉它鸡蛋壳在多大压力下会破裂；图片可以教会机器人认识花生，却无法告诉它哪一颗是真的。    
NVIDIA App中DLSS Override设置页面：选择Preset F或推荐即可开启DLSS 4.5光线重建          

。         在“大脑”训练中，仅靠视觉存在三个短板：一是视觉精度不足，尤其在测距和灵巧操作时，精度仅为几十毫米到几毫米，难以满足精细操作需求；二是视觉信息易被遮挡，抓取物体时后半部分完全被遮挡，无法判断手是否接触到物体；三是视觉完全不包含力觉信息，无论怎样提取，都无法获得“手感”。这些限制使许多模型在灵巧操作应用中难以收敛和有效解决问题。         李智强认为，婴儿认识世界不是从语言开始，而是通过触摸、抓握、摔打。

I | 几十年前的实验也早已证明触觉的不可替代性——若将人手触觉神经麻醉阻断，扣扣子、穿针引线等精细动作便无法完成。正因如此，具身智能行业对触觉数据和模态的关注正在日益增强。触觉感知的不仅是力场，更是物体在受力后的形变与响应——这正是Physical AI所需的Ground Truth（物理真值）。

J |          正如黄仁勋所言，触觉是具身智能的最后一块拼图，若这块拼图未能补齐，整个具身智能版图便难以完工。         02          需求、技术与成本的三重临界点          “总是听到各种‘元年’的说法，这个词本身不重要，但它背后蕴含三层含义：第一，是否有价值；第二，技术是否成熟；第三，从成本和可行性来看是否成熟。”李智强说，今年，触觉感知在三个维度上都跨过了临界点。

K |          价值层面，共识已经形成。过去半年触觉数据需求激增，模型方和数据服务商都开始明确要求加入触觉模态。李智强观察，触觉赛道正呈现几个特征：一是行业大佬纷纷发声，黄仁勋、李飞飞都在强调触觉的重要性，李飞飞上月发布的论文更是用视触觉方案验证了类人模型的可行性；二是技术路线开始收敛，都在往更类人的方向靠拢。         一目科技此次WAIC展示的机器人真假花生识别，正是触觉数据价值最直观的体现。视觉无法区分两颗花生，但机器人通过一次真实接触，便能够获取压力、形变等物理反馈，从而完成判断。         技术层面，触觉数据从硬件到算法的能力正在快速提升。压阻式、电容式等传统路线仍是市场主流，成本低、应用广，但在精度、响应速度、力觉维度等方面各有局限。面对具身智能对高分辨率触觉信息的迫切需求，视触觉（Vision-based Tactile）技术正快速走向台前。         这也是一目科技的技术路线。

L | 与传统力传感器不同，视触觉在柔性材料内部建立光学观测系统。当机器人与物体发生接触时，材料会产生微米级的形变，内置的光学系统实时记录这些变化的图像，再通过AI算法还原出压力分布、剪切力、纹理、滑移趋势等丰富的物理信息。这不是在“测力”，而是在“看见形变，理解力”。李智强判断，“今年行业会加速向这一方案收敛。”          据他介绍，客户选择视触觉方案时主要关注四个维度：性能指标如分辨率、可靠性、一致性和耐久性；尺寸能否与手部集成；算力消耗和数据量大小；以及规模化后的成本。         “我们算力消耗已经做到 TOPS以下，无需再集成大算力芯片。

M | ”李智强表示，传感器厚度也已迭代至小于3毫米，是全球最薄可量产的仿生视触觉传感器，未来还将实现贴片式安装，手掌、手心等部位都能灵活贴附。而在耐久性上，以前皮肤用个一两千次就容易坏，现在可以做到100万次。李智强评估，触觉赛道整体成熟度正从45-50分跃升至六七十分，但厚度和算力消耗仍有进一步优化空间，以便进入更多真实场景。         在成本层面，规模化生产的门槛已被突破。一目科技的视触觉传感器成本正遵循摩尔定律的趋势呈指数级下降，这得益于公司全栈自研自产的体系——从材料到芯片均为自主研发，加之产线自动化水平高，使得生产成本大幅降低。一目科技创始人李智强表示：“我们已经实现规模量产，这意味着触觉传感器正在从少数高端实验室的‘奢侈配置’，转变为整个机器人行业都能广泛应用的基础设施。”          从整个行业看，触觉赛道正进入规模化起点。“我相信今年至少会比去年翻倍，明年可能翻10倍以上。”李智强说。         03          从传感器到基础设施：一目科技在构建什么?          触觉市场正在升温，但一个现实是：触觉传感器至今没有大规模落地，像样的开源数据集也几乎不存在。         一个共识是，成熟机器人模型至少需要50-100万小时训练数据，部分企业甚至已将目标提至1000万小时。“带触觉的数据应该有相似量级，至少不会低于一个数量级。"李智强表示，目前有效触觉数据可能只有几万到10万小时，与未来需求差距巨大。

N | 今年触觉市场最大的挑战，已从硬件量产转向大规模部署与数据体系建设。         在一目科技的布局中，视触觉传感器只是起点。真正稀缺的并非传感器本身，而是其持续产出的高质量物理交互数据。因为对于Physical AI而言，每一次接触，都是机器人认识世界的一次学习；每一次抓取，都会产生新的Ground Truth。

o | 他们要做的，正是构建Physical AI基础设施，填补连接物理世界与智能系统之间缺失的那一层。

p |          围绕这一目标，一目科技搭建了一套完整的基础设施体系：          底层，视触觉传感器持续采集真实交互数据；中间层，通过数据采集系统和触觉编码模型（Tactile Transformer Encoder），将复杂的物理交互转化为模型能够学习的结构化知识。“我们不仅仅是在编码触觉，我们是在通过海量的交互，让机器人学习GTM（Grounded Transition Model），最终形成机器人的Affordance（可供性）能力——即在什么条件下、对什么对象、施予什么力、得到什么结果。

q | ”上层，结合虚拟仿真平台，不断扩展真实数据的覆盖范围，形成真实世界、数据世界和模型训练之间持续迭代的数据闭环。         此次WAIC展出的视触觉产品矩阵、五指集成灵巧手、数据采集系统、虚拟仿真平台，以及覆盖生产制造、生活服务、精密实验等不同场景的应用展示，共同组成了这一完整链路。

r |          在应用场景上，触觉正在打开新的可能性。

s | 插拔类组装、柔性材质的线束装胶条、公差变化较大的环境、需要“手感”判断的操作——这些过去必须依赖人力的环节，有望随着触觉技术的突破逐步解决。李智强透露，一目科技的触觉方案，已在智能制造、汽车制造、新能源电池组装等领域有实际落地案例。         7月18日，一目科技还宣布完成了超过10亿元E轮融资，投后估值突破100亿元。本轮融资由多家一线人民币基金、头部美元基金及产业资本联合参与，资金将主要用于具身智能触觉感知材料、芯片、算法及模型研发，以及规模化量产和订单交付。

t |          从“看得懂”到“拿得稳”，从炫技表演到真实干活，2026年的WAIC见证了一个关键转折：触觉正在成为具身智能从实验室走向真实世界的最后一块拼图。而这仅仅是一个开始。（数智前线/周享玥）。

u |

Current article:http://qbze.menjiewugaokuodudipianbeiduan.pics/2l5j/20260826/15543.html

Published on:08:00:24