用Vision Pro實時訓練機器狗！MIT博士生開源項目火了
Vision Pro又現(xiàn)火爆新玩法，這回還和具身智能聯(lián)動了~
就像這樣，MIT小哥利用Vision Pro的手部追蹤功能，成功實現(xiàn)了對機器狗的實時控制。
不僅開門這樣的動作能精準get：
也幾乎沒什么延時。
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。
比如這位準清華叉院博士生：
還有人大膽預測：這就是我們與下一代機器互動的方式。
項目如何實現(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訓練機器狗
具體來看看作者小哥開發(fā)的App——Tracking Steamer。
顧名思義，這個應(yīng)用程序旨在利用Vision Pro追蹤人類動作，并將這些動作數(shù)據(jù)實時傳輸?shù)酵籛iFi下的其他機器人設(shè)備上。
動作追蹤的部分，主要依靠蘋果的ARKit庫來實現(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前位置。
手腕和手指追蹤則通過HandTrackingProvider實現(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，作者小哥還準備了一個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)，用于對機器人的進一步分析和控制。
就像不少專業(yè)人士所指出的那樣，別看機器狗的動作還是由人類控制，事實上，相比于“操控”本身，結(jié)合模仿學習算法，人類在這個過程中，更像是機器人的教練。
而Vision Pro通過追蹤用戶的動作，提供了一種直觀、簡單的交互方式，使得非專業(yè)人員也能夠為機器人提供精準的訓練數(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過程中收集多少數(shù)據(jù)！
這是一個充滿前景的數(shù)據(jù)源，機器人可以從中學習到，人類是如何與現(xiàn)實世界交互的。
最后，提醒一下，如果你想上手試一試這個開源項目，那么除了必備一臺Vision Pro之外，還需要準備：
- 蘋果開發(fā)者賬戶
- Vision Pro開發(fā)者配件（Developer Strap，售價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）。
項目鏈接：https://github.com/Improbable-AI/VisionProTeleop?tab=readme-ov-file
