Immersal SDK 示例项目使用教程
1. 项目介绍
Immersal SDK 示例项目是一个展示如何使用 Immersal SDK 进行增强现实(AR)应用开发的示例集合。该项目包含多个示例场景,展示了 Immersal SDK 的各种功能,如多地图定位、内容放置、导航等。通过这些示例,开发者可以快速了解和掌握 Immersal SDK 的使用方法,并将其应用到自己的 AR 项目中。
2. 项目快速启动
2.1 环境准备
- Unity 版本: 2022.3 LTS 或更高版本
- AR Foundation: 5+
- Immersal SDK: 从 Immersal 开发者门户下载最新版本的 Unity 插件
2.2 安装步骤
-
克隆项目仓库
git clone https://github.com/immersal/immersal-sdk-samples.git -
导入 Immersal SDK 插件
- 打开 Unity,点击
Open Project,导航到克隆的项目文件夹并打开。 - 点击
Assets -> Import Package -> Custom Package,选择下载的ImmersalSDKvX_X_X.unitypackage文件并导入。
- 打开 Unity,点击
-
安装依赖包
- 打开
Window -> Package Manager。 - 安装
AR Foundation、ARCore XR Plugin、ARKit XR Plugin和TextMesh Pro(如果需要)。
- 打开
2.3 运行示例场景
- 打开 Unity 项目。
- 导航到
Assets/Samples/Immersal SDK Core/2.0.0/Core Samples/Scenes/目录。 - 双击任意示例场景(如
MultimapSampleScene)并运行。
3. 应用案例和最佳实践
3.1 多地图定位示例
MultimapSampleScene 展示了如何使用多个预先生成的地图进行设备定位,并在 AR 空间中显示 3D 对象。开发者可以通过此示例学习如何创建和管理多个地图,并在不同场景中进行定位。
3.2 内容放置示例
ContentPlacementSample 允许用户在 AR 空间中放置对象,并将其位置保存到本地。虽然这些位置不会在设备间持久化,但开发者可以通过此示例学习如何在 AR 环境中进行对象的动态放置和管理。
3.3 导航示例
NavigationSample 提供了一个 AR 导航的示例,展示了如何在 AR 环境中进行路径引导。开发者可以通过此示例学习如何结合地图数据和 AR 技术进行导航应用的开发。
4. 典型生态项目
4.1 Immersal SDK Magic Leap 2 示例
Immersal SDK 还提供了针对 Magic Leap 2 设备的示例项目,展示了如何在 Magic Leap 2 上使用 Immersal SDK 进行 AR 开发。开发者可以通过此项目了解如何在 Magic Leap 2 设备上集成和使用 Immersal SDK。
4.2 Immersal SDK Unity 示例
除了 GitHub 上的示例项目,Immersal 还提供了官方的 Unity 示例项目,开发者可以通过 Unity 的 Package Manager 下载并导入这些示例,进一步学习和掌握 Immersal SDK 的使用。
通过这些示例和生态项目,开发者可以快速上手 Immersal SDK,并将其应用到各种 AR 应用场景中。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00