Lingverse Samlar In 29 Miljoner Dollar För Att Utveckla iKairos, En AI-bärbar Enhet Inspirerad Av Jibo

Singapore-baserade AI-hårdvaruföretaget Lingverse har samlat in 29 miljoner dollar i för- serie A-finansiering för att utveckla iKairos, en modulär bärbar enhet som är utformad för att förstå både sin användare och den omgivande miljön.

Företaget beskriver iKairos som en fortsättning på visionen bakom Jibo, den uttrycksfulla sociala roboten som väckte stor uppmärksamhet efter sin crowdfunding-kampanj 2014. Istället för att återskapa Jibo som en annan stationär hemmarobot, anpassar Lingverse konceptet för en era av multimodal AI, bärbara kameror och kontextmedvetna assistenter.

Lingverse har inte avslöjat de deltagande investerarna, dess värdering eller de specifika finansiella villkoren för rundan. Finansieringen kommer att stödja utvecklingen och den planerade kommersialiseringen av iKairos, med förbeställningar som förväntas börja i tredje kvartalet 2026.

Att Flytta Den Sociala Roboten Bortom Skrivbordet

Jibo var utformad som en social närvaro för hemmet, med kameror, mikrofoner, ansiktsigenkänning och en animerad display för att kommunicera med människor. Dess uttrycksfulla rörelser hjälpte till att skilja den från de röstassistenter och smarta högtalare som dök upp vid den tiden.

Roboten ingick i TIME:s bästa uppfinningar 2017, men dess kommersiella liv visade sig vara kort. Jibo Inc. upphörde med verksamheten 2018, och användarna fick ett avskedsmeddelande året därpå som varnade för att servrarna som stödde många av dess funktioner snart skulle stängas av.

Den avslutningen blev ett varaktigt exempel på både den emotionella potentialen och de kommersiella riskerna som är förknippade med sociala robotar. Lingverse återbesöker den underliggande idén, men med en annan formfaktor och en mer ambitiös tillvägagångssätt för perception.

Där Jibo förblev på en plats, utvecklas iKairos som en modulär enhet som kan fungera som antingen en bärbar eller en skrivbordskamrat. Designen bevarar ett uttrycksfullt ansikte inspirerat av Jibo, samtidigt som den tillåter enheten att följa med sin användare under dagen.

En Bärbar Enhet Som Tittar I Två Riktningar

De flesta kamerautrustade bärbara enheter observerar miljön från användarens synvinkel. De kan identifiera objekt, svara på frågor om vad användaren ser, ta foton eller tillhandahålla information om närliggande platser.

Lingverse hävdar att denna synvinkel är bara en del av den kontext som en AI-assistent behöver.

iKairos är utformad för att skifta sin blick mellan användaren och den yttre världen. En synvinkel kan observera användarens uttryck, aktiviteter och beteende, medan den andra kan tolka objekt, människor och händelser som inträffar runt dem.

Genom att kombinera dessa synvinklar över tid, avser Lingverse att iKairos ska bygga upp en mer detaljerad förståelse för användarens omständigheter. Istället för att vänta på en direkt uppmaning, kunde systemet så småningom avgöra när en påminnelse, fråga eller förslag kan vara användbart.

Företaget kallar denna roll för en “AI-vakt”, även om den första utgåvan inte specificerar det fulla utbudet av uppgifter som är tillgängliga vid lanseringen. Detaljer som batteritid, vikt, pris, stödda AI-modeller, anslutning och tredjepartsintegrationer har ännu inte meddelats.

Från Uppmaningsbaserad Hjälp Till Varaktig Kontext

Den större tekniska satsningen bakom iKairos är att nästa generation av personliga AI-enheter kommer att behöva förstå mer än isolerade kommandon.

Stora språkmodeller kan svara på detaljerade uppmaningar, men de saknar vanligtvis direkt kunskap om vad en person har gjort under dagen. Bärbara enheter kan potentiellt fylla den luckan genom att samla in visuell, ljud, plats och beteendekontext innan de skickar relevant information till ett AI-system.

Detta tillvägagångssätt kunde möjliggöra en assistent som känner igen att en användare har glömt en artikel, förbereder sig för en schemalagd aktivitet eller kan behöva information som är kopplad till vad som händer i närheten. Det kunde också tillåta systemet att anpassa sitt beteende baserat på rutiner snarare än att förlita sig uteslutande på manuellt konfigurerade inställningar.

