Meta 釋出 Aria Gen 2 眼鏡：端側跑 SLAM，專為機器人和具身感知打造

想讓機器人像人類一樣理解現實世界，最卡脖子的不是大模型的引數量，而是 AI 根本沒有以人的第一人稱視角「活」過。

Meta 正式釋出了第二代研究級智慧眼鏡 Aria Gen 2。這是 Meta 自 2020 年啟動 Project Aria 以來最重磅的硬體升級，由 Reality Labs 和 FAIR 實驗室牽頭，專門面向機器感知、以人為中心的上下文 AI 以及機器人研發。

最值得關注的是，Meta 這次把全套感知演算法直接搬到了眼鏡本地。整副眼鏡重約 75 克，依靠自研晶片，可以在端側超低功耗執行 SLAM 空間定位、眼球追蹤、手勢識別和語音識別，並且支援 6 到 8 小時的連續使用。

鼻托里塞進麥克風與心率計

和市面上普通的智慧眼鏡不同，Aria Gen 2 是個不折不扣的感測器怪物。

它機身上搭載了 RGB 攝像頭、六自由度 SLAM 相機、眼動追蹤相機、空間麥克風陣列、IMU、氣壓計、磁力計和 GNSS 衛星定位。鏡腿做成了可摺疊設計，外加開放式力消除揚聲器，方便隨時給人提供音訊反饋。

更巧妙的細節藏在鼻托里。Meta 在鼻托位置塞進了兩顆特殊感測器：一顆是測量心率的 PPG 光電感測器，另一顆是接觸式麥克風。

接觸式麥克風通過面部骨骼震動拾音，能徹底解決一個經典難題：AI 可以精準區分這句話是佩戴者本人說的，還是旁邊路人說的。這對於需要連續聽取指令的具身智慧體來說，幾乎是剛需。

從人形機器人到視障導航

這套硬體不是賣給普通消費者的數碼玩具，而是給學術界和前沿工業界準備的「資料收割機」。

上一代 Aria 採集製作的 Ego-Exo4D 資料集，已經是計算機視覺和機器人領域的基礎資源。喬治亞理工學院此前就利用 Aria 套件訓練人形機器人在家庭環境中協助人類，寶馬也在用它探索車載 AR 與 VR 系統的融合。

新一代硬體已經有了落地測試。專門服務視障群體的 Envision 公司，正把 Aria Gen 2 與其 Ally AI 助手結合，藉助眼鏡本地的 SLAM 建圖和板載空間音訊，幫助盲人進行室內精準導航。

Meta 表示，未來幾個月會公佈合作伙伴獲取裝置的具體時間表，目前研究機構已經可以申請接收後續通知。

為什麼重要

具身智慧現在最大的瓶頸就是優質的第一人稱資料太少。機械臂和人形機器人學動作，看普通監控視角或者合成影片遠遠不夠，它們需要知道人類在操作物體時眼睛看哪裡、頭怎麼轉、手上用什麼節奏。Aria Gen 2 補齊的就是這塊拼圖。

我們認為 Meta 這步棋下得非常聰明。開發一臺消費級 AR 眼鏡受制於光學顯示和散熱，短時間內很難做到極致輕便；但做一款不帶螢幕、只堆感測器和端側晶片的 75 克研究工具，不僅技術難度可控，還能靠開放合作把全球頂尖高校和實驗室變成自己的資料採集團隊。

看起來它的隱患也在於定位。它依然不是一款走量的消費級硬體，商業化落地完全寄託在上游研究者的產出速度上。而且 6 到 8 小時的續航在全天候高強度資料採集時依然略顯緊張，如何保證長時間佩戴的散熱與舒適度，還得看後續合作方的實際反饋。