עלייתם של מכשירים לתפוס את התנועה הצרכנות והמגבלות שלהם

בעשור האחרון, תנועת הצרכנים לוכדת את הסקרנות התלתונת של תחביבים לכלי ⁇ המשמש מפתחי משחק עצמאיים, יוטיוברס, מאמנים כושר ואפילו אולפנים קטנים.הבטחה של מעקב אנושי נגיש, מעולם לא הייתה אמיתית יותר.עם זאת, כמו לכידת אימוץ, חיוני להבין מה מכשירים אלה יכולים ולא יכולים לעשות.

הבנה של Consumer-Grade Motion

ללכוד תנועה, לעתים קרובות נקרא Mocap, הוא תהליך של הקלטת התנועה של אובייקטים או אנשים ותרגום נתונים אלה לתוך מודל דיגיטלי. מערכות מקצועיות, כמו אלה של Vicon או OptiTrack, להשתמש בעשרות מצלמות אינפרא אדום במהירות גבוהה וסמן רפלקטיבי כדי להשיג דיוק תת-מילימטר.ההגדרות האלה עולים עשרות עד מאות אלפי דולרים ודורשות חללים ייעודיים, מפעילי הכשרה, וכבדות נרחבת.

מכשירים ברמת צרכנים, לעומת זאת, נועדו להקלה על השימוש ועל יעילות העלות.הם מסתמכים על חומרה פשוטה - כגון מצלמה עומק בודדת, כמה חיישנים חסרי יכולת לב, או אפילו רק מצלמת אינטרנט סטנדרטית עם תוכנת למידת מכונה.המטרה היא לספוג את הידיים של יחידים וקבוצות קטנות שלא יכולים להצדיק את ההוצאות או המורכבות של הקפדה מקצועית.

דמוקרטיזציה זו הניעה פיצוץ של תוכן: אינדי אנימציה קצר, גלגולי VR מותאמים אישית, ממשקים מבוקרים במחווה ואפילו הערכות פיזיקליות מרוחקות.הפוטנציאל הוא עצום, אבל הבורסות הן משמעותיות.

טכנולוגיות טכנולוגיות מובילות לצרכנים

כדי להעריך את נקודות החוזק והחולשות של מכשירים אלה, זה עוזר להבין את שלוש הגישות העיקריות המשמשות במערכות כיתה צרכנית.

יחידות מדידה לא רצויות (IMUs)

מערכות מבוססות IMU משתמשות בחיישנים קטנים, המופעלים על סוללות המכילים מדמטרים, גירוסקופים, ומגנטים.חיישנים אלה מרופפים ללוחמי גוף מרכזיים - באופן חד-משמעי הראש, טורסו, זרועות, רגליים ורגליים. על ידי מדידה האצה ומהירות זוויתית, המערכת משחזרת אוריינטציה יחסית וגזוויות משותפות.

דוגמאות פופולריות כוללות חליפות מ Roko, Perception Neuron ו Xsens (למרות Xsens היגרו לעבר Prosumer ו tiers מקצועיים tiMUs לא מושפע תאורה או או או cclusion, אשר נותן להם יתרון על פתרונות מבוססי מצלמה ב סביבות קלוטריות או בחוץ.

מצלמות אבטחה אופטיות

Microsoft Kinect (הן הגרסאות Xbox 360 ו- Xbox One) היה שביל בחישה עמוקה של הצרכנים.זה השתמש מקרן אינפרא אדום ומצלמת זמן של טיסה או אור מובנה כדי לבנות מפה תלת-ממדית של הסצנה, ולאחר מכן החל מעקב אחר השלד לאלגוריתמים כדי לחלץ עמדות משותפות. גישה זו היא לחלוטין סימן: המשתמש פשוט עומד מול המצלמה.

