电子商务|虚拟化身动作不协调？Meta开源肌肉骨骼动力学模型MyoSuite 宜昌

文章图片

文章图片

Quest手势识别功能，让人们看到VR与手部交互结合的潜力，尤其是在虚拟社交场景，人们可以通过手势来操控虚拟化身，用身体语言来完善对话或文字的社交体验。

然而Meta并未就此止步，最近又公布了一种可模拟肌肉骨骼运动的AI平台：MyoSuite ，该研究为Meta AI特温特大学合作开发，目前可模拟用手转笔或健身球等细致的动作。这意味着，未来Meta可通过该平台生成模拟的手势或姿态数据，用于训练手势或姿态识别算法，进一步提升算法的准确性。
细节方面， MyoSuite是一个具身AI平台，该平台通过统一的运动和神经智能，将机器学习技术应用于解决生物力学控制问题。其特点是可模拟肌肉骨骼模型运动，同样可满足现有ML算法对于数据的要求， MyoSuite比其他模拟器要快4000倍。
模拟复杂的人体运动
Meta表示：有机体越智能，它表现出的运动行为就越复杂。比如人体生物力学就相当复杂，由多关节、多启动器的肌肉骨骼系统组成。肌肉每次收缩，会造成多个关节弯曲，而每个关节的运动，都由多块肌肉控制。

在这样复杂的生物力学系统中，人类通过协调中枢神经系统和外围肌肉骨骼系统，来合成和表现智能运动。其中，每个决策由数十亿神经元网络合成，而外围肌肉骨骼系统的作用是将神经意图转化为动作。
那么问题来了，是什么驱动了如此复杂的决策和动作控制，并执行这些决策？
为了探索上述问题， Meta开发了MyoSuite ，其中包含一组肌肉骨骼模型和任务，可帮助机器学习模型来解决生物力学控制问题。
细节方面， MyoSuite统一了智能体运动的两大要素：运动和神经。通过MyoSuite ， Meta进一步了解到感觉运动控制的细节，发现感觉运动控制依赖于不同的本体感受信号，来协调全身运动控制，在交互场景中展现智能行为。
通常，人工智能领域利用神经结构或神经网络，来模拟智能行为。相比之下， MyoSuite方案模拟肌肉骨骼模型逼真的生理机能，比市面上其他同类模型的计算效率和可扩展性更高（几个数量级），甚至可合成人体内大部分肌肉运动。

此外， MyoSuite实现了此前未实现的一些精细的手部运动，比如转笔、扭转钥匙、单手玩健身球等等。
机器学习生成肌肉骨骼运动
机器学习算法的优势在于，利用计算机的数据和可扩展性，效率更高，可解决一些人力不能解决的问题。但是，机器学习算法很少用于学习肌肉骨骼控制等复杂的运动，其原因是：虽然现有的计算机框架（OpenSim）包含生理结构细致的肌肉骨骼模型，但这些模型缺乏允许AI代理与物理世界交互的复杂能力。而这种能力，对于具身AI很重要，因为具身AI的定义就是一种可与周围环境互动的智能体。

此外，现有的计算机框架未嵌入到复杂、熟练的运动任务中，也没有足够的效率和扩展性，因此不能满足机器学习算法的数据需求。与此同时， MyoSuite填补了这方面的缺失。
现实应用场景
MyoSuite不仅可以合成行为，还可以用于医疗场景。比如用于修复肌腱撕裂伤时， MyoSuite可生成肌腱移植模型，或是模拟外科手术的结果（灵活性），以及术后受伤部位功能康复的影响。