Vision Pro又現(xiàn)火爆新玩法，這回還和具身智能聯(lián)動(dòng)了~

就像這樣，MIT小哥利用Vision Pro的手部追蹤功能，成功實(shí)現(xiàn)了對機(jī)器狗的實(shí)時(shí)控制。

不僅開門這樣的動(dòng)作能精準(zhǔn)get：

也幾乎沒什么延時(shí)。

Demo一出，不僅網(wǎng)友們大贊鵝妹子嚶，各路具身智能研究人員也嗨了。

比如這位準(zhǔn)清華叉院博士生：

還有人大膽預(yù)測：這就是我們與下一代機(jī)器互動(dòng)的方式。

項(xiàng)目如何實(shí)現(xiàn)，作者小哥樸英孝（Younghyo Park）已經(jīng)在GitHub上開源。相關(guān)App可以直接在Vision Pro的App Store上下載。

用Vision Pro訓(xùn)練機(jī)器狗

具體來看看作者小哥開發(fā)的App——Tracking Steamer。

顧名思義，這個(gè)應(yīng)用程序旨在利用Vision Pro追蹤人類動(dòng)作，并將這些動(dòng)作數(shù)據(jù)實(shí)時(shí)傳輸?shù)酵籛iFi下的其他機(jī)器人設(shè)備上。

動(dòng)作追蹤的部分，主要依靠蘋果的ARKit庫來實(shí)現(xiàn)。

其中頭部追蹤調(diào)用的是queryDeviceAnchor。用戶可以通過長按數(shù)字表冠來重置頭部框架到當(dāng)前位置。

手腕和手指追蹤則通過HandTrackingProvider實(shí)現(xiàn)。它能夠追蹤左右手腕相對于地面框架的位置和方向，以及每只手25個(gè)手指關(guān)節(jié)相對于手腕框架的姿態(tài)。

網(wǎng)絡(luò)通信方面，這個(gè)App使用gRPC作為網(wǎng)絡(luò)通信協(xié)議來流式傳輸數(shù)據(jù)。這使得數(shù)據(jù)能被更多設(shè)備訂閱，包括Linux、Mac和Windows設(shè)備。

另外，為了方便數(shù)據(jù)傳輸，作者小哥還準(zhǔn)備了一個(gè)Python API，讓開發(fā)者能夠通過編程方式訂閱和接收從Vision Pro流式傳輸?shù)淖粉檾?shù)據(jù)。

API返回的數(shù)據(jù)是字典形式，包含頭部、手腕、手指的SE(3)姿態(tài)信息，即三維位置和方向。開發(fā)者可以直接在Python中處理這些數(shù)據(jù)，用于對機(jī)器人的進(jìn)一步分析和控制。

就像不少專業(yè)人士所指出的那樣，別看機(jī)器狗的動(dòng)作還是由人類控制，事實(shí)上，相比于“操控”本身，結(jié)合模仿學(xué)習(xí)算法，人類在這個(gè)過程中，更像是機(jī)器人的教練。

而Vision Pro通過追蹤用戶的動(dòng)作，提供了一種直觀、簡單的交互方式，使得非專業(yè)人員也能夠?yàn)闄C(jī)器人提供精準(zhǔn)的訓(xùn)練數(shù)據(jù)。

作者本人也在論文中寫道：

在不久的將來，人們可能會(huì)像日常戴眼鏡一樣佩戴Vision Pro這樣的設(shè)備，想象一下我們可以從這個(gè)過程中收集多少數(shù)據(jù)！

這是一個(gè)充滿前景的數(shù)據(jù)源，機(jī)器人可以從中學(xué)習(xí)到，人類是如何與現(xiàn)實(shí)世界交互的。

最后，提醒一下，如果你想上手試一試這個(gè)開源項(xiàng)目，那么除了必備一臺Vision Pro之外，還需要準(zhǔn)備：

• 蘋果開發(fā)者賬戶
• Vision Pro開發(fā)者配件（Developer Strap，售價(jià)299美元）
• 安裝了Xcode的Mac電腦

嗯，看樣子還是得先讓蘋果賺一筆了（doge）。

項(xiàng)目鏈接：https://github.com/Improbable-AI/VisionProTeleop?tab=readme-ov-file