מכשירים אחרים, כמו אינטל RealSense ובקר Leap Motion, משתמשים בראייה סטריאו או בדפוסי אינפרא אדום למעקב אחר יד ואצבעות.המגבלה העיקרית היא קו-of-sight: למצלמה חייבת להיות נוף בלתי-מאורגן של הגוף. Occlusion (זרוע אחת חוסמת את האחר, או מפנה צדים) מנטרת איכות מעקב.

מערכות אופטיות מודרניות, כגון אלה מ-FLT:0 [NokovcioFLT:1], שיפרו את הרזולוציה ואת שיעורי המסגרת, אך הן נותרו רגישות לתנאים סביבתיים ועדיין חזקות הרבה פחות ממערך מקצועי רב-הגדלה.

מבוסס על AI-Destining

ההתקדמות האחרונה בחזון המחשב אפשרה מעקב ללא סימן באמצעות רק מצלמה סטנדרטית RGB.פתרונות תוכנה כמו FLT:0 (DeepMotionFLT:1, MovingNet (מ- TensorFlow), ו- OpenPose להשתמש ברשתות עצביות מהפכתיות כדי להעריך 2D או 3D עמדות משותפות ממסגרות וידאו. חלק לא דורשות חומרה מיוחדת בכלל - רק מצלמה חכמה וקליטה טובה.

זוהי הצורה הנגישה ביותר של מטמון, אבל זה גם הכי פחות מדויק. Occlusion, דפוסי לבוש ותנועת רקע יכול לבלבל את הרשת העצבית.התפוקה מכילה לעתים קרובות ג'ייטר ו mispredictions הדורשים סינון כבד או ניקוי ידני.עבור חסימת חסום באנימציה pre-visualization או למעקב כושר, זה יכול להיות מספיק.

יתרונות: מדוע הבוראים מחלחלים לצרכן

למרות חסרונותיהם, מכשירים ברמת הצרכנים חתכו שוק אמיתי וצומח.היתרונות שלהם הם מוחשיים.

• (FLT:0) Cost:BuildFLT:1), שבו מערכות מקצועיות דורשות השקעה של חמש דמויות, מכשירים צרכניים נעים בין כמה מאות לאלף דולרים.A IMU חליפת Perception Neuron יכולה להיות בעלת כ-2,000 דולר, בעוד קינקט V2 יכול להימצא תחת 100 דולר בשוק המשמש.
• (FLT:0)Setup Time:FLT:1 מערכות אופטיות מקצועיות דורשות שעות של דליול מצלמה, מיקום סימון, וכפוף ל calibration.מכשירים צרכניים לעתים קרובות לעבוד מחוץ לקופסה בתוך דקות.
• (FLT:0) יכולת: חיקוי 1 (צילום: 1) מצלמה אחת או קבוצה של חיישני IMU משתלבים בתרמיל.זה הופך אותו לעמידה בחללים לא קונבנציונליים: בחוץ, בדירה קטנה, או על סרט ללא שלב מלוטש ייעודי.
• (FLT:0)Low Barrier to Entry:FLT:1ir כלים רבים של צרכנים באים עם שילוב של מנועי משחק פופולריים כמו Unity ו-Out Engine יוצרי עצמאי יכולים לחבר דמויות מבלי צורך צוות אנימציה מלא או תוכנה יקרה כמו MotionBuilder.
• (FLT:0)Rapid Prototyping: FLT:1 מעצבים ו יוצרי סרטים יכולים ללכוד במהירות תנועה גסה עבור pre-visualization, בדיקת אופי השקועים, או להתרוצץ על סצנות ללא לוח זמנים של מפגש סטודיו.

לשימוש במקרים שבהם הדיוק המוחלט אינו קריטי – כגון יצירת אנימציה מגובשת עבור המדיה החברתית, שליטה על אנפאטאר ביישום צ'אט VR, או מעקב אחר טווח התנועה בתרגיל שיקום בית - מכשירים לא-מאושרים מספקים יחס משכנע לביצועים.

