本报讯(记者金婉霞)日前，上海觅蜂具身智能科技有限公司(以下简称“觅蜂科技”)联合西北工业大学、西安交通大学发表研究论文，提出第一视角运动重建框架“MEgoVista”，旨在将第一视角视频转化为具有真实尺度的三维手部动作和头部运动轨迹，为具身智能模型训练提供更精准的数据支持。
第一视角视频是具身智能预训练的重要数据来源之一。通过佩戴式摄像设备，可以记录人们在真实生活和工作场景中的操作过程。然而，如何从视频中准确识别双手、还原手指姿态，并测量手部在空间中的实际移动距离，仍是行业面临的技术难题。
针对上述问题，MEgoVista通过双手识别、多摄像头测距及动作轨迹优化等技术，实现对佩戴者双手动作和头部运动的重建，并减少遮挡、多人互动及镜头移动等因素带来的干扰。
论文实验结果显示，在经过位置、朝向和尺度对齐后，MEgoVista的手指姿态误差为4.29毫米，低于两种对比方法的16.30毫米和49.18毫米。在制作奶茶、美甲及宠物洗澡等真实场景测试中，该框架也表现出较好的跟踪稳定性。
据了解，觅蜂科技正推进MEgo系列数据采集设备量产，以及数据采集、治理和评测能力建设。此次研究成果有望进一步提升真实场景下的动作数据重建精度，为具身智能模型训练提供技术支撑。
