Meta这套生成式AI，专为全身Avatar而来

一提起Meta Avatar虚拟化身，常常有人吐槽它只有半截身子，看起来不自然。的确，尽管Quest整体VR体验优秀，但出于对硬件设计、成本的考虑，技术上依然有限制，比如不能准确追踪下半身，而这种限制也影响了早期的一些VR社交应用，比如《Rec Room》。

Quest不能追踪下半身，是因为头显不具备相应的传感器，而Meta也没有推出官方的体感追踪套件（比如PC VR头显可使用Vive Tracker）。Meta的策略，是尽可能简化VR的使用流程，如果为头显配备定位模块，无疑让设置过程更复杂，且硬件成本更高。为了满足用户对全身Avatar的需求，Meta不久前为Avatar加入了模拟的腿部运动，并通过Body Tracking API开放给开发者。

(资料图片仅供参考)

据了解，Meta Avatar将通过头、手三点的定位信息来推算下半身动作，这显然并不精准。拿《VRChat》来讲，虽然该应用中的虚拟化身有下半身，但并不能跟随用户下半身运动而变化，，意味着Avatar不能模拟自然下蹲、躺下等动作，如果用户在开启VR应用时摘下头显放在桌上或地上，VR内的Avatar可能会呈现奇怪的姿势，具有一定恐怖谷效应。

为了完善Avatar下半身模拟的效果，Meta研发了一种基于MLP架构的条件扩散模型：AGRoL（Avatars Grow Legs），该模型宣称可根据稀疏的信号生成全身姿态，由于其运行速度足够快，因此也适合VR社交等在线多人应用。

Meta指出，随着AR/VR用户群增长，越来越多的人渴望能自然、精准控制的全身Avatar。然而，VR一体机在下半身追踪上具有一定局限，因为它只通过头显、手柄来定位，只能捕捉到少量、稀疏IMU的信号，而且通常仅用于定位和重建上半身部位，比如头部和手腕。想要定位下半身，通常需要额外的IMU模块，缺点是成本高、使用不方便。

简单来讲，Quest系统不能通过头显捕捉的信息准确的追踪下半身，而只能通过追踪上半身关节运动来提取有限的信息，用于合成下半身运动。也就是说，用算法来预测和模拟Avatar的下半身动作。通常，从头、手三点预测全身动作的算法依赖于生成模型，比如标准化流（Normalizing Flow），或是变分自编码器（VAE）。而在各类生成模型中，扩散模型开始在图像、视频生成方面取得不错的成果，尤其是条件扩散模型。

因此，Meta科研人员提出了一种全新的条件扩散模型：AGRoL（全称为“Avatar长腿”），该模型由简单的多层感知器架构（MLP）、运动数据调节方案组成，专门以稀疏信号为条件，根据上半身定位来生成全身姿态。据了解，这种只利用稀疏定位信息重建全身姿态的扩散模型，为市面上首例。

据称，AGRoL是专门为条件运动合成任务量身定制的，可预测出准确、流畅的全身运动。与常见的扩散架构相反，它基于紧凑型架构，可实时运行（在单个NVIDIA V100 GPU上运行时，计算过程仅6毫秒），因此可用于在线身体追踪应用，比如VR社交软件、多人VR游戏等等。

此外AGRoL提升了MLP网络性能，并超越了此前的方案，明显降低了抖动误差，因此和AvatarPoser等其他模型相比，ARGoL生成的动作更加平滑。此外，在追踪信号丢失的情况下，ARGoL的准确度下降不多，因此在追踪信号稀疏的情况下也能较准确的模拟运动。

不过，目前ARGoL方案可能出现地板穿透伪影，后续或许可以通过额外的物理约束，来改善该问题。

除了预测算法外，VR也可以使用其他的全身动捕方案，比如：光学Marker、深度相机、RGB相机骨骼动作识别等等。相比之下，AGRoL虽然依靠预测而非准确追踪，但它的优势是成本低，用户无需购买甚至设置额外的硬件，因此用起来很方便。

除了AGRoL外，此前也有将人体运动数据与机器学习模型结合的方案，比如Standable。这是一种无摄像头全身追踪方案，主要是通过算法来模拟VR追踪不到的下肢（如骨盆、膝盖、腿部或关节处），其特点是校准流程轻量化，只需要确认眼部位置即可，此外支持复杂的动作模拟，比如蹲下、躺下、趴下、走路、慢跑等等。相比于Standable，AGRoL的优势是专为Quest打造，与硬件配合更好，尤其是实时运行能力强。

此前青亭网也曾报道多种VR全身定位方案，比如卡内基梅隆大学，在VR手柄上配备广角相机来追踪下半身，或是Meta此前提出的基于电磁原理的6D姿态追踪方案。值得注意的是，索尼在去年也推出了便携式全身动捕产品：Mocopi（售价360美元），未来也许和VR可以有很好的结合。

参考：

https://research.facebook.com/file/887324682720918/Avatars-Grow-Legs-Generating-Smooth-Human-Motion-from-Sparse-Tracking-Inputs-with-Diffusion-Model.pdf

本文来自微信公众号“青亭网”（ID:qingtinwang），编辑：Esther，36氪经授权发布。