華盛頓州，雷德蒙德——當人們第一次戴上全新HoloLens 2時，設備會自動開始識別他們：它會測量包括用戶手的準確形狀、精準的瞳距在內(nèi)的一切數(shù)據(jù)。在英國劍橋領導HoloLens科學團隊的資深科學家Jamie Shotton表示，實現(xiàn)這些功能的人工智能研發(fā)過程“驚人的復雜”，但如果想讓使用該設備的體驗變成一種“本能”體驗，這些研發(fā)工作至關重要。
“我們希望用戶不用專門學習，就知道如何使用HoloLens。”他補充到：“我們知道如何與現(xiàn)實世界中的事物進行交互：我們拿起東西，按下按鈕，然后指向目標物。我們致力于將其直接轉化為混合現(xiàn)實?！?/p>
微軟今天宣布HoloLens 2正式開始向客戶發(fā)貨。這款內(nèi)置傳感器的全息計算頭戴顯示設備利用人工智能代替時間和空間，創(chuàng)造出一個由人、位置和物體組成的混合現(xiàn)實，以促進我們最基本的人類沖動之一：交換知識。
微軟技術院士Alex Kipman
微軟技術院士Alex Kipman表示，我們希望這款頭戴顯示設備可以展示智能邊緣設備的優(yōu)秀能力——支持人工智能技術，即使沒有穩(wěn)定的互聯(lián)網(wǎng)連接，也能收集和處理數(shù)據(jù)——并在聯(lián)網(wǎng)時與智能云共享部分或全部數(shù)據(jù)。
不久之前，Kipman在他辦公室的數(shù)字白板上勾勒了這種普適計算結構的示意圖。他說：“HoloLens是微軟首個基于這種世界觀開發(fā)的設備?！?HoloLens 2中的人工智能與微軟云計算平臺Azure的人工智能功能相結合，讓那些需要騰出雙手操作的一線工作人員能夠學習有助于職業(yè)發(fā)展的技能，并使地球兩端說不同語言的人能夠通過對物體的互通認知進行協(xié)作。
微軟公司Microsoft Azure部門副總裁Julia White說：“你可以通過HoloLens做真正有趣的事，也可以通過云來做真正有趣的事。但是當這兩者相結合時，你會發(fā)現(xiàn)，它改變了人們實際做事的方式方法?！?/p>
通過人工智能交付混合現(xiàn)實
為了實現(xiàn)與HoloLens 2的自然交互，Shotton和他的同事共同開發(fā)、訓練人工智能模型，并將其部署在設備上，以跟蹤人們的手部動作和視線，比如人們可以感知漂浮在自己眼前的全息影像并伸手調(diào)整大小或對其重新定位。
為了構建手部跟蹤系統(tǒng)，該團隊制作了一個帶有向內(nèi)指向的圓頂攝像頭設備，用來記錄人們各種各樣的手形。之后團隊會使用離線的云處理技術來構建能夠代表所有人手形和動作的3D模型。通過這個3D模型，團隊能夠使用計算機圖形來渲染逼真的合成人手圖像和合成標簽，從而使該模型能夠適用于各種手形、姿勢和運動。Shotton說：“你可以有效地生成無窮多的訓練數(shù)據(jù)。”
該團隊使用這些數(shù)據(jù)來訓練一個緊湊型深度神經(jīng)網(wǎng)絡，這是一種適用于HoloLens的機載處理器的人工智能算法，能夠對來自設備的深度傳感器的每一幀畫面進行高效處理。當新用戶戴上HoloLens 2時，系統(tǒng)會利用這個神經(jīng)網(wǎng)絡構建一個適合用戶手掌大小的個性化3D模型，從而實現(xiàn)與全息影像自然交互所需的精確跟蹤。
Shotton的團隊采用了類似的方法來構建和訓練眼球跟蹤模型，密切關注瞳孔間距——即雙眼瞳孔中心之間的距離，瞳距因人而異，它會影響一個人看近處或遠處物體的方式。最終這個眼球跟蹤模型，可以讓HoloLens 2能夠在客戶面前精確顯示全息影像，讓他們用手和眼睛同HoloLens 進行交互和操作。
Shotton表示：“眼球追蹤、全息影像和現(xiàn)實世界的匹配、人手的互動，所有這一切，如果沒有足夠的精度，根本談不上本能自然的交互體驗?！?/p>
貫穿邊緣到云端的人工智能
不僅僅是手部和眼球跟蹤功能，其它的智能功能，比如SLAM（同步定位與地圖構建），都已經(jīng)被嵌入到HoloLens 2的第二代全息處理單元中，該芯片也被稱為HPU2.0。
Kipman把這種設備上的人工智能功能稱作感知人工智能。他說：“感知就像爬行動物的大腦，它執(zhí)行的是腦部本能、想都不用想的操作?！睂τ谌藖碚f，這類智能使我們的心臟保持跳動、我們的肺部自主呼吸、我們的眼睛進行微跳動以測量景深。比如當我們口渴并想要喝水時，我們的眼睛會本能地測量到手舉水杯到唇邊的距離。
HoloLens 2上的感知人工智能使人們能夠操控全息影像并與之進行交互，而無需擔心所謂的延遲——通常，數(shù)據(jù)傳輸?shù)皆贫恕⑦M行處理并返回到邊緣需要花數(shù)百毫秒的時間。當你在全息影像上按下一個按鈕，或者用眼球在全息影像上瀏覽文本時，“即使幾十毫秒也會產(chǎn)生顯著的感知差異。”Shotton指出：“運轉時長至關重要。”
