CN114637412B - 用于vr设备人物移动的摇杆控制方法和系统 - Google Patents
用于vr设备人物移动的摇杆控制方法和系统 Download PDFInfo
- Publication number
- CN114637412B CN114637412B CN202210534821.8A CN202210534821A CN114637412B CN 114637412 B CN114637412 B CN 114637412B CN 202210534821 A CN202210534821 A CN 202210534821A CN 114637412 B CN114637412 B CN 114637412B
- Authority
- CN
- China
- Prior art keywords
- virtual character
- rocker
- movement
- current moment
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000033001 locomotion Effects 0.000 title claims abstract description 180
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000006698 induction Effects 0.000 claims abstract description 97
- 238000013528 artificial neural network Methods 0.000 claims description 45
- 230000009471 action Effects 0.000 claims description 19
- 238000013507 mapping Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 11
- 239000000919 ceramic Substances 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 229920002635 polyurethane Polymers 0.000 claims description 5
- 239000004814 polyurethane Substances 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 abstract description 6
- 230000001360 synchronised effect Effects 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000003111 delayed effect Effects 0.000 description 5
- 238000013138 pruning Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000007493 shaping process Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
- G06F3/033—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor
- G06F3/0338—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor with detection of limited linear or angular displacement of an operating part of the device from a neutral position, e.g. isotonic or isometric joysticks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
- G06F3/033—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor
- G06F3/038—Control and interface arrangements therefor, e.g. drivers or device-embedded control circuitry
