اخبار و نقد بازی و نرم‌افزار واقعیت مجازی و واقعیت افزوده، بررسی هدست های واقعیت مجازی oculus , htc vive , valve index , PSVR

ارائه سیستم ردیابی‌دست توسط گوگل

شرکت گوگل فناوری موقعیت‌یابی بی‌درنگ دست (Real-time Hand Tracking) توسط گوشی همراه را به فعالان حوزه‌ی تحقیق و توسعه ارائه کرد

گوگل روش موقعیت‌یابی دست با استفاده از یادگیری ماشین برروی گوشی‌های همراه که نیازی به اتصال به خدمات ابری ندارد را برای استفاده‌ی محققان و توسعه‌دهندگان ارائه کرده است، چیزی که دو تن از محققان گوگل به‌نام‌های Valentin Bazarevsky و Fan Zhang  « رویکردی جدید به احساس دست » می‌نامند.

از روش موقعیت‌یابی بی‌درنگ دست شرکت گوگل که نیازی به اتصال به خدمات رایانش ابری ندارد، اولین بار در کنفرانس بینایی کامپیوتر و تشخیص الگو (CVPR) در ماه ژوئن 2019  رونمایی شد و اکنون برای استفاده‌ی توسعه‌دهندگان آماده‌شده است. این قابلیت از طریق MediaPipe (یک چهارچوب متن‌باز که روی وسایل مختلف کار می‌کند و توسعه‌دهندگان می‌توانند برای ساختن خطوط لوله‌ی پردازش به‌منظور کار کردن با داده‌های حسی دیداری یا شنیداری از آن استفاده کنند ) اجرایی شده است.

گفته می‌شود که این روش با استفاده از یادگیری ماشین می‌تواند با دقت بالایی انگشت و یا دست را موقعیت‌یابی کند. در این روش صرفاً با استفاده از یک مجموعه‌ی حسگر می‌توان 21 نقطه‌ی دست را در فضا موقعیت‌یابی کرد.

Bazarevsky و Zhang در وب‌سایت نوشتند: «درحالی‌که بهترین روش‌های فعلی برای انجام محاسبات به کامپیوترهای رومیزی متکی هستند، روش ما با استفاده از گوشی همراه موقعیت‌یابی بی‌درنگ را انجام می‌دهد و حتی می‌تواند چند دست را موقعیت‌یابی کند.»

گروه تحقیقاتی گوگل امیدوار است که روش ردیابی‌دست دستشان باعث ایجاد کاربردهای جذاب و خلاقانه و زمینه‌های تحقیقاتی جدید شود.

Bazarevsky و Zhang می‌گویند که درروش موقعیت‌یابی دست آن‌ها سه سیستم اصلی دخیل است: یک مدل تشخیص‌دهنده‌ی کف دست ( به نام BlazePalm  )، یک مدل نشانگر دست که نقاط تعیین‌شده روی دست را با دقت بالا در فضای سه‌بعدی ردگیری می‌کند و یک تشخیص‌دهنده‌ی حالت که موقعیت نقاط تعیین‌شده نسبت به یکدیگر را در قالب مجموعه‌ی گسسته‌ای از حالت‌ها طبقه‌بندی می‌کند.

چند نکته‌ی مهم نوشته‌ی این محققان ازاین‌قرار است:

1-  محققان ادعا می‌کنند که روش BlazePalm  در تشخیص کف دست به‌طور متوسط دقت 95.7% داشته است.

2- این مدل حتی می‌تواند در حالتی که بخشی از دست قابل‌رؤیت نیست و یا بخشی از دست بخش دیگری از آن را پوشانده است، حالت دست را به‌خوبی نمایش دهد.

3- خط لوله‌ی داده‌ی فعلی می‌تواند حالت‌های دست از چندین فرهنگ مانند آمریکایی، اروپایی و چینی و چندین نشانه‌ی دست مانند Rock، Thumb Up Closed fist، OK، Spiderman پشتیبانی کند:

4- گوگل در حال متن‌باز کردن خط لوله‌ی تشخیص حالت و موقعیت‌یابی دست در MeidaPipe می‌باشد و همراه آن کد منبع ( متن برنامه‌نویسی شده در زبان‌های سطح بالا قبل از کامپایل شدن به زبان باینری ماشین ) و سناریوی کاربرد پایان به پایان ( تست پایان به پایان به زبان ساده تست کردن یک اپلیکیشن مانند حالتی است که یک کاربر با آن کار می‌کند و فقط می‌تواند رابط کاربری را ببیند و از نحوه‌ی کارکرد اپلیکیشن آگاه نیست. ) مرتبط را نیز ارائه کرده است.

Bazarevsky و Zhang می‌گویند که محققان گوگل می‌خواهند کار روی فناوری موقعیت‌یابی دست را برای رسیدن به‌روش‌های بهتر و پایدارتر موقعیت‌یابی ادامه دهند و هم‌چنین امیدوارند که بتوانند تعداد حالت‌هایی که این فناوری می‌تواند با ضریب اطمینان بالا تشخیص دهد را افزایش دهند. آن‌ها هم‌چنین امیدوارند که بتوانند حالت‌های دست متحرک را نیز تشخیص دهند که دستاورد بزرگی برای ترجمه‌ی زبان اشاره با کمک یادگیری ماشین و کنترل وسایل مختلف با حرکت دست خواهد بود.

یکی از پیش‌نیازهای پیشرفت هدست‌های واقعیت افزوده بهره‌گیری از فناوری‌های موقعیت‌یابی دست پیشرفته‌تر که نیازی به اتصال به خدمات ابری نداشته باشند می‌باشد. تا هنگامی‌که هدست‌ها برای دیدن محیط اطراف به دوربین‌های روبه بیرون متکی هستند ، یکی از چالش‌هایی که یادگیری ماشین باید به آن غلبه کند دستیابی به درکی از آن محیط است.

منبع RoadToVR

ارسال یک پاسخ

آدرس ایمیل شما منتشر نخواهد شد.