随着AR/VR技术的不断发展，显示技术不断突破，当“看清”已不是太大的问题，如何“控制”也将成为下一个焦点。HTC vive目前获得了普遍的好口碑，可是在寸土好几万贵的坑死人的上海，挤个场地出来真是不容易！而在我体验过Hololens神奇的魔法之后，真心觉得弯曲食指（抠空气）这个魔性的操控有点反人类！目前主流的交互方案都是基于机器视觉，而这意味着一个始终伴随你的摄像头、还有在光无法直达的黑暗里你将迷失自我……的动作。
对于如何抛开摄像头进行人机交互，我们采访了上海傲意信息科技有限公司（OYMotion）的创始人Neo，为你打开交互新世界的大门，了解肌电这个神奇的高科技。
关于傲意
上海傲意信息科技有限公司（OYMotion）成立于2015年，专注于人体生物电传感器技术、机器学习和模式识别算法的研究。公司核心团队曾服务于Qualcomm，MTK，AMD，平均拥有15年的行业经验。基于手臂肌肉电流信号的手势识别穿戴产品gForce，采用独特的生物信号模式识别算法实现手势区分，并配合九轴姿态融合算法实现手臂姿态的跟踪，为AR/VR环境下的人机交互提供多种可能。
如何用肌电读懂手势
Neo告诉我们，生物电本身是医学范畴的事情，主要包含心电（ECG）、脑电（EEG）、和肌电（EMG）。
心电是什么无需赘述，而脑电近些年也很火爆，但是观测脑电通常只能监测是否活跃，所以国外脑电产品常被用于瑜伽中的冥想训练。
相比脑电，肌肉电信号的可读性则更强。Neo说，人体和电脑其实很相似，人脑就和CPU一样起到控制作用，里面跑着无数的进程，肌肉可以理解成为带网线的马达，配合骨骼起到执行作用。当你拿着一个探测器去测CPU，你只能知道因为它现在很烫，所以推测它在运行一些比较大的任务，但很难知道到底是什么进程这消耗CPU，就像你只能通过脑电波了解大脑是否处于活跃状态。
肌肉主要分为肌纤维和肌腱，肌纤维在中间，两头的肌腱附着在骨骼上；当大脑发出控制信号，经过神经网络的奇妙的传输，最终以电流的形式到达肌纤维，肌纤维受到电流刺激后收缩，通过肌腱带动骨骼完成动作。肌肉作为执行单元，内部所监测到的肌电信号和肌肉的状态有直接联系，不同的动作所对应的肌电信号是差异化的，所以通过监听肌电信号即可反推出你的操作。
这个过程包含了两个方面，信号捕捉和模式判断。傲意正在研发的这款基于手臂肌肉电流信号的手势识别穿戴产品gForce，是一个内置了8路肌电传感器的臂环（当然也可以有脚环等等），将它佩戴在手臂上，紧贴肌肤的传感器就会监测皮下肌肉的生物信号，配合他们自主研发的机器学习算法，通过肌电信号 模式识别逆向推导出手势指令。
相比我们最常见的光学捕捉，Neo表示肌电的主动型交互优势显而易见。因为信号来源于用户自身，直接匹配动作，因此附带的冗余信息少，使得运算量减少，这也进一步降低了功耗，因为是主动型，所以自由度高，受环境的影响也较少。
目前的gForce版本内嵌6个静态手势的区分，已经能应对大部分的使用场景，当然6个只是基本款，Neo表示，如果愿意牺牲成本，增加传感器，提高运算量，就能辨识更多的手势，那只是成本、功耗、性能的权衡问题，傲意开发的机器学习算法完全可以满足这样的扩展性需求。同时，他们不及能够做到静态手势识别，还能进行动态手势识别，就是类似聋哑人手语实时翻译，但是连贯意味着运算量的增加。所以具体还看人机交互的需求来决定产品配置。
目前识别6个手势的gForce售价预计仅需400人民币，他们在国外的竞品价格则需要2000人民币。
肌电控制如何融入AR/VR
在公司创立初，Neo就是希望能够利用肌电控制为AR/VR环境下的人机交互提供更多的可能。
例如在AR的工业领域应用中，加入肌电臂环具有极强的实用价值。工厂环境复杂，可能噪音、光线不稳定，因此语音和机器视觉手势识别都面临着非常实际的问题，再加上工人通常都是佩戴手套或者手持物品，很难进行遥控器按键操作，而他们的臂环则能不受干扰并实现常用操作。另外，功耗问题是一直困扰着可穿戴产品的千古难题，机器视觉需要的功耗通常在数瓦，而肌电方案可以做到十分之一瓦，优势非常明显。在工业场合，单纯的肌电控制也许不能解决所有的问题，但通过融合其他的交互方式，则能应变多样化的工作环境。
而对于VR主题乐园，肌电的交互方案能够准确判断角度，而光学方案则能搞定位移等，两者相结合能够达成更好的效果，“至少玩游戏的时候，你的枪不会丢失了”。
如何让肌电判断更准确
因为肌电直接与个人动作匹配，而同一个体相同手势间的差异，个体和个体间的动作差异，使得用通用模板来实现大部分人的手势识别有很大挑战，所以为了让系统更准确，Neo从两方面入手。
宏观上，通过大量的训练样本可以提高模式识别的准确性。目前Neo的产品还处于待发布的阶段，只收集了少量参与者数据，准确度达到85%左右，他认为这是远远不够的，他们也在通过地推等方式获取更多数据，但是系统对第一批数据纯度要求比较高，因此痛苦的数据收集过程是不可避免的。
对个体而言，他们正在开发一个针对个人用户的训练和校准界面，就像我们最初使用触屏手机需要校准一样，用户根据提示把几个手势反复做几遍，让系统适应之后即可准确操控。
Neo表示，识别的最大难度不在于理解已定义的动作，而是如何排除那些无意识或无关的动作，他们投入大量的精力进行算法研究，只是为了让结果更加准确，因此他们团队也在招募更多相关的朋友加入。有意思的肌电，却连个demo都很难找
缺内容是一件让全行业都尴尬的事，但是像Neo，他们这样连个恰当的演示demo都不好找，握拳玩射击游戏让我尴尬症都犯了。
Neo表示，他们尝试接入过很多现有内容，但能很好适配和体现手势操作性能的应用非常难找，难得找到一个勉强适配的手机射击游戏，是以鼠标的形式接入，只能看到一个小的操作点。当然像愤怒的小鸟，切水果，翻个ppt啥的，都是分分秒秒解决的事情，但这些不能全面的体现肌电手势的能力。
对于肌电臂环控制在游戏中应该以什么样的形式展现他们也在探索，也希望能和好的内容公司一起来研究，就像HTC有了一双手，那肌电臂环呢？
如果内容团队对肌电臂环感兴趣，后台约哦！
转载请注明转自AR酱
并附原文链接
,
