近日，華南師范大學的李昕明團隊研發(fā)了一種可用于構建穿戴式全身動作捕捉系統(tǒng)的動覺感知器件。在穿戴式動作捕捉場景中，構建可靠的全身動作捕捉系統(tǒng)一直具有其挑戰(zhàn)性。

一方面，在穿戴式場景中，柔性傳感器會跟隨人體表面發(fā)生形變，可能會為運動測量引入干擾；另一方面，由于不同的人以及不同的佩戴位置的差異，導致穿戴式全身動捕系統(tǒng)往往需要額外的校準。

該工作提出了一種基于空間異構分布的傳感器件，構建了一個由兩路傳感器構成的動覺感知器件。根據(jù)已知的空間分布關系，可以通過信號關系推測器件的形變模式，從而排除運動測量中的潛在干擾。通過引入機器學習模型，該器件可進一步實現(xiàn)對于形變信息的解耦，解耦后的形變信息可用于推測關節(jié)角度、佩戴方式及關節(jié)尺寸等信息，從而在無需校準的情況下構建全身動捕系統(tǒng)。

（圖片來源Applied Physics Review）

在實際測試中，該器件能夠區(qū)分具有多自由度的球窩關節(jié)（如手腕）的不同方向運動，并對角度具有一定辨別能力，因此能夠實現(xiàn)諸如“凌空手寫輸入”等人機交互操作。經測試，該器件在手肘與手腕的屈伸行為中，表現(xiàn)出極為相近的信號模式，意味著該器件有望無需校準而直接用于全身各處關節(jié)的動作捕捉場景。相關研究成果以“Differential design in homogenous sensors for classification and decoupling kinesthetic information through machine learning”為題發(fā)表在Applied Physics Review 期刊上，并被編輯選為期刊推薦論文（Feature Article）。

（圖片來源Applied Physics Review）

來源：XRer