對隱私的保護是在設備上進行本地人工智能計算的另一個原因，例如HoloLens 2用來驗證客戶身份的虹膜掃描信息——人們可能不希望將這類私人數(shù)據(jù)發(fā)送到云端。然而，對于許多其它類型的數(shù)據(jù)來說，將其發(fā)送到云端是有好處的：因為一旦這些數(shù)據(jù)到達云端，客戶就可以利用Azure AI和混合現(xiàn)實服務，將他們設備上的數(shù)據(jù)與整個普適計算結構中的數(shù)據(jù)相結合，“這使很多更高級的運算和認知功能得以運行?！盞ipman說。
HoloLens 2零部件展示圖
云端協(xié)作
微軟混合現(xiàn)實與人工智能蘇黎世實驗室主任Marc Pollefeys表示，智能云賦能的全息計算的一個關鍵優(yōu)勢就是，它可以與其他擁有HoloLens或類似設備的人共享信息。Pollefeys正在領導一個團隊研發(fā)用于混合現(xiàn)實云服務的核心計算機視覺算法——Azure Spatial Anchors，該服務能夠讓全息影像保留并鎖定在現(xiàn)實世界中，供任何具有適當訪問權限的人查看。
比如說，SpaTIal Anchors技術讓工廠管理者能夠把全息影像放在裝配線上的設備旁邊，包含重要的實時操作和維護信息，任何獲得認證并擁有混合現(xiàn)實設備的工人都可以訪問這些信息。
Pollefeys說：“如果我只能在我自己的設備上回看這些信息，那這樣的全息影像就毫無意義。但是，如果我能夠在全息影像中對現(xiàn)實世界進行批注和標記，并且公司里任何有訪問權限的人都可以看到這些信息，那么這就實現(xiàn)了價值飛躍?！?/p>
為了創(chuàng)建這一功能，Pollefeys和他的團隊開發(fā)了人工智能計算機視覺算法，該算法可處理來自傳感器的數(shù)據(jù)，提取周圍環(huán)境的3D幾何信息，并將其整合、上傳到云平臺，創(chuàng)建出基于這些相關區(qū)域數(shù)字孿生系統(tǒng)或視圖。
Pollefeys指出，HoloLens總是通過解讀3D或空間信息的方式，了解其所在的運行環(huán)境。Azure SpaTIal Anchors創(chuàng)建、優(yōu)化這些視圖，并在各種設備上進行共享，這就是為什么要把來自各個設備的視圖拼湊在一起并存儲在云中。他說：“只在一臺設備上存儲這些數(shù)據(jù)是沒有意義的。就好比我有一小塊拼圖、其他人也有一小塊拼圖，只有當我們把各自設備中生成的拼圖整合到一起，才可以覆蓋整個空間。”
隨著各種支持混合現(xiàn)實功能的設備，包括HoloLens以及適當配置的手機、平板電腦和筆記本電腦，繪制出的環(huán)境信息不斷整合，并共享在云端，這些視圖將隨著時間的推移變得更加詳實、更加精確、更加強大。
以工廠為例，隨著越來越多有訪問權限的工人用自己的設備查看全息影像，工廠車間的整體視圖將會不斷地改進，最終完整全息影像將會被經(jīng)理放置在裝配線設備的上方。該功能還支持其它一些場景，例如：建筑師和客戶開會時，每個參會人員都佩戴一個混合現(xiàn)實設備，將可以從自己的視角查看該建筑的全息3D設計圖，并與之進行交互。
Julia White指出，Azure包含預構建服務，可在HoloLens和任何其它混合現(xiàn)實設備上，包括運行iOS和安卓操作系統(tǒng)的智能手機和平板電腦，為這類體驗編寫應用程序。她指出：“這種協(xié)作體驗不僅僅限于HoloLens。而且開發(fā)者在編寫這些令人驚嘆的應用時的成本、操作難度和技能要求都隨之大大降低?！?例如，跨設備和平臺功能可以優(yōu)化《我的世界：地球》的游戲體驗。將流行的視頻游戲與混合現(xiàn)實融合在一起，一個玩家可以在現(xiàn)實世界中搭建并放置可持久存在的虛擬結構，這樣，其他玩家就可以在自己的設備上與之進行交互。
Julia White說：“我們都參與其中，因為它基于云技術，能夠被各種類型的設備解讀和詮釋?！?/p>
以人為本的技術
Kipman指出，要想讓HoloLens達到我們預想的那樣去工作，支持這種體驗的技術就必須以類似人類的方式來理解這個世界。因此，他和微軟各個部門的同事合作，一同在這普適計算的數(shù)據(jù)網(wǎng)中開發(fā)、部署這些技術，并充分利用人工智能技術研究解決方案——從HoloLens 2的芯片到Azure AI和混合現(xiàn)實服務。
我們的目光再次回到Kipman的數(shù)字白板，他現(xiàn)在已經(jīng)勾勒出一個普適計算的愿景，這個白板上有文字、方框、箭頭，還有一幅簡筆畫——畫中的兩人在一個智能設備旁交談。
他說，這就是普適計算的終極目標——讓人們以自然的方式與他人進行交互。為了強調(diào)這一點，他特意停頓了一下，與觀眾進行眼神交流，并說：“希望你們能從這次的談話中得到更多收獲，因為在真實世界中大家現(xiàn)在就在我身邊?！?/p>
他繼續(xù)說道：“我們本可以通過電話或者Skype來交流，我甚至可以錄下我的演講，然后把磁帶寄給你們。但大家沒有選擇這么做，而選擇了面對面交流。為什么？因為這就是我們?nèi)祟惲晳T的做事方式。”
“但這樣面對面的缺點是，大家必須和我同時在同一個地點。而全息技術的力量就在于，它能夠幫助我們打破空間和時間的界限?！?/p>
下載文檔
