今天小编分享的科学经验：用Vision Pro实时训练机器狗！MIT博士生开源项目火了，欢迎阅读。
Vision Pro 又现火爆新玩法，这回还和具身智能联动了 ~
就像这样，MIT 小哥利用 Vision Pro 的手部追踪功能，成功实现了对机器狗的实时控制。
不仅开门这样的动作能精准 get：
也几乎没什么延时。
Demo 一出，不仅网友们大赞鹅妹子嘤，各路具身智能研究人员也嗨了。
比如这位准清华叉院博士生：
还有人大胆预测：这就是我们与下一代机器互动的方式。
具体来看看作者小哥开发的 App ——Tracking Steamer。
顾名思义，这个应用程式旨在利用 Vision Pro 追踪人类动作，并将这些动作数据实时传输到同一 WiFi 下的其他机器人设备上。
动作追踪的部分，主要依靠苹果的 ARKit 库来实现。
其中头部追踪调用的是 queryDeviceAnchor。用户可以通过长按数字表冠来重置头部框架到当前位置。
手腕和手指追踪则通过 HandTrackingProvider 实现。它能够追踪左右手腕相对于地面框架的位置和方向，以及每只手 25 个手指关节相对于手腕框架的姿态。
网络通信方面，这个 App 使用 gRPC 作为网络通信協定来流式传输数据。这使得数据能被更多设备订阅，包括 Linux、Mac 和 Windows 设备。
另外，为了方便数据传输，作者小哥还准备了一个 Python API，让开发者能够通过编程方式订阅和接收从 Vision Pro 流式传输的追踪数据。
API 返回的数据是字典形式，包含头部、手腕、手指的 SE ( 3 ) 姿态信息，即三维位置和方向。开发者可以直接在 Python 中处理这些数据，用于对机器人的进一步分析和控制。
就像不少专业人士所指出的那样，别看机器狗的动作还是由人类控制，事实上，相比于 " 操控 " 本身，结合模仿学习算法，人类在这个过程中，更像是机器人的教练。
而 Vision Pro 通过追踪用户的动作，提供了一种直观、简单的互動方式，使得非专业人员也能够为机器人提供精准的训练数据。
作者本人也在论文中写道：
在不久的将来，人们可能会像日常戴眼镜一样佩戴 Vision Pro 这样的设备，想象一下我们可以从这个过程中收集多少数据！
这是一个充满前景的数据源，机器人可以从中学习到，人类是如何与现实世界互動的。
最后，提醒一下，如果你想上手试一试这个开源项目，那么除了必备一台 Vision Pro 之外，还需要准备：
苹果开发者账户
Vision Pro 开发者配件（Developer Strap，售价 299 美元）
安装了 Xcode 的 Mac 电腦
嗯，看样子还是得先让苹果赚一笔了（doge）。
项目链接：
https://github.com/Improbable-AI/VisionProTeleop?tab=readme-ov-file
参考链接：
https://twitter.com/younghyo_park/status/1766274298422161830