- G06F3/0383—Signal control means within the pointing device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Position Input By Displaying (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明涉及一种用于VR设备人物移动的摇杆控制方法,属于互联网技术领域。所述方法包括:在检测到摇杆传感器的摇杆组件当前时刻被使用VR设备操纵虚拟人物的用户摇动时,判断摇杆传感器的感应组件是否输出感应电信号集;在判断输出时,基于感应电信号集计算当前时刻对应的虚拟人物移动信息;在判断未输出时,基于虚拟人物的历史移动信息智能预测当前时刻的虚拟人物移动信息。本发明还涉及一种用于VR设备人物移动的摇杆控制系统。通过本发明,能够为融入元宇宙的VR设备的每一虚拟人物搭建智能估测机制,并在检测到摇杆传感器同步故障时,采用同一虚拟人物的最新历史移动信息实现对所述虚拟人物当前移动信息的智能预测,从而避免元宇宙运行迟滞。
Description
技术领域
本发明涉及互联网技术领域,尤其涉及一种用于VR设备人物移动的摇杆控制方法和系统。
背景技术
元宇宙(Metaverse)是利用科技手段进行链接与创造的,与现实世界映射和交互的虚拟世界,具备新型社会体系的数字生活空间。
元宇宙本质上是对现实世界的虚拟化、数字化过程,需要对内容生产、经济系统、用户体验以及实体世界内容等进行大量改造。元宇宙的发展是循序渐进的,是在共享的基础设施、标准及协议的支撑下,由众多工具、平台不断融合、进化而最终成形。它基于扩展现实技术提供沉浸式体验,基于数字孪生技术生成现实世界的镜像,基于区块链技术搭建经济体系,将虚拟世界与现实世界在经济系统、社交系统、身份系统上密切融合,并且允许每个用户进行内容生产和世界编辑。准确地说,元宇宙不是一个新的概念,它更像是一个经典概念的重生,是在虚拟现实(VR)、扩展现实(XR)、区块链、云计算、数字孪生等新技术下的概念具化。
元宇宙是下一代的互联网,是VR、XR等技术架构上的整个互联网。VR、XR等技术架构是即将要普及的下一代移动计算平台,而元宇宙则是这个互联网行业在这个新平台上的呈现。到了VR、XR时代,人们可以大胆地想像,每个人都有可能有一个虚拟的替身,通过这个虚拟替身,人们可以在这个虚拟世界里面对面的交流,那在这样的设置下,很有可能社交,电商,等很多互联网应用都会发生改变。
采用VR、XR等技术架构构建的包括各个虚拟人物的元宇宙中,真实用户采用包括摇杆等控制部件实现对虚拟人物移动控制是元宇宙中虚拟人物的基本操作,摇杆等控制部件也成为搭建元宇宙的最基本器件,因此,元宇宙的运行是否流畅,与摇杆等控制部件对虚拟人物的控制是否流畅密不可分。然而,在现有技术中的摇杆操作中,由于摇杆硬件本身的设计原因或者真实环境下的用户操作原因,导致用户操作摇杆但摇杆输出的包括电信号的控制数据滞后或者缺失,从而使得元宇宙的虚拟人物移动停滞,严重影响了元宇宙的用户体验。
发明内容
为了解决上述问题,本发明提供了一种用于VR设备人物移动的摇杆控制方法和系统,在引入包括摇杆组件和感应组件的摇杆传感器的定制硬件结构的基础上,采用多次学习后的针对性设计的前馈神经网络为VR设备每一虚拟人物搭建智能估测机制,并在检测到用户操作摇杆但摇杆输出的包括电信号的控制数据滞后或者缺失的情况下,采用基于同一虚拟人物的最新移动信息实现对所述虚拟人物当前移动信息的智能预测,从而保证了元宇宙下的各个虚拟人物的移动流畅度。
相比较于现有技术,本发明至少具备以下几处主要的发明构思:
第一处:采用包括摇杆组件和感应组件的摇杆传感器作为VR设备用户操作虚拟人物的移动控制组件,为VR设备每一虚拟人物搭建基于历史移动信息的当前时刻移动信息的智能估测机制,从而在摇杆传感器存在用户摇杆操作但电信号输出滞后出现的同步故障提供解决方案,保证VR设备虚拟人物移动的流畅性;
第二处:为VR设备每一虚拟人物搭建的智能估测机制建立在多次学习后的前馈神经网络的基础上,其中,用户操作的虚拟人物当前所在场景中的最小虚拟移动单位的数量越小,所述前馈神经网络的输入内容的数量的取值越小,以及执行学习的次数的取值与用户操作的虚拟人物当前所在场景的虚拟场景面积正向关联;
