Meta用一个头显搞定全身动捕，无需手柄和下身传感器_风闻

　　萧箫 发自 凹非寺

　　量子位 | 公众号 QbitAI

　　还记得你玩VR的时候，完全看不到自己下半身的样子吗？

　　毕竟，目前的VR设备通常只有手柄和头显，没有下半身传感器，系统无法直接判断下半身的动作，预测时也容易出bug。

　　现在，Meta终于迈出了一大步——只凭头显（甚至不用手柄），就能搞定全身动捕，连双腿的不同动作都预测得一清二楚！

　　新研究一po出就在网上爆火。

　　有网友调侃，小扎的元宇宙终于要有腿了，顺手还po了个Meta的股票。

　　还有VR玩家感到高兴：玩游戏时终于可以在身上少挂点硬件了！

　　这项研究究竟是如何只用头显做到全身动捕的？

　　给强化学习AI搞个物理约束

　　研究人员设计了一个框架，以头显（HMD）和手柄控制器的位置和方向数据作为输入，其他数据全靠AI预测。

　　为此，他们先基于强化学习训练了一个策略（policy，基于三层MLP），根据仅有的HMD和手柄数据，尽可能逼真地还原真实动作捕捉的姿势（动捕数据一共10小时）。

　　他们搞了4000个身高不同的仿真人形机器人，每个机器人具有33个自由度。

　　随后，将这些机器人在英伟达的Isaac Gym（一个专门用于强化学习研究的机器人物理模拟环境）中同时进行训练，比单个环境下训练一个机器人要更快。

　　在物理环境中一共训练了2天（约140亿步）后，这只框架就能基于这个强化学习策略，根据头显和手柄数据直接预测用户全身动作了——

　　包括慢跑、行走、后退或过渡动作（transition）等。

　　不仅如此，Isaac Gym还允许添加其他不同的模拟对象，因此还能通过训练环境复杂度以增强动作真实性。

　　例如，根据虚拟环境中新增的皮球，模拟出“踢”的交互动作：

　　所以，相比其他模型，为什么这个框架预测的效果更好？

　　（此前虽然也有手柄和头显预测全身姿态的AI，但预测全身动作时往往会出现身体不自然抖动、走路时脚像是在“滑冰”、接触力不稳定等bug）

　　Meta研究人员分析后认为，此前模型难以准确预测下半身姿态的原因，是预测时上下半身的关联度较小。

　　因此，如果在预测时增加一定的物理约束（人体力学），例如惯性平衡和地面接触力等，就能让预测精度更上一层楼。

　　****△脚上的红色直条大小表示接触力大小

　　研究人员还进一步发现，即使不用手柄控制器，只需要头显的60个姿势（包含位置和方向数据），就足以重建各种运动姿态，还原出来的效果同样没有物理伪影。

　　除此之外，由于这个策略是基于4000个身高不同的仿真人形机器人训练，因此它也能自动根据用户的不同身高来调整策略（具有基于动捕的重定向功能）。

　　不过，也有网友好奇他为什么要采用强化学习来预测运动姿态，毕竟当前监督学习是主流方法。

　　对此作者回应称，强化学习更方便加入物理约束（即降低抖动、脚滑等bug的关键原因），但对于监督学习来说，这通常是个难点。

　　但研究人员也表示，目前这个框架还有一定限制，如果用户做的动作不包含在训练数据中（例如快速冲刺）、或是进行了某些过于复杂的交互，那么虚拟环境中的仿真机器人就可能当场跌倒、或出现模拟失败的情况。

　　作者介绍

　　三位作者都来自Meta。

　　一作Alexander W. Winkler，目前是Meta Reality Lab的研究科学家，研究方向是非线性数值优化、高自由度运动规划、基于三维物理的仿真和可视化等。

　　他本硕毕业于德国卡尔斯鲁厄理工学院（KIT），博士毕业于瑞士苏黎世联邦理工学院（ETH）。

　　Jungdam Won，目前是Meta AI Lab的研究科学家，本科和博士毕业于韩国首尔大学计算机科学与工程系，研究方向包括强化学习中智能体的控制和交互，以及通过机器学习方法优化动作捕捉等。

　　Yuting Ye，目前是Meta Reality Lab的研究科学家，参与过Quest和Quest 2的手柄跟踪功能研发，本科毕业于北京大学，并在弗吉尼亚大学获得硕士学位，博士毕业于佐治亚理工学院，研究方向是动作捕捉和元宇宙等。

　　论文地址：

　　https://arxiv.org/abs/2209.09391

　　参考链接：

　　https://twitter.com/awinkler_/status/1572968904401776641