Men, varaktig observation introducerar svåra frågor som rör integritet, social acceptans, dataägarskap och noggrannheten i AI-genererade ingrepp. En enhet som försöker förutsäga en persons behov måste skilja mellan genuint användbara ögonblick och situationer där avbrott skulle vara intrång.

Integritetskontroller Inbyggda I Enheten

Lingverse säger att iKairos utvecklas med integritetskydd på både hårdvaru- och systemnivå.

Enheten innehåller en fysisk kamerakläpp som användare kan stänga för att blockera visuell observation. Lingverse säger också att personuppgifter antingen kommer att bearbetas lokalt eller krypteras medan de överförs, och att användardata inte kommer att användas för att träna de underliggande AI-modellerna.

De här åtagandena kan bli en viktig del av produktens positionering, särskilt eftersom iKairos är avsedd att observera sin användare under långa perioder. Effektiviteten hos dessa skydd kommer slutligen att bero på produktens tekniska arkitektur, standardinställningar, lagringsprinciper och den mängd bearbetning som kan ske på enheten.

Lingverse har ännu inte släppt detaljerad teknisk dokumentation som förklarar vilka funktioner som fungerar lokalt, vilka som kräver molntjänster eller hur användare kommer att kunna granska och ta bort den information som samlas in om dem.

Jiawei Gus Väg Genom Människa-Datorinteraktion

Lingverse grundare och VD Jiawei Gu har tillbringat mycket av sin karriär med att arbeta på system som kombinerar datorseende, AI och fysiska enheter.

Gu arbetade tidigare på Microsoft (MSFT ) Research och ledde sedan initiativ för människa-datorinteraktion på Baidus Institute of Deep Learning. Hans arbete inkluderade BaiduEye, ett tidigt bärbart datorprojekt, och DuLight, ett system som använde kameror och djupinlärning för att hjälpa synskadade användare att känna igen objekt och skriven information.

Innan han grundade Lingverse, var Gu styrelseledamot i Jibo och skapade Luka, en uggleformad läskamrat som känner igen fysiska bilderböcker och läser dem högt för barn. Lukas nuvarande plattform säger att enheten kan känna igen över 20 000 engelska bilderböcker och 70 000 kinesiska titlar.

iKairos för samman dessa trådar. Den kombinerar de uttrycksfulla egenskaperna som är förknippade med sociala robotar, bärbar hårdvaras portabilitet och den visuella förståelse som möjliggörs av modern multimodal AI.

Framtida Implikationer För Kontextmedvetna AI-bärbara Enheter

Enheter som iKairos pekar mot en förändring från uppmaningsbaserade assistenter till AI-system som kontinuerligt tolkar sina användare och omgivning. Om detta tillvägagångssätt visar sig vara tillförlitligt, kan framtida bärbara enheter tillhandahålla hjälp baserat på pågående kontext snarare än att vänta på explicita instruktioner, vilket potentiellt kan förändra hur människor interagerar med kalendrar, kommunikationsverktyg, hälsotillämpningar och anslutna enheter.

Den förändringen skulle också introducera betydande integritets- och styrningsutmaningar. En bärbar enhet som observerar både användaren och den omgivande miljön kan samla in information om förbipasserande som inte har samtyckt till att bli inspelade. Fysiska kamerakontroller och bearbetning på enheten kan minska vissa risker, men tillverkare måste fortfarande vara transparenta om vad som samlas in, hur länge det lagras och vilka funktioner som är beroende av molninfrastruktur.

Kategorin kommer slutligen att bero på om proaktiv hjälp är konsekvent användbar snarare än intrång. Kontextmedvetna AI-system måste förstå när de ska ingripa, när de ska förbli tysta och hur de ska kommunicera osäkerhet när de missförstår en situation. Företagen som löser dessa problem kan hjälpa till att etablera en ny form av ambient computing, medan de som misslyckas kan förstärka befintliga bekymmer om övervakning, opålitlig automatisering och den långsiktiga livskraften hos molnbaserad hårdvara, och hur de kommunicerar osäkerhet när de missförstår en situation. Företagen som löser dessa problem kan hjälpa till att etablera en ny form av ambient computing, medan de som misslyckas kan förstärka befintliga bekymmer om övervakning, opålitlig automatisering och den långsiktiga livskraften hos molnbaserad hårdvara.