第三处:采用包括摇杆组件和感应组件的摇杆传感器的定制硬件结构,所述摇杆组件包括第一磁铁、第二磁铁以及第三磁铁,所述感应组件包括感应电路板、第一感应元件、第二感应元件以及第三感应元件,第一磁铁、第二磁铁以及第三磁铁分别与第一感应元件、第二感应元件以及第三感应元件匹配以输出用于虚拟人物移动控制的电信号,从而为摇杆输出滞后故障的解决提供硬件基础。
根据本发明的第一方面,提供了一种用于VR设备人物移动的摇杆控制方法,所述方法包括:
检测摇杆传感器的摇杆组件当前时刻是否被使用VR设备操纵虚拟人物的用户摇动;
在检测到摇杆传感器的摇杆组件当前时刻被使用VR设备操纵虚拟人物的用户摇动时,判断摇杆组件被用户摇动的同时,摇杆传感器的感应组件是否输出感应电信号集;
在判断感应组件输出感应电信号集时,基于感应组件输出的感应电信号集计算当前时刻对应的虚拟人物移动信息;
在判断感应组件未输出感应电信号集时,对当前时刻之前设定数目的多个时刻分别对应的多份虚拟人物移动信息进行采集,所述当前时刻以及所述多个时刻在时间轴上呈现均匀分布的布局模式;
将当前时刻之前设定数目的多个时刻分别对应的多份虚拟人物移动信息作为基于前馈神经网络的智能预测模型的多个输入内容以运行所述智能预测模型,获取所述智能预测模型的单个输出内容即当前时刻对应的虚拟人物移动信息;
控制虚拟人物基于当前时刻对应的虚拟人物移动信息在被使用VR设备中执行相应的移动动作;
其中,每一份虚拟人物移动信息由虚拟人物的移动方向和虚拟人物的移动距离构成;
其中,将所述前馈神经网络执行固定次数的学习操作以获得所述智能预测模型,所述固定次数的取值与用户操作的虚拟人物当前所在场景的虚拟场景面积正向关联;
其中,用户操作的虚拟人物当前所在场景中的最小虚拟移动单位的数量越少,所述设定数目的取值越小。
根据本发明的第二方面,提供了一种用于VR设备人物移动的摇杆控制系统,所述系统包括存储器以及一个或多个处理器,所述存储器存储有计算机程序,所述计算机程序被配置成由所述一个或多个处理器执行以完成以下步骤:
检测摇杆传感器的摇杆组件当前时刻是否被使用VR设备操纵虚拟人物的用户摇动;
在检测到摇杆传感器的摇杆组件当前时刻被使用VR设备操纵虚拟人物的用户摇动时,判断摇杆组件被用户摇动的同时,摇杆传感器的感应组件是否输出感应电信号集;
在判断感应组件输出感应电信号集时,基于感应组件输出的感应电信号集计算当前时刻对应的虚拟人物移动信息;
在判断感应组件未输出感应电信号集时,对当前时刻之前设定数目的多个时刻分别对应的多份虚拟人物移动信息进行采集,所述当前时刻以及所述多个时刻在时间轴上呈现均匀分布的布局模式;
将当前时刻之前设定数目的多个时刻分别对应的多份虚拟人物移动信息作为基于前馈神经网络的智能预测模型的多个输入内容以运行所述智能预测模型,获取所述智能预测模型的单个输出内容即当前时刻对应的虚拟人物移动信息;
控制虚拟人物基于当前时刻对应的虚拟人物移动信息在被使用VR设备中执行相应的移动动作;
其中,每一份虚拟人物移动信息由虚拟人物的移动方向和虚拟人物的移动距离构成;
其中,将所述前馈神经网络执行固定次数的学习操作以获得所述智能预测模型,所述固定次数的取值与用户操作的虚拟人物当前所在场景的虚拟场景面积正向关联;
其中,用户操作的虚拟人物当前所在场景中的最小虚拟移动单位的数量越少,所述设定数目的取值越小。
根据本发明的第三方面,提供了一种用于VR设备人物移动的摇杆控制系统,所述系统包括:
摇动检测设备,用于检测摇杆传感器的摇杆组件当前时刻是否被使用VR设备操纵虚拟人物的用户摇动;
信号判断设备,与所述摇动检测设备连接,用于在检测到摇杆传感器的摇杆组件当前时刻被使用VR设备操纵虚拟人物的用户摇动时,判断摇杆组件被用户摇动的同时,摇杆传感器的感应组件是否输出感应电信号集;
内容映射设备,与所述信号判断设备连接,用于在判断感应组件输出感应电信号集时,基于感应组件输出的感应电信号集计算当前时刻对应的虚拟人物移动信息;
数据采集设备,与所述信号判断设备连接,用于在判断感应组件未输出感应电信号集时,对当前时刻之前设定数目的多个时刻分别对应的多份虚拟人物移动信息进行采集,所述当前时刻以及所述多个时刻在时间轴上呈现均匀分布的布局模式;
移动预测设备,与所述数据采集设备连接,用于将当前时刻之前设定数目的多个时刻分别对应的多份虚拟人物移动信息作为基于前馈神经网络的智能预测模型的多个输入内容以运行所述智能预测模型,获取所述智能预测模型的单个输出内容即当前时刻对应的虚拟人物移动信息;
动作执行设备,分别与所述移动预测设备以及所述内容映射设备连接,用于控制虚拟人物基于从所述移动预测设备或者所述内容映射设备处接收到的当前时刻对应的虚拟人物移动信息在被使用VR设备中执行相应的移动动作;
其中,每一份虚拟人物移动信息由虚拟人物的移动方向和虚拟人物的移动距离构成;