מגבלות מפתח ואתגרים טכניים

הפער בין הצרכן לבין מטמון מקצועי אינו רק עניין של מחיר; זהו הבדל בסיסי דיוק, עוצמה, ונאמנות נתונים.

עקבו אחרי Accuracy and Latency

חליפות IMU לצרכנים בדרך כלל לדווח על אוריינטציה עם דיוק של 1 עד 3 מעלות בתנאים אידיאליים. במהלך תנועות מהירות או ארג'י, שגיאה זו יכולה להעלות. למערכות אופטיות כמו Kinect לספק שגיאה עמדה משותפת ממוצעת של כמה ס"מ, במיוחד עבור הגוף התחתון מערכות אופטיות, על ידי השוואה, להשיג דיוק עמדה sub-1 מ"מ 120 fps או גבוה יותר.

Latency הוא גורם נוסף.מכשירים צרכניים רבים מציגים עיכוב של 20 עד 50 מילישניות בין התנועה בפועל לבין הנתונים שנרשמו. עבור יישומים בזמן אמת כמו הזרמת VR חיה, זה יכול לגרום למחלות בולטות או תנועה.

סביבתית ופיזית Constraints

חיישני IMU דורשים מגע הדוק, עקבי עם העור או הבגדים.אם רצועה משוחררת, החיישן יכול להשתנות, הצגת שגיאות חמורות שקשה לתקן לאחר עיבוד.מערכות אופטיות דורשות תאורה מבוקרת: יותר מדי אור השמש מציף את חיישן IR, ומרקמים מסוימים (כמו חומרים מבריקים או שחורים) סופגים או מתפזרים את האור, גורם טיפות.

נפח הלכידת של מצלמה אחת הוא בערך 3-5 מטרים בכל כיוון.עבור תנועות גדולות יותר – ריצה, מתגלגלת או טיפוס – המשתמש חייב להישאר בתוך קו צר.זה מגביל תנועה טבעית ולעתים קרובות כוחות ללא תכנון או שינויים.

מידע על פידלנות ופוסט-Processing

נתונים גולמיים ממכשירי צרכנים מכילים רעש, מסגרות חסרות, וחפצים זמניים.ניקוי זה לא טריוויאלי.גפוס חייב להיות מלוכד, מפילטרים, ומדקי רגל קבועים. עבור לכידת של 30 שניות, ממריץ מקצועי יכול לבלות שעה או יותר לנקות את הנתונים לפני שהוא ניתן לנקז הסופי. במקרים רבים, הנתונים עדיין חסרים את השינויים העדין ונקודות הגמישות שייתן מפרקטיקות את המפרקים המקצועיים שלו.

יתר על כן, מערכות צרכניות לעתים רחוקות יצרניות נתונים מלאים עם אותה היררכיה העצם בשימוש צינורות אנימציה מקצה גבוה.לרפא את הנתונים לאופי מותאם אישית לעתים קרובות דורשות ניתוק ידני של סיבובים משותפים ו offsets.

לכידת זמן וד"ר

מערכות מבוססות IMU מצטברות לאורך זמן. לכידת של הליכה וgesturing עשויה להראות את האופי הווירטואלי נוטה בהדרגה לצד אחד או הרגליים הצף מהקרקע.כמה מערכות מנסה לתקן סחף עם קוראי מגנטים, אבל אלה רגישים להפרעה מגנטית מאובייקטי מתכת או אלקטרוניקה קרובה.

לקריאה טכנית מפורטת על הבורסות בין IMU לבין מערכות אופטיות, הספרייה הלאומית של רפואהFLT:0NIH הספרייה הלאומית של רפואהFLT:1 מספקת סקירה מקיפה של טכנולוגיות לכידת תנועה עונדות.

