近日，索尼研究人員研發(fā)一款VR手柄，可以較精準(zhǔn)地跟蹤玩家手指的動(dòng)作。據(jù)傳，這一技術(shù)或?qū)⒂糜谒髂嵯乱淮鶳S游戲機(jī)。

VR提供一種沉浸式體驗(yàn)，手勢的自然交互對于用戶的體驗(yàn)十分重要，現(xiàn)有的VR手柄在這一點(diǎn)上還有缺陷。比如，F(xiàn)acebook旗下VR手柄產(chǎn)品Oculus Touch只在食指和中指部位設(shè)置觸發(fā)器，能夠感知到的手部動(dòng)作較少。

索尼研發(fā)的VR手柄克服了這一局限性，較精準(zhǔn)地再現(xiàn)用戶每個(gè)手指的動(dòng)作。

這項(xiàng)研究發(fā)表在美國計(jì)算機(jī)協(xié)會(huì)（ACM）官網(wǎng)上，論文題目為《接近傳感器手持設(shè)備手勢估計(jì)的機(jī)器學(xué)習(xí)技術(shù)評價(jià)（Evaluation of Machine Learning Techniques for Hand Pose Estimation on Handheld Device with Proximity Sensor）》。

論文鏈接：

https://dl.acm.org/doi/fullHtml/10.1145/3313831.3376712#BibPLXBIB0032

一、傳感器+神經(jīng)網(wǎng)絡(luò)：檢測、預(yù)測兩手抓

據(jù)了解，現(xiàn)有的手指動(dòng)作追蹤技術(shù)主要依靠兩種硬件來實(shí)現(xiàn)：能捕捉手指運(yùn)動(dòng)的攝像頭和電容式接近傳感器。

前者受到物理控制器的限制，Oculus Touch就屬于這一類。后者能實(shí)現(xiàn)更精確的動(dòng)作識別，但是技術(shù)還不成熟。

索尼研究人員設(shè)想，可以結(jié)合電容式傳感器和神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)更精準(zhǔn)的手勢追蹤。

用手柄上的電容式傳感器檢測出用戶手勢變化，用神經(jīng)網(wǎng)絡(luò)模型預(yù)測出用戶手指在三維空間的運(yùn)動(dòng)情況。為了設(shè)計(jì)出最佳方案，研究人員計(jì)劃選用兩種不同的神經(jīng)網(wǎng)絡(luò)。

二、用62個(gè)傳感器制作VR手柄原型

基于上述設(shè)想，索尼研究人員設(shè)計(jì)出VR手柄原型。

首先，研究人員在手柄握把部分安裝62個(gè)電容式接近傳感器，使傳感器盡可能多地覆蓋手柄曲面和頂面。傳感器尺寸為10mm*8mm，輸入電流頻率為87.5kHz。

然后，研究人員為神經(jīng)網(wǎng)絡(luò)模型建立訓(xùn)練集。

為VR手柄原型建立CV模型，將其置于一個(gè)UV空間中。選擇12位手形不同的人（男性8人，女性4人）作為參與者，用動(dòng)作捕捉系統(tǒng)OptiTrack以60幀率捕捉參與者動(dòng)作。每個(gè)參與者用右手做出11套不同手勢。每個(gè)動(dòng)作重復(fù)4次，前3次用于訓(xùn)練，第四次用于驗(yàn)證。

準(zhǔn)備好的訓(xùn)練集包含344015幀圖像，驗(yàn)證集包含111165幀圖像。

接下來，研究人員基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）ResNet-18來構(gòu)建直接回歸網(wǎng)絡(luò)（Direct Regression Network），基于2.5D熱圖回歸架構(gòu)（2.5D heatmap regression architecture）構(gòu)建熱圖檢測網(wǎng)絡(luò)（Heatmap Detection Network）。

用動(dòng)量為0.9的隨機(jī)梯度下降優(yōu)化器來訓(xùn)練這兩個(gè)神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)模型儲(chǔ)存誤差最小的模型。直接回歸網(wǎng)絡(luò)的初始學(xué)習(xí)率為0.03，熱圖檢測網(wǎng)絡(luò)的初始學(xué)習(xí)率為0.01。

三、模型精度較高：能抓起小物體，還能進(jìn)行交流

研究人員用驗(yàn)證數(shù)據(jù)集評估了兩個(gè)神經(jīng)網(wǎng)絡(luò)模型的性能。結(jié)果顯示，直接回歸神經(jīng)網(wǎng)絡(luò)模型更精確地預(yù)測了手部動(dòng)作。直接回歸神經(jīng)網(wǎng)絡(luò)模型平均絕對誤差（MAE）更小，為11.02mm。

研究人員還對比了手勢追蹤模型與其他模型的性能。2018年，Le等研究者設(shè)計(jì)出一款基于電容傳感器的手柄，平均絕對誤差為15.2mm。相比之下，索尼的解決方案精度更高。

另外，研究人員用英特爾酷睿i7-6950X 3.0GHz CPU和NVIDIA GTX1080 GPU成功演示了手勢追蹤模型，演示場景包括操縱小物體和用手指進(jìn)行非語言交流。

結(jié)語：將繼續(xù)提升精度

索尼研究人員結(jié)合電容式接近傳感器和神經(jīng)網(wǎng)絡(luò)，設(shè)計(jì)出一款精度較高的VR手柄，或能提升VR游戲的用戶體驗(yàn)。

除此以外，研究人員認(rèn)為這個(gè)模型還可以用于游戲之外的領(lǐng)域，比如非語言交流應(yīng)用。

研究人員下一步計(jì)劃繼續(xù)提升模型精度，使其能夠反映更多用戶手掌的特征，比如手指長度。

文章來源：TechXplore，ACM