其中,将所述前馈神经网络执行固定次数的学习操作以获得所述智能预测模型,所述固定次数的取值与用户操作的虚拟人物当前所在场景的虚拟场景面积正向关联;
其中,用户操作的虚拟人物当前所在场景中的最小虚拟移动单位的数量越少,所述设定数目的取值越小。
附图说明
以下将结合附图对本发明的实施方案进行描述,其中:
图1为根据本发明的用于VR设备人物移动的摇杆控制方法和系统的技术流程图。
图2为根据本发明的各个实施例示出的用于VR设备人物移动的摇杆控制方法所使用的摇杆传感器的整体结构示意图。
图3为根据本发明的各个实施例示出的用于VR设备人物移动的摇杆控制方法所使用的摇杆传感器的正视结构示意图。
图4为根据本发明的各个实施例示出的用于VR设备人物移动的摇杆控制方法所使用的摇杆传感器的爆炸视图。
图5为根据本发明的各个实施例示出的用于VR设备人物移动的摇杆控制方法所使用的摇杆传感器的摇杆组件结构示意图。
图6为根据本发明的图4中的A处的局部放大示意图。
图7为根据本发明的实施例4示出的用于VR设备人物移动的摇杆控制系统的结构方框图。
图8为根据本发明的实施例5示出的用于VR设备人物移动的摇杆控制系统的结构方框图。
具体实施方式
虚拟现实技术(英文名称:Virtual Reality,缩写为VR),是20世纪发展起来的一项全新的实用技术。虚拟现实技术囊括计算机、电子信息、仿真技术,其基本实现方式是计算机模拟虚拟环境从而给人以环境沉浸感。随着社会生产力和科学技术的不断发展,各行各业对VR技术的需求日益旺盛。VR技术也取得了巨大进步,并逐步成为一个新的科学技术领域。
各种VR设备是搭建元宇宙的重要部件,每一位真实用户通过操作自己的VR设备融入到互联网架构上的元宇宙中,在真实用户使用VR设备的摇杆部件的控制下,其登录的虚拟人物在所述元宇宙世界内执行以移动为主的各种动作,显然,在上述虚拟人物的控制中,摇杆部件输出信号的同步性能直接决定了虚拟人物动作的流畅性,进而直接影响了元宇宙运转的流畅性。然而,现有技术中的VR设备的摇杆部件因为各种原因容易出现用户执行摇杆动作但用于虚拟人物控制的电信号输出迟滞的现象,导致摇杆部件输出信号的同步性能下降。
为了克服上述不足,本发明搭建了一种用于VR设备人物移动的摇杆控制方法和系统,在优化内部结构的VR设备摇杆传感器的硬件基础上,为VR设备每一虚拟人物搭建用于估测未来移动方向和移动距离的智能估测机制,从而在检测到摇杆部件输出信号的同步性能下降时及时介入虚拟人物的移动控制,避免影响VR设备融入的元宇宙的用户体验。
如图1所示,给出了根据本发明示出的用于VR设备人物移动的摇杆控制方法和系统的技术流程图。
如图1所示,本发明的具体的技术流程如下:
首先,针对用于融入元宇宙的VR设备的遥杆传感器,检测当前时刻是否存在用户执行摇杆操作但电信号输出滞后的同步故障,即摇杆传感器的摇杆组件存在用户摇动操作但摇杆传感器的感应组件未输出感应电信号集或者输出感应电信号集迟滞的现象;
如图1所示,N个VR设备融入同一元宇宙,N为大于1的自然数,真实用户通过操纵摇杆传感器实现VR设备对应的虚拟人物在所述元宇宙的移动控制;
其次,如图1所示,针对某一个VR设备的摇杆传感器,在检测到不存在同步故障时,直接将感应组件输出的感应电信号集转换为控制VR设备的虚拟用户当前时刻的移动信息,所述虚拟用户的移动信息包括在元宇宙的虚拟世界中虚拟人物的移动方向和虚拟人物的移动距离;
再次,如图1所示,针对某一个VR设备的摇杆传感器,在检测到存在同步故障时,根据该虚拟用户最新各个历史时刻分别对应的各份移动信息基于智能预测模型预测该虚拟用户当前时刻的移动信息;
最后,控制虚拟人物基于当前时刻对应的虚拟人物移动信息在被使用VR设备中执行相应的移动动作;
其中,上述控制机制基于包括摇杆组件和感应组件的摇杆传感器的定制硬件结构,所述摇杆组件包括第一磁铁、第二磁铁以及第三磁铁,所述感应组件包括感应电路板、第一感应元件、第二感应元件以及第三感应元件,第一磁铁、第二磁铁以及第三磁铁分别与第一感应元件、第二感应元件以及第三感应元件匹配以输出用于虚拟人物移动控制的电信号,从而为摇杆输出滞后故障的解决提供可靠的硬件基础。
本发明的关键点在于,针对具有定制硬件结构的VR设备的摇杆传感器,无论融入元宇宙世界的该VR设备的遥杆传感器当前时刻是否存在同步故障,都能立即执行当前时刻的虚拟人物的有效移动操作,从而避免虚拟人物动作迟滞或者停顿,为每一位真实用户提供流畅运行的元宇宙世界。
下面,将对本发明的用于VR设备人物移动的摇杆控制方法和系统以实施例的方式进行具体说明。
实施例1