מקרים של שימוש אמיתי בעולם: איפה משתמשים Mocap Excels והיכן זה נופל קצר

פיתוח משחק ואנימציה Prototyping

אולפני משחק אינדי ומפתחי סולו משתמשים ב-Frecap כדי ליצור אנימציה של בעלי מקום בעוד הם מחכים לתקציב להקצות עבור ניקוי מקצועי. כלים כמו Roko Studio מאפשרים לייצא ישיר ל-Ber, מאיה ו-Unreal Engine.הנתונים הם קשים, אבל זה מתקשר תזמון והכוונה הרבה יותר טוב מאשר חסימת מפתח ידנית.

מציאות וירטואלית ופלטפורמות חברתיות

מעקב מלא גוף עבור VR הוא אחד המקרים החזקים ביותר בשימוש.מכשירים כמו HTC Vive Trackers (שלמעשה מבוסס IMU) לספק מספיק דיוק עבור שליטה avatar טבעי ב VRChat או חדר Rec.הלחיות נמוכה מספיק עבור ניסיון immersive, ונחישות מיקום הוא פחות בולט בתרחיש ישיבה או עומד במקום.

כושר ושיקום

חליפות IMU של צרכנים הן מציאת אימוץ במרפאות פיזיות לטיפול למעקב אחר טווח המטופל של תנועה וסימטריה של הגאהיט, בעוד שלא אבחון בכיתה, הנתונים עוזרים לרופאים לפקח על התקדמות בין ביקורים באופן דומה, יישומי כושר כמו FitXR ו Supernatural משתמשים במצלמה ללא סימון כדי להבקיע תנועות משתמשים במהלך אימונים.הציון מבוסס על נתונים של מיקום משותף, אבל זה מספיק כדי לספק משוב בזמן אמת.

חינוך ומחקר

אוניברסיטאות ומעבדות מחקר עם תקציבים מוגבלים להשתמש במכשירים צרכניים למחקרי טייס, פרויקטים של סטודנטים, וניסויים בשלבים מוקדמים.לדוגמה, חוקרים הלומדים ג'אגה אנושית בסביבות בחוץ עשויים להעדיף את התאמת IMU על מערכת אופטית מאוישת.התקדי דיוק בורסות מתקבלים על הדעת אם שאלות המחקר להתמקד בדפוסי kinematic יחסית ולא זוויות משותפות מוחלטות.

תחזית: סגירת הפער

שוק הלכידת של תנועת הצרכנים אינו סטטי.שיפורים של חומרה, אלגוריתמים של חיישן, ותהליכים מבוססי למידה עמוקה המבוססים על למידה הם מגבילים בהתמדה את הפער בין מערכות סבירות ומקצועיות.

כמה מגמות שווה לאות:

• (FLT:0)Sensor Fusion:FLT:1 מכשירים הדור הבא משלבים נתונים IMU עם מעקב אופטי מבוסס מצלמה כדי ליצור פתרונות היברידיים לפצות על החולשות של כל מודוליות.לדוגמה, מצלמה יכולה לתקן את סחף IMU, בעוד IMUs לספק מעקב במהלך אוקציות.
• (FLT:0) AI-Powerated ניקוי:FLT1 Machine Models מאומן באופן אוטומטי למחיקתם ולמלא פערים בנתונים מרוששים.חברות כמו FLT:2Radical MotionFLT 3 ו- DeepMotion מציעים שירותים מבוססי ענן אשר מעבדים את ה-Witinuptintupive של הצרכן לאנימציה נקייה, מגובשת עם קליק אחד.
• (FLT:0) חליפות Exosuits ו-Smart טקסטיל:FLT ( 1 מחקר) לתוך חיישנים מתוחים ו בדים מוליכים יכולים בקרוב להטמיע את התנועה ישירות לתוך בגדים.זה יסלק את הצורך ברצועות וחיישנים חיצוניים לחלוטין.
• (FLT:0) החלטה וקידום עומק של שיפור משמעותי: FLT:1 החיישנים העומקים האחרונים, כמו אלה במצלמת iPhone TrueDepth של אפל ו- Azure Kinect, מציעים פתרון גבוה יותר וחסינות אור טובה יותר.

