悉尼大学研发TA-GNN模型实现VR环境高精度手指运动预测

小编广东客 | 分类：论文 | 2025年6月27日

加入映维网会员

可以在没有额外传感器的情况下增强手指追踪

（映维网Nweon 2025年06月27日）利用历史关节位置/旋转连续预测手指关节运动在一系列的应用中至关重要，特别是与虚拟现实相关的应用。然而，手指的运动是高度清晰的，具有多个自由度，这使得它们很难建模和预测。为了解决这一挑战，悉尼大学团队提出了一种物理启发的神经网络来准确预测人类手指运动。

所提出的编码器包括用于生成过滤速度和加速度的运动学特征提取器和遵循线性运动学的基于物理的编码器。模型设计为跨预测时间实现，因此它可以无缝地提供连续的预测。基于图形的解码器用于学习手指关节之间的拓扑运动，以解决更高程度的手指关节。

在虚拟现实环境中，团队展示了模型性能的优越性。这种新颖的方法可以在没有额外传感器的情况下增强手指追踪，实现了预测交互，如触觉重定向和提高预测渲染质量。