本发明实施例1提供用于VR设备人物移动的摇杆控制方法具体包括以下步骤:
检测摇杆传感器的摇杆组件当前时刻是否被使用VR设备操纵虚拟人物的用户摇动;
在检测到摇杆传感器的摇杆组件当前时刻被使用VR设备操纵虚拟人物的用户摇动时,判断摇杆组件被用户摇动的同时,摇杆传感器的感应组件是否输出感应电信号集;
在判断感应组件输出感应电信号集时,基于感应组件输出的感应电信号集计算当前时刻对应的虚拟人物移动信息;
在判断感应组件未输出感应电信号集时,对当前时刻之前设定数目的多个时刻分别对应的多份虚拟人物移动信息进行采集,所述当前时刻以及所述多个时刻在时间轴上呈现均匀分布的布局模式;
将当前时刻之前设定数目的多个时刻分别对应的多份虚拟人物移动信息作为基于前馈神经网络的智能预测模型的多个输入内容以运行所述智能预测模型,获取所述智能预测模型的单个输出内容即当前时刻对应的虚拟人物移动信息;
控制虚拟人物基于当前时刻对应的虚拟人物移动信息在被使用VR设备中执行相应的移动动作;
其中,每一份虚拟人物移动信息由虚拟人物的移动方向和虚拟人物的移动距离构成;
其中,将所述前馈神经网络执行固定次数的学习操作以获得所述智能预测模型,所述固定次数的取值与用户操作的虚拟人物当前所在场景的虚拟场景面积正向关联;
例如,所述固定次数的取值与用户操作的虚拟人物当前所在场景的虚拟场景面积正向关联可以包括:所述固定次数的取值与用户操作的虚拟人物当前所在场景的虚拟场景面积成正比;
举例说明,当用户操作的虚拟人物当前所在场景的虚拟场景面积为2百平方米时,所述固定次数的取值为100,当用户操作的虚拟人物当前所在场景的虚拟场景面积为4百平方米时,所述固定次数的取值为200,以及当用户操作的虚拟人物当前所在场景的虚拟场景面积为8百平方米时,所述固定次数的取值为800;
其中,用户操作的虚拟人物当前所在场景中的最小虚拟移动单位的数量越少,所述设定数目的取值越小;
其中,用户操作的虚拟人物当前所在场景中的最小虚拟移动单位的数量越少,所述设定数目的取值越小包括:所述设定数目的取值与用户操作的虚拟人物当前所在场景中的最小虚拟移动单位的数量正向关联;
举例说明,当用户操作的虚拟人物当前所在场景的虚拟场景面积为2百平方米的设定场景下,如果用户操作的虚拟人物当前所在场景中的最小虚拟移动单位为1平方分米时,则用户操作的虚拟人物当前所在场景中的最小虚拟移动单位的数量为2万个,所述设定数目的取值为10,如果用户操作的虚拟人物当前所在场景中的最小虚拟移动单位为1平方米时,则用户操作的虚拟人物当前所在场景中的最小虚拟移动单位的数量为2百个,所述设定数目的取值为5,以及如果用户操作的虚拟人物当前所在场景中的最小虚拟移动单位为50平方厘米时,则用户操作的虚拟人物当前所在场景中的最小虚拟移动单位的数量为4万个,所述设定数目的取值为15。
实施例2
本发明实施例2提供的用于VR设备人物移动的摇杆控制方法与本发明的实施例1不同,所述用于VR设备人物移动的摇杆控制方法还包括:
在检测摇杆传感器的摇杆组件当前时刻是否被使用VR设备操纵虚拟人物的用户摇动之前:
建立感应组件输出的感应电信号集与其对应的虚拟人物移动信息之间的数值映射关系;
其中,可以采用云计算服务器存储所述数值映射关系,所述云计算服务器设置在所述VR设备的远端,并通过无线网络与所述VR设备建立无线网络连接,一台云计算服务器负责实现对多个VR设备的数据维护。
实施例3
本发明实施例3提供的用于VR设备人物移动的摇杆控制方法与本发明的实施例1不同,所述用于VR设备人物移动的摇杆控制方法还包括:
在检测摇杆传感器的摇杆组件当前时刻是否被使用VR设备操纵虚拟人物的用户摇动之前:
鉴定当前时刻使用VR设备操纵虚拟人物的用户是否为所述VR设备的合法用户;
其中,可以在VR设备的显示界面上显示用于鉴定当前时刻使用VR设备操纵虚拟人物的用户是否为所述VR设备的合法用户的登录鉴权框,所述登录鉴权框包括输入用户名称以及输入用户密码的两个可选项。
在上述实施例的任一实施例中,可选地,在所述用于VR设备人物移动的摇杆控制方法中:
将所述前馈神经网络执行固定次数的学习操作以获得所述智能预测模型包括:将所述虚拟人物各个历史时刻分别对应的各份虚拟人物移动信息作为所述前馈神经网络的输入内容和输出内容执行对所述前馈神经网络的每一次学习操作;
其中,针对VR设备操纵的不同虚拟人物,构建不同的基于前馈神经网络的智能预测模型;
这样,针对不同虚拟人物构建不同的基于前馈神经网络的智能预测模型,能够使得对当前虚拟人物的移动数据的预测结果更符合当前虚拟人物的运动习惯。
在上述实施例的任一实施例中,可选地,在所述用于VR设备人物移动的摇杆控制方法中:
