随着AR/VR技術的不斷發展，顯示技術不斷突破，當“看清”已不是太大的問題，如何“控制”也将成為下一個焦點。HTC vive目前獲得了普遍的好口碑，可是在寸土好幾萬貴的坑死人的上海，擠個場地出來真是不容易！而在我體驗過Hololens神奇的魔法之後，真心覺得彎曲食指（摳空氣）這個魔性的操控有點反人類！目前主流的交互方案都是基于機器視覺，而這意味着一個始終伴随你的攝像頭、還有在光無法直達的黑暗裡你将迷失自我……的動作。

　　對于如何抛開攝像頭進行人機交互，我們采訪了上海傲意信息科技有限公司（OYMotion）的創始人Neo，為你打開交互新世界的大門，了解肌電這個神奇的高科技。

　　關于傲意

　　上海傲意信息科技有限公司（OYMotion）成立于2015年，專注于人體生物電傳感器技術、機器學習和模式識别算法的研究。公司核心團隊曾服務于Qualcomm，MTK，AMD，平均擁有15年的行業經驗。基于手臂肌肉電流信号的手勢識别穿戴産品gForce，采用獨特的生物信号模式識别算法實現手勢區分，并配合九軸姿态融合算法實現手臂姿态的跟蹤，為AR/VR環境下的人機交互提供多種可能。

　　如何用肌電讀懂手勢

　　Neo告訴我們，生物電本身是醫學範疇的事情，主要包含心電（ECG）、腦電（EEG）、和肌電（EMG）。

　　心電是什麼無需贅述，而腦電近些年也很火爆，但是觀測腦電通常隻能監測是否活躍，所以國外腦電産品常被用于瑜伽中的冥想訓練。

　　相比腦電，肌肉電信号的可讀性則更強。Neo說，人體和電腦其實很相似，人腦就和CPU一樣起到控制作用，裡面跑着無數的進程，肌肉可以理解成為帶網線的馬達，配合骨骼起到執行作用。當你拿着一個探測器去測CPU，你隻能知道因為它現在很燙，所以推測它在運行一些比較大的任務，但很難知道到底是什麼進程這消耗CPU，就像你隻能通過腦電波了解大腦是否處于活躍狀态。

　　肌肉主要分為肌纖維和肌腱，肌纖維在中間，兩頭的肌腱附着在骨骼上；當大腦發出控制信号，經過神經網絡的奇妙的傳輸，最終以電流的形式到達肌纖維，肌纖維受到電流刺激後收縮，通過肌腱帶動骨骼完成動作。肌肉作為執行單元，内部所監測到的肌電信号和肌肉的狀态有直接聯系，不同的動作所對應的肌電信号是差異化的，所以通過監聽肌電信号即可反推出你的操作。

　　這個過程包含了兩個方面，信号捕捉和模式判斷。傲意正在研發的這款基于手臂肌肉電流信号的手勢識别穿戴産品gForce，是一個内置了8路肌電傳感器的臂環（當然也可以有腳環等等），将它佩戴在手臂上，緊貼肌膚的傳感器就會監測皮下肌肉的生物信号，配合他們自主研發的機器學習算法，通過肌電信号 模式識别逆向推導出手勢指令。

　　相比我們最常見的光學捕捉，Neo表示肌電的主動型交互優勢顯而易見。因為信号來源于用戶自身，直接匹配動作，因此附帶的冗餘信息少，使得運算量減少，這也進一步降低了功耗，因為是主動型，所以自由度高，受環境的影響也較少。

　　目前的gForce版本内嵌6個靜态手勢的區分，已經能應對大部分的使用場景，當然6個隻是基本款，Neo表示，如果願意犧牲成本，增加傳感器，提高運算量，就能辨識更多的手勢，那隻是成本、功耗、性能的權衡問題，傲意開發的機器學習算法完全可以滿足這樣的擴展性需求。同時，他們不及能夠做到靜态手勢識别，還能進行動态手勢識别，就是類似聾啞人手語實時翻譯，但是連貫意味着運算量的增加。所以具體還看人機交互的需求來決定産品配置。

　　目前識别6個手勢的gForce售價預計僅需400人民币，他們在國外的競品價格則需要2000人民币。

　　肌電控制如何融入AR/VR

　　在公司創立初，Neo就是希望能夠利用肌電控制為AR/VR環境下的人機交互提供更多的可能。

　　例如在AR的工業領域應用中，加入肌電臂環具有極強的實用價值。工廠環境複雜，可能噪音、光線不穩定，因此語音和機器視覺手勢識别都面臨着非常實際的問題，再加上工人通常都是佩戴手套或者手持物品，很難進行遙控器按鍵操作，而他們的臂環則能不受幹擾并實現常用操作。另外，功耗問題是一直困擾着可穿戴産品的千古難題，機器視覺需要的功耗通常在數瓦，而肌電方案可以做到十分之一瓦，優勢非常明顯。在工業場合，單純的肌電控制也許不能解決所有的問題，但通過融合其他的交互方式，則能應變多樣化的工作環境。

　　而對于VR主題樂園，肌電的交互方案能夠準确判斷角度，而光學方案則能搞定位移等，兩者相結合能夠達成更好的效果，“至少玩遊戲的時候，你的槍不會丢失了”。

　　如何讓肌電判斷更準确

　　因為肌電直接與個人動作匹配，而同一個體相同手勢間的差異，個體和個體間的動作差異，使得用通用模闆來實現大部分人的手勢識别有很大挑戰，所以為了讓系統更準确，Neo從兩方面入手。

　　宏觀上，通過大量的訓練樣本可以提高模式識别的準确性。目前Neo的産品還處于待發布的階段，隻收集了少量參與者數據，準确度達到85%左右，他認為這是遠遠不夠的，他們也在通過地推等方式獲取更多數據，但是系統對第一批數據純度要求比較高，因此痛苦的數據收集過程是不可避免的。

　　對個體而言，他們正在開發一個針對個人用戶的訓練和校準界面，就像我們最初使用觸屏手機需要校準一樣，用戶根據提示把幾個手勢反複做幾遍，讓系統适應之後即可準确操控。

　　Neo表示，識别的最大難度不在于理解已定義的動作，而是如何排除那些無意識或無關的動作，他們投入大量的精力進行算法研究，隻是為了讓結果更加準确，因此他們團隊也在招募更多相關的朋友加入。有意思的肌電，卻連個demo都很難找

　　缺内容是一件讓全行業都尴尬的事，但是像Neo，他們這樣連個恰當的演示demo都不好找，握拳玩射擊遊戲讓我尴尬症都犯了。

　　Neo表示，他們嘗試接入過很多現有内容，但能很好适配和體現手勢操作性能的應用非常難找，難得找到一個勉強适配的手機射擊遊戲，是以鼠标的形式接入，隻能看到一個小的操作點。當然像憤怒的小鳥，切水果，翻個ppt啥的，都是分分秒秒解決的事情，但這些不能全面的體現肌電手勢的能力。

　　對于肌電臂環控制在遊戲中應該以什麼樣的形式展現他們也在探索，也希望能和好的内容公司一起來研究，就像HTC有了一雙手，那肌電臂環呢？

　　如果内容團隊對肌電臂環感興趣，後台約哦！

　　轉載請注明轉自AR醬

　　并附原文鍊接

　　,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!