雷鋒網(wǎng)按：本文作者阮航，北京腦穿越科技有限公司海外觀察員。獨家首發(fā)文章。

在上個月的Oculus Connect 3大會上，給人印象最深的莫過于扎克伯格帶來的新一代的Social VR avatar了。清晰的面容辨識度，準確的語言口型配對，稍有瑕疵但足夠精彩的面部表情，但最驚喜的是這一代AVATAR終于有手和身體了，這不僅帶來了真實豐富的肢體語言，更意味著我們在比特世界的“軀體”進一步補全。 

如何能讓人更自然的將自己的內心投射到虛擬世界的形象上去？至少在現(xiàn)今階段，一個更貼近人類生理構造的形象是最穩(wěn)妥的。Facebook為這樣的AVATAR形象制定了以下幾點要求：

能說話，有眼神交流，表現(xiàn)出凝視，說話對得上口型，表情，至少有上半身，動作的精準還原。但是目前來說，由于運動追蹤設備的限制，許多肢體語言無法直接由用戶表達。此時，就需要“人造動作（secondary motion）”。也就是機器通過語音判斷用戶的行動，然后指導AI給出一個預設的動作，比如“捧腹大笑”。

于是，問題來了。如何讓你的AVATAR具有個性化？這個問題絕對是VR社交最大的痛點，形象、聲音、表情都有辦法解決，但是肢體動作呢？總不能讓用戶全身穿著動作捕捉設備進行VR社交吧。有什么辦法能讓AI自己做出豐富的肢體動作，而又具備人性的那一點點閃光呢？

澳大利亞迪肯大學的Deakin Motion.Lab給我們提供了一種解決方法：動作捕捉+人工智能+虛擬現(xiàn)實。

Deakin Motion.Lab成立于2006年，專注于肢體表達領域的研究。成員知識背景跨度很大，有藝術家，設計師，舞蹈教授和不同媒體領域的技術大牛。實驗室不僅在學術領域頗有建樹，在商業(yè)合作上甚至也有諸多案例。比如和Iloura公司（《Mad Max》，《權力的游戲》特效制作公司）合作的電影《我，弗蘭肯斯坦》，游戲《RUGBY LEAGUE LIVE》的人物動畫，和豐田合作的廣告《TOYOTA VELLFIRE》，以及匹諾曹舞蹈機器人。

在研究領域，Deakin Motion.Lab曾經(jīng)創(chuàng)造了一套讓盲人感知舞蹈的系統(tǒng)，并研究如何讓舞蹈藝術變得“可編程”。這項研究目的在于弄清楚“動作能否碎片化成有特定意義的小單元”。就像把詞匯從語句中分解出來一樣，如果我們能把肢體動作拆分開來，并依據(jù)這些單元的邏輯，整合出一段有意義的信息。通過這種方式，我們就能實現(xiàn)人與AI的“肢體交流”。

而Deakin Motion.Lab目前最新的AI肢體研究項目“DUET”就是基于以上這項假設?！盌UET”這項研究的目的在于創(chuàng)造一個能自主學習并和人類肢體交流的AI AVATAR，這個AVATAR既可以擔當VR世界中的NPC，又能成為具有個性化的用戶AVATAR。

DUET的研究思路大致如下：首先，實驗員戴上VR頭盔，看到AI 的AVATAR形象，并對他做一些動作。此時，AI模仿并學習這些動作，并通過AVATAR形象在對實驗員做出相似的動作。此時，研究員會對AI的刺激產(chǎn)生一些肢體反應，而這些反應又再次被AI學習過去。如此反復，便構成了一個不斷迭代學習的閉環(huán)。此外，AI avatar還能分析肢體語言，將不同的動作賦予“意義”，進而不斷升級。

DUET的設備有動作捕捉系統(tǒng)、虛擬現(xiàn)實系統(tǒng)，以及基于機器學習和神經(jīng)網(wǎng)絡算法的人工智能系統(tǒng)。動作捕捉系統(tǒng)設置了24個光學動捕鏡頭進行光學動作分析，OptiTrack的動作分析系統(tǒng)（國內眾多公司使用這個系統(tǒng)，比如諾亦騰的Project Alice）能夠分析出關節(jié)的旋轉和位移。

AI算法上DUET使用的是自組織特征映射 (Kohonen Self-Organizing-Map)的人工神經(jīng)網(wǎng)絡（ANN）方法。關于算法，DUET介紹他們在設計時會考慮到如何能夠讓人機的交互顯得更自然，以及如何在數(shù)字系統(tǒng)中添加更多“人類”的維度。

虛擬現(xiàn)實設備從早期的OCULUS DK1到現(xiàn)在的HTC VIVE都有使用過。通過VR設備，DUET系統(tǒng)創(chuàng)建了一個供實驗員和AI avatar共同探索的場景，使得實驗員能更真切地對AI的刺激做出反應。

在我們自己體驗時感受到最奇特的一點是，AI的avatar竟然是從體驗者自己的身體中間產(chǎn)生的。

首先，體驗者會看到自己的avatar，這個avatar是由無數(shù)流動的光點組成。接著，在體驗者揮動肢體的同時，自己身上的一些光點會隨著運動的軌跡脫離本體（象征著信息的流動），逐漸匯聚成一團新的信息聚集體，再由此伸展出AI的肢體。

值得一提的是，在我們體驗和AI交互時，并不需要全套光學動捕系統(tǒng)，只用一臺KINECT就可以了，這意味著在我們做個性化錄入時，對硬件的門檻可能也會大大降低。

DUET還介紹到他們研究的另一個目的：創(chuàng)造更適合VR交互下的自然用戶界面（NUI）。相對圖形用戶界面（GUI）而言，GUI要求用戶必須先學習軟件開發(fā)者預先設置好的操作，而NUI則只需要人們以最自然的交流方式與機器互動。

此外，這項技術在電影、游戲角色制作等領域也很有市場。目前在制作龍?zhí)捉巧膭幼鬈壽E時，因為要讓角色的動作保證基本的真實，即使非常簡單的動作，由于配角人物數(shù)量太多，仍然需要耗費大量的人力。如果AI能夠自動做出和角色性格相符又真實的動作，無疑能減少大量的開支。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。