检测摇杆传感器的摇杆组件当前时刻是否被使用VR设备操纵虚拟人物的用户摇动包括:采用设置在摇杆组件底部的聚氨酯弹性块和压电陶瓷组件检测摇杆传感器的摇杆组件当前时刻是否被使用VR设备操纵虚拟人物的用户摇动;
其中,所述压电陶瓷组件可以包括多个压电陶瓷元件,所述压电陶瓷组件设置在所述聚氨酯弹性块的下方,所述聚氨酯弹性块设置在所述摇杆组件底部,所述多个压电陶瓷元件均匀分布在所述聚氨酯弹性块的下方的圆环结构上。
在上述实施例的任一实施例中,可选地,在所述用于VR设备人物移动的摇杆控制方法中:
所述感应电信号集为第一电信号、第二电信号以及第三电信号;
下面,将参照图2-图6,对本发明各个实施例使用的摇杆传感器的具体结构进行详细描述:
所述摇杆传感器包括摇杆组件以及感应组件;
所述摇杆组件包括上摇臂210、下摇臂220、摇杆本体230、弹簧240以及滑动座250,上摇臂210以及下摇臂220均套设在摇杆本体230上,且上摇臂210位于下摇臂220上方,弹簧240的一端套设在滑动座250上,弹簧240的另一端与摇杆本体230的一端连接,上摇臂210上设有第一磁铁410,下摇臂220上沿其中心轴对称设置第二磁铁420以及第三磁铁430;
其中,通过摇杆本体230的移动,带动上摇臂210以及下摇臂220进行移动,上摇臂210的槽体使其能够向两个方向移动,使下摇臂220向另两个方向移动,便于控制;
所述感应组件包括感应电路板310、第一感应元件320、第二感应元件330以及第三感应元件340,感应电路板310上设有第一感应元件320、第二感应元件330以及第三感应元件340,第一感应元件320、第二感应元件330以及第三感应元件340位于感应电路板310上的不同位置,第一磁铁410与第一感应元件320位置相对应,第二磁铁420与第二感应元件330位置相对应,第三磁铁430与第三感应元件340位置相对应;
其中,感应电路板310为磁感应IC板,磁感应IC板用于产生与第一磁铁410的摆动使第一磁铁410与第一感应元件320之间的距离发生的变化相对应的第一电信号、第二磁铁420的摆动使第二磁铁420与第二感应元件330之间的距离发生的变化相对应的第二电信号以及第三磁铁430与第三感应元件340之间的距离发生的变化相对应的第三电信号并输出;
所述摇杆传感器还包括外壳110以及底座120,外壳110卡设在底座120上,外壳110内部中空;
所述摇杆组件以及感应组件均设置在外壳110内部;
所述摇杆本体230推动上摇臂210进行摆动时,摇杆本体230推动下摇臂220进行相反的方向摆动;
所述摇杆本体230包括手柄510、活动柱520、连接柱530以及连接环540,手柄510连接在活动柱520上,连接环540固定套设在活动柱520上,连接柱530通过连接环540设置在活动柱520上;
所述手柄510以及活动柱520均为圆柱体结构,且手柄510边角采用圆弧过渡;
所述外壳110上设有一个半球型的凸起,且上方设有开槽,摇杆本体230穿过开槽;
在人员使用时,首先,通过摇杆本体230的移动,带动上摇臂210以及下摇臂220进行移动,上摇臂210的槽体使其能够向两个方向移动,使下摇臂220向另两个方向移动,便于控制,移动较为方便,摇杆本体230的控制较为简单,较为灵活,导致摇杆传感器精度大大提高,感应电路板310为磁感应IC板,磁感应IC板用于产生与第一磁铁410的摆动使第一磁铁410与第一感应元件320之间的距离发生的变化相对应的第一电信号、第二磁铁420的摆动使第二磁铁420与第二感应元件330之间的距离发生的变化相对应的第二电信号以及第三磁铁430与第三感应元件340之间的距离发生的变化相对应的第三电信号并输出,使感应电路板310对于摇杆本体230的移动方向感应更加准确,感应效率提高。
实施例4
图7为根据本发明的实施例4示出的用于VR设备人物移动的摇杆控制系统的结构方框图。
如图7所示,所述用于VR设备人物移动的摇杆控制系统包括存储器以及N个处理器,N为大于等于1的正整数,所述存储器存储有计算机程序,所述计算机程序被配置成由所述N个处理器执行以完成以下步骤:
检测摇杆传感器的摇杆组件当前时刻是否被使用VR设备操纵虚拟人物的用户摇动;
在检测到摇杆传感器的摇杆组件当前时刻被使用VR设备操纵虚拟人物的用户摇动时,判断摇杆组件被用户摇动的同时,摇杆传感器的感应组件是否输出感应电信号集;
在判断感应组件输出感应电信号集时,基于感应组件输出的感应电信号集计算当前时刻对应的虚拟人物移动信息;
