Meta用一個頭顯搞定全身動捕，無需手柄和下身傳感器，網友：VR終于少點物理掛件了
“元宇宙終于要有腿了”
蕭簫 發自 凹非寺
量子位 | 公眾號 QbitAI
還記得你玩VR的時候，完全看不到自己下半身的樣子嗎？
畢竟，目前的VR設備通常只有手柄和頭顯，沒有下半身傳感器，系統無法直接判斷下半身的動作，預測時也容易出bug。
現在，Meta終于邁出了一大步——只憑頭顯（甚至不用手柄），就能搞定全身動捕，連雙腿的不同動作都預測得一清二楚！
新研究一po出就在網上爆火。
有網友調侃，小扎的元宇宙終于要有腿了，順手還po了個Meta的股票。
還有VR玩家感到高興：玩游戲時終于可以在身上少掛點硬件了！
這項研究究竟是如何只用頭顯做到全身動捕的？
給強化學習AI搞個物理約束
研究人員設計了一個框架，以頭顯（HMD）和手柄控制器的位置和方向數據作為輸入，其他數據全靠AI預測。
為此，他們先基于強化學習訓練了一個策略（policy，基于三層MLP），根據僅有的HMD和手柄數據，盡可能逼真地還原真實動作捕捉的姿勢（動捕數據一共10小時）。
他們搞了4000個身高不同的仿真人形機器人，每個機器人具有33個自由度。
隨后，將這些機器人在英偉達的Isaac Gym（一個專門用于強化學習研究的機器人物理模擬環境）中同時進行訓練，比單個環境下訓練一個機器人要更快。
在物理環境中一共訓練了2天（約140億步）后，這只框架就能基于這個強化學習策略，根據頭顯和手柄數據直接預測用戶全身動作了——
包括慢跑、行走、后退或過渡動作（transition）等。
不僅如此，Isaac Gym還允許添加其他不同的模擬對象，因此還能通過訓練環境復雜度以增強動作真實性。
例如，根據虛擬環境中新增的皮球，模擬出“踢”的交互動作：
所以，相比其他模型，為什么這個框架預測的效果更好？
（此前雖然也有手柄和頭顯預測全身姿態的AI，但預測全身動作時往往會出現身體不自然抖動、走路時腳像是在“滑冰”、接觸力不穩定等bug）
Meta研究人員分析后認為，此前模型難以準確預測下半身姿態的原因，是預測時上下半身的關聯度較小。
因此，如果在預測時增加一定的物理約束（人體力學），例如慣性平衡和地面接觸力等，就能讓預測精度更上一層樓。
△腳上的紅色直條大小表示接觸力大小
研究人員還進一步發現，即使不用手柄控制器，只需要頭顯的60個姿勢（包含位置和方向數據），就足以重建各種運動姿態，還原出來的效果同樣沒有物理偽影。
除此之外，由于這個策略是基于4000個身高不同的仿真人形機器人訓練，因此它也能自動根據用戶的不同身高來調整策略（具有基于動捕的重定向功能）。
不過，也有網友好奇他為什么要采用強化學習來預測運動姿態，畢竟當前監督學習是主流方法。
對此作者回應稱，強化學習更方便加入物理約束（即降低抖動、腳滑等bug的關鍵原因），但對于監督學習來說，這通常是個難點。
但研究人員也表示，目前這個框架還有一定限制，如果用戶做的動作不包含在訓練數據中（例如快速沖刺）、或是進行了某些過于復雜的交互，那么虛擬環境中的仿真機器人就可能當場跌倒、或出現模擬失敗的情況。
作者介紹
三位作者都來自Meta。
一作Alexander W. Winkler，目前是Meta Reality Lab的研究科學家，研究方向是非線性數值優化、高自由度運動規劃、基于三維物理的仿真和可視化等。
他本碩畢業于德國卡爾斯魯厄理工學院（KIT），博士畢業于瑞士蘇黎世聯邦理工學院（ETH）。
Jungdam Won，目前是Meta AI Lab的研究科學家，本科和博士畢業于韓國首爾大學計算機科學與工程系，研究方向包括強化學習中智能體的控制和交互，以及通過機器學習方法優化動作捕捉等。
Yuting Ye，目前是Meta Reality Lab的研究科學家，參與過Quest和Quest 2的手柄跟蹤功能研發，本科畢業于北京大學，并在弗吉尼亞大學獲得碩士學位，博士畢業于佐治亞理工學院，研究方向是動作捕捉和元宇宙等。
論文地址：
https://arxiv.org/abs/2209.09391
參考鏈接：
https://twitter.com/awinkler_/status/1572968904401776641
- 首個GPT-4驅動的人形機器人！無需編程+零樣本學習，還可根據口頭反饋調整行為2023-12-13
- IDC霍錦潔：AI PC將顛覆性變革PC產業2023-12-08
- AI視覺字謎爆火！夢露轉180°秒變愛因斯坦，英偉達高級AI科學家：近期最酷的擴散模型2023-12-03
- 蘋果大模型最大動作：開源M芯專用ML框架，能跑70億大模型2023-12-07
相關閱讀
