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?
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。
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