在判断感应组件未输出感应电信号集时,对当前时刻之前设定数目的多个时刻分别对应的多份虚拟人物移动信息进行采集,所述当前时刻以及所述多个时刻在时间轴上呈现均匀分布的布局模式;
将当前时刻之前设定数目的多个时刻分别对应的多份虚拟人物移动信息作为基于前馈神经网络的智能预测模型的多个输入内容以运行所述智能预测模型,获取所述智能预测模型的单个输出内容即当前时刻对应的虚拟人物移动信息;
控制虚拟人物基于当前时刻对应的虚拟人物移动信息在被使用VR设备中执行相应的移动动作;
其中,每一份虚拟人物移动信息由虚拟人物的移动方向和虚拟人物的移动距离构成;
其中,将所述前馈神经网络执行固定次数的学习操作以获得所述智能预测模型,所述固定次数的取值与用户操作的虚拟人物当前所在场景的虚拟场景面积正向关联;
其中,用户操作的虚拟人物当前所在场景中的最小虚拟移动单位的数量越少,所述设定数目的取值越小;
其中,所述用于VR设备人物移动的摇杆控制系统包括存储器以及N个处理器包括:每一个处理器可以为可编程逻辑器件、ASIC芯片以及SOC芯片中的一种;
其中,根据每一个处理器的最大运算量的需求为所述处理器选择不同型号的可编程逻辑器件、ASIC芯片或者SOC芯片。
实施例5
图8为根据本发明的实施例5示出的用于VR设备人物移动的摇杆控制系统的结构方框图。
如图8所示,所述用于VR设备人物移动的摇杆控制系统具体包括以下部件:
摇动检测设备,用于检测摇杆传感器的摇杆组件当前时刻是否被使用VR设备操纵虚拟人物的用户摇动;
信号判断设备,与所述摇动检测设备连接,用于在检测到摇杆传感器的摇杆组件当前时刻被使用VR设备操纵虚拟人物的用户摇动时,判断摇杆组件被用户摇动的同时,摇杆传感器的感应组件是否输出感应电信号集;
内容映射设备,与所述信号判断设备连接,用于在判断感应组件输出感应电信号集时,基于感应组件输出的感应电信号集计算当前时刻对应的虚拟人物移动信息;
数据采集设备,与所述信号判断设备连接,用于在判断感应组件未输出感应电信号集时,对当前时刻之前设定数目的多个时刻分别对应的多份虚拟人物移动信息进行采集,所述当前时刻以及所述多个时刻在时间轴上呈现均匀分布的布局模式;
移动预测设备,与所述数据采集设备连接,用于将当前时刻之前设定数目的多个时刻分别对应的多份虚拟人物移动信息作为基于前馈神经网络的智能预测模型的多个输入内容以运行所述智能预测模型,获取所述智能预测模型的单个输出内容即当前时刻对应的虚拟人物移动信息;
动作执行设备,分别与所述移动预测设备以及所述内容映射设备连接,用于控制虚拟人物基于从所述移动预测设备或者所述内容映射设备处接收到的当前时刻对应的虚拟人物移动信息在被使用VR设备中执行相应的移动动作;
其中,每一份虚拟人物移动信息由虚拟人物的移动方向和虚拟人物的移动距离构成;
其中,将所述前馈神经网络执行固定次数的学习操作以获得所述智能预测模型,所述固定次数的取值与用户操作的虚拟人物当前所在场景的虚拟场景面积正向关联;
其中,用户操作的虚拟人物当前所在场景中的最小虚拟移动单位的数量越少,所述设定数目的取值越小;
示例地,还可以选择采用卷积神经网络来替换前馈神经网络,以对卷积神经网络执行固定次数的学习操作以获得所述智能预测模型;
以及示例地,本发明不仅仅可以用于VR设备的虚拟人物的移动控制,还可以用于XR设备的虚拟人物的移动控制。
另外,前馈神经网络,简称前馈网络,是人工神经网络的一种。前馈神经网络采用一种单向多层结构,其中每一层包含若干个神经元,在此种神经网络中,各神经元可以接收前一层神经元的信号,并产生输出到下一层。第0层叫输入层,最后一层叫输出层,其他中间层叫做隐含层(或隐藏层、隐层)。隐层可以是一层。也可以是多层。整个网络中无反馈,信号从输入层向输出层单向传播,可用一个有向无环图表示。
对于前馈神经网络结构设计,通常采用的方法有以下三类:直接定型法、修剪法和生长法。直接定型法设计一个实际网络对修剪法设定初始网络有很好的指导意义;修剪法由于要求从一个足够大的初始网络开始,注定了修剪过程将是漫长而复杂的,然而,前馈神经网络训练只是最速下降优化过程,他不能保证对于超大初始网络一定能收敛到全局最小或是足够好的局部最小。因此,修剪法并不总是有效的,生长法似乎更符合人的认识事物、积累知识的过程,具有自组织的特点,则生长法可能更有前途,更有发展潜力。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置/电子设备/计算机可读存储介质/计算机程序产品实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (8)
1.一种用于VR设备人物移动的摇杆控制方法,其特征在于,所述方法包括:
