鱼羊 发自 凹非寺
量子位 | 公众号 QbitAI

Vision Pro又现火爆新玩法，这回还和具身智能联动了~

就像这样，MIT小哥利用Vision Pro的手部追踪功能，成功实现了对机器狗的实时控制。

不仅开门这样的动作能精准get：

也几乎没什么延时。

Demo一出，不仅网友们大赞鹅妹子嘤，各路具身智能研究人员也嗨了。

比如这位准清华叉院博士生：

还有人大胆预测：这就是我们与下一代机器互动的方式。

项目如何实现，作者小哥朴英孝（Younghyo Park）已经在GitHub上开源。相关App可以直接在Vision Pro的App Store上下载。

用Vision Pro训练机器狗

具体来看看作者小哥开发的App——Tracking Steamer。

顾名思义，这个应用程序旨在利用Vision Pro追踪人类动作，并将这些动作数据实时传输到同一WiFi下的其他机器人设备上。

动作追踪的部分，主要依靠苹果的ARKit库来实现。

其中头部追踪调用的是queryDeviceAnchor。用户可以通过长按数字表冠来重置头部框架到当前位置。

手腕和手指追踪则通过HandTrackingProvider实现。它能够追踪左右手腕相对于地面框架的位置和方向，以及每只手25个手指关节相对于手腕框架的姿态。

网络通信方面，这个App使用gRPC作为网络通信协议来流式传输数据。这使得数据能被更多设备订阅，包括Linux、Mac和Windows设备。

另外，为了方便数据传输，作者小哥还准备了一个Python API，让开发者能够通过编程方式订阅和接收从Vision Pro流式传输的追踪数据。

API返回的数据是字典形式，包含头部、手腕、手指的SE(3)姿态信息，即三维位置和方向。开发者可以直接在Python中处理这些数据，用于对机器人的进一步分析和控制。

就像不少专业人士所指出的那样，别看机器狗的动作还是由人类控制，事实上，相比于“操控”本身，结合模仿学习算法，人类在这个过程中，更像是机器人的教练。

而Vision Pro通过追踪用户的动作，提供了一种直观、简单的交互方式，使得非专业人员也能够为机器人提供精准的训练数据。

作者本人也在论文中写道：

在不久的将来，人们可能会像日常戴眼镜一样佩戴Vision Pro这样的设备，想象一下我们可以从这个过程中收集多少数据！
这是一个充满前景的数据源，机器人可以从中学习到，人类是如何与现实世界交互的。

最后，提醒一下，如果你想上手试一试这个开源项目，那么除了必备一台Vision Pro之外，还需要准备：

苹果开发者账户Vision Pro开发者配件（Developer Strap，售价299美元）安装了Xcode的Mac电脑

嗯，看样子还是得先让苹果赚一笔了（doge）。

项目链接：
https://github.com/Improbable-AI/VisionProTeleop?tab=readme-ov-file

参考链接：
https://twitter.com/younghyo_park/status/1766274298422161830

— 完 —