虚拟化身动作不协调?Meta开源肌肉骨骼动力学模型MyoSuite

青亭网( ID:qingtinwang )--链接科技前沿,服务商业创新

Quest手势识别功能,让人们看到VR与手部交互结合的潜力,尤其是在虚拟社交场景,人们可以通过手势来操控虚拟化身,用身体语言来完善对话或文字的社交体验。

ezgif-3-bb35075590

然而Meta并未就此止步,最近又公布了一种可模拟肌肉骨骼运动的AI平台:MyoSuite,该研究为Meta AI特温特大学合作开发,目前可模拟用手转笔或健身球等细致的动作。​这意味着,未来Meta可通过该平台生成模拟的手势或姿态数据,用于训练手势或姿态识别算法,进一步提升算法的准确性。

细节方面,MyoSuite是一个具身AI平台,该平台通过统一的运动和神经智能,将机器学习技术应用于解决生物力学控制问题。其特点是可模拟肌肉骨骼模型运动,同样可满足现有ML算法对于数据的要求,MyoSuite比其他模拟器要快4000倍。

模拟复杂的人体运动

Meta表示:有机体越智能,它表现出的运动行为就越复杂。比如人体生物力学就相当复杂,由多关节、多启动器的肌肉骨骼系统组成。肌肉每次收缩,会造成多个关节弯曲,而每个关节的运动,都由多块肌肉控制。

046920bc-df8e-4c6f-8b3d-6d1bb7d9d072

在这样复杂的生物力学系统中,人类通过协调中枢神经系统和外围肌肉骨骼系统,来合成和表现智能运动。其中,每个决策由数十亿神经元网络合成,而外围肌肉骨骼系统的作用是将神经意图转化为动作。

那么问题来了,是什么驱动了如此复杂的决策和动作控制,并执行这些决策?

为了探索上述问题,Meta开发了MyoSuite,其中包含一组肌肉骨骼模型和任务,可帮助机器学习模型来解决生物力学控制问题。

细节方面,MyoSuite统一了智能体运动的两大要素:运动和神经。通过MyoSuite,Meta进一步了解到感觉运动控制的细节,发现感觉运动控制依赖于不同的本体感受信号,来协调全身运动控制,在交互场景中展现智能行为。

通常,人工智能领域利用神经结构或神经网络,来模拟智能行为。相比之下,MyoSuite方案模拟肌肉骨骼模型逼真的生理机能,比市面上其他同类模型的计算效率和可扩展性更高(几个数量级),甚至可合成人体内大部分肌肉运动。

CD22_338_Tech@_MyoSuite_BlogAssets_Vis3

此外,MyoSuite实现了此前未实现的一些精细的手部运动,比如转笔、扭转钥匙、单手玩健身球等等。

机器学习生成肌肉骨骼运动

机器学习算法的优势在于,利用计算机的数据和可扩展性,效率更高,可解决一些人力不能解决的问题。但是,机器学习算法很少用于学习肌肉骨骼控制等复杂的运动,其原因是:虽然现有的计算机框架(OpenSim)包含生理结构细致的肌肉骨骼模型,但这些模型缺乏允许AI代理与物理世界交互的复杂能力。而这种能力,对于具身AI很重要,因为具身AI的定义就是一种可与周围环境互动的智能体。

02_MyoSuite-Applications

此外,现有的计算机框架未嵌入到复杂、熟练的运动任务中,也没有足够的效率和扩展性,因此不能满足机器学习算法的数据需求。与此同时,MyoSuite填补了这方面的缺失。

现实应用场景

MyoSuite不仅可以合成行为,还可以用于医疗场景。比如用于修复肌腱撕裂伤时,MyoSuite可生成肌腱移植模型,或是模拟外科手术的结果(灵活性),以及术后受伤部位功能康复的影响。

01_MyoSuite-Manipulations

此外,MyoSuite还可以模拟肌肉运动,来优化设计夹板的支撑结构和复健流程。

MyoSuite的目标是,成为将运动和神经智能统一的首选平台,并应用于多个不同领域,优化AI驱动的谷歌运动模拟方案。潜在的应用场景包括:开发智能假肢、伤后复健、人体工程学等领域,可模拟准确的物理动作,比如转笔或盘健身球。

此外,MyoSuite也可以用于元宇宙场景,比如帮助开发者构建更逼真的虚拟化身运动,使虚拟社交体验更具表现力和沉浸感。

模拟肌肉骨骼运动的生态系统

产品定位方面,MyoSuite是一个从头设计的综合平台,其目的是用来研究肌肉骨骼运动背后的生理机能细节。

MyoSuite生态系统包括一整套肌肉骨骼模型,并提供了大量的参考模型和一套综合基准。其特点是经过细致调整,可准确模拟人体生理机能,且支持时间相关的交互式肌肉骨骼运动,比如肌肉疲劳、肌肉衰减等等。此外,也可以模拟精细、复杂的行为,用于研究日常运动、损伤复健、假肢和外骨骼辅助等领域。

​接下来,Meta也将开源MyoSuite,此外还推出MyoChallenge,挑战开发者和科研人员,模拟掷骰子和双保健球旋转两个灵巧的动作,进一步鼓励大家继续对这一方向展开研究。参考:fb

更多精彩内容,关注青亭网微信号(ID:qingtinwang),或者来微博@青亭网与我们互动!转载请注明版权和原文链接!
青亭网

微信扫码关注青亭网

青亭网

青亭 | 前沿科技交流群01

责任编辑:hi188
分享到QQ 分享到微信

登录

忘记密码 ?

您也可以使用第三方帐号快捷登录

Q Q 登 录
微 博 登 录
切换登录

注册