על פי ניתוח התעשייה מ-FLT:0. [Grand View ResearchFreaLT:1], שוק לכידת התנועה העולמי צפוי לגדול בקצב שנתי מורכב של 12% עד 2030, עם מכשירים ברמת הצרכנים לתפוס נתח הולך וגובר של צמיחה זו.הביקוש ל-Avatars בזמן אמת בכלי שיתוף מרחוק ומטה הוא מאיץ אימוץ.

אין זה סביר כי מכשירים צרכניים יתאימו באופן מלא את הדיוק של וקון או OptiTrack בעתיד הקרוב - הפיזיקה של רעש החיישן ועלות חישובית הם מגבלות בסיסיות.עם זאת, הפער כבר קטן מספיק למטרות מעשיות רבות. עבור היוצר העצמאי, תוספת של 2,000 דולר IMU בשילוב עם ניקוי AI יכול לייצר תוצאות שלא ניתן להשיג לפני כ-50,000 דולר.

בחירת הכלי הנכון לצרכים שלך

כאשר בוחנים מערכת לכידת של תנועת הצרכנים, היא עוזרת למפות את דרישותיך ליכולות הטכנולוגיה.

• באיזו רמה של דיוק מיקום אני צריך? אם אתה מאמת דמות לסרט קצר ומתכננים לפולי את האנימציה, מכשיר בעלות נמוכה יותר יכול להספיק.אם אתה צריך זוויות מדויקות לניתוח ביומכני, להשקיע במערכת IMU גבוהה יותר עם תיקון מגנטי.
• מה הסביבה הטיפוסית שלי ללכידת?אני בתוך תאורה מבוקרת? חיישן עומק אופטי עשוי לעבוד טוב בחוץ או בתאורה מגוונת?
• כמה זמן אוכל לבלות על עיבוד לאחר?אם אתה צריך נתונים נקיים במהירות, לחפש מערכת המציעה ניקוי אוטומטי או תצוגה מקדימה בזמן אמת.
• האם אני קולט משתמש יחיד או מספר רב של מכשירים צרכניים תומכים רק באדם אחד בכל פעם. Multi-user ללכוד באופן דרסטי את המורכבות והעלות.
• האם אני צריך נתונים בזמן אמת?עבור VR או הזרמת, עצלות וסחף חומר יותר דיוק מוחלט.עבור ייצור לא מקוון, דיוק ואיכות נתונים הם בראש סדר העדיפויות.

לשם השוואה מועילה של מערכות מסוימות של צרכנים ו-Prosumer, (FLT:0) Animation MentorFLT:1 שומרת על משאב בעל ידיים על ידי הערכות על ידי ממריצים עובדים.

מחשבות אחרונות

מכשירים ללכוד תנועה לצרכנים אינם רק "חלפות קמצות" לשקיות מקצועיות.הם מייצגים קטגוריה ייחודית של כלים המתאימים ל נגישות, מהירות וזמינות.מגבלותיהם אמיתיות ונכונות היטב, אבל הם גם מתכווץ עם כל דור חדש של חומרה ותוכנה.

עבור היוצר העצמאי, המחנך עובד עם משאבים מוגבלים, או את המפתח לבנות את הדור הבא של חוויות אינטראקטיביות, מכשירים אלה פותחים דלתות שהיו נעולות בעבר.המפתח הוא לבחור בחוכמה, להגדיר ציפיות מציאותיות, ולמנף את צינורות לאחר עיבוד זמין כדי למקסם את הערך של הנתונים שנתפסו.כפי שפיוז חיישן ו- AI להמשיך להתפתח, הקו בין הצרכנים והמקצועיים יטשטש עוד, ואת המערכת האקולוגית היצירתית כולה.