检测摇杆传感器的摇杆组件当前时刻是否被使用VR设备操纵虚拟人物的用户摇动;
在检测到摇杆传感器的摇杆组件当前时刻被使用VR设备操纵虚拟人物的用户摇动时,判断摇杆组件被用户摇动的同时,摇杆传感器的感应组件是否输出感应电信号集;
在判断感应组件输出感应电信号集时,基于感应组件输出的感应电信号集计算当前时刻对应的虚拟人物移动信息;
在判断感应组件未输出感应电信号集时,对当前时刻之前设定数目的多个时刻分别对应的多份虚拟人物移动信息进行采集,所述当前时刻以及所述多个时刻在时间轴上呈现均匀分布的布局模式;
将当前时刻之前设定数目的多个时刻分别对应的多份虚拟人物移动信息作为基于前馈神经网络的智能预测模型的多个输入内容以运行所述智能预测模型,获取所述智能预测模型的单个输出内容即当前时刻对应的虚拟人物移动信息;
控制虚拟人物基于当前时刻对应的虚拟人物移动信息在被使用VR设备中执行相应的移动动作;
其中,每一份虚拟人物移动信息由虚拟人物的移动方向和虚拟人物的移动距离构成;
其中,将所述前馈神经网络执行固定次数的学习操作以获得所述智能预测模型,所述固定次数的取值与用户操作的虚拟人物当前所在场景的虚拟场景面积正向关联;
其中,用户操作的虚拟人物当前所在场景中的最小虚拟移动单位的数量越少,所述设定数目的取值越小;
其中,将所述前馈神经网络执行固定次数的学习操作以获得所述智能预测模型包括:将所述虚拟人物各个历史时刻分别对应的各份虚拟人物移动信息作为所述前馈神经网络的输入内容和输出内容执行对所述前馈神经网络的每一次学习操作;
其中,针对VR设备操纵的不同虚拟人物,构建不同的基于前馈神经网络的智能预测模型。
2.如权利要求1所述的用于VR设备人物移动的摇杆控制方法,其特征在于,所述方法还包括:
在检测摇杆传感器的摇杆组件当前时刻是否被使用VR设备操纵虚拟人物的用户摇动之前:
建立感应组件输出的感应电信号集与其对应的虚拟人物移动信息之间的数值映射关系。
3.如权利要求1所述的用于VR设备人物移动的摇杆控制方法,其特征在于,所述方法还包括:
在检测摇杆传感器的摇杆组件当前时刻是否被使用VR设备操纵虚拟人物的用户摇动之前:
鉴定当前时刻使用VR设备操纵虚拟人物的用户是否为所述VR设备的合法用户。
4.如权利要求1-3任一所述的用于VR设备人物移动的摇杆控制方法,其特征在于:
检测摇杆传感器的摇杆组件当前时刻是否被使用VR设备操纵虚拟人物的用户摇动包括:采用设置在摇杆组件底部的聚氨酯弹性块和压电陶瓷组件检测摇杆传感器的摇杆组件当前时刻是否被使用VR设备操纵虚拟人物的用户摇动。
5.如权利要求1-3任一所述的用于VR设备人物移动的摇杆控制方法,其特征在于:
所述感应电信号集为第一电信号、第二电信号以及第三电信号;
其中,所述感应组件包括感应电路板、第一感应元件、第二感应元件以及第三感应元件,感应电路板上设有第一感应元件、第二感应元件以及第三感应元件,第一感应元件、第二感应元件以及第三感应元件位于感应电路板上的不同位置,第一磁铁与第一感应元件位置相对应,第二磁铁与第二感应元件位置相对应,第三磁铁与第三感应元件位置相对应。
6.如权利要求5所述的用于VR设备人物移动的摇杆控制方法,其特征在于:
感应电路板为磁感应IC板,磁感应IC板用于产生与第一磁铁的摆动使第一磁铁与第一感应元件之间的距离发生的变化相对应的第一电信号、第二磁铁的摆动使第二磁铁与第二感应元件之间的距离发生的变化相对应的第二电信号以及第三磁铁与第三感应元件之间的距离发生的变化相对应的第三电信号并输出,第一磁铁、第二磁铁以及第三磁铁在摇杆组件被用户摇动时发生与各自对应的感应元件之间的距离变化。
7.一种用于VR设备人物移动的摇杆控制系统,其特征在于,所述系统包括存储器以及一个或多个处理器,所述存储器存储有计算机程序,所述计算机程序被配置成由所述一个或多个处理器执行以完成以下步骤:
检测摇杆传感器的摇杆组件当前时刻是否被使用VR设备操纵虚拟人物的用户摇动;
在检测到摇杆传感器的摇杆组件当前时刻被使用VR设备操纵虚拟人物的用户摇动时,判断摇杆组件被用户摇动的同时,摇杆传感器的感应组件是否输出感应电信号集;
在判断感应组件输出感应电信号集时,基于感应组件输出的感应电信号集计算当前时刻对应的虚拟人物移动信息;
在判断感应组件未输出感应电信号集时,对当前时刻之前设定数目的多个时刻分别对应的多份虚拟人物移动信息进行采集,所述当前时刻以及所述多个时刻在时间轴上呈现均匀分布的布局模式;
将当前时刻之前设定数目的多个时刻分别对应的多份虚拟人物移动信息作为基于前馈神经网络的智能预测模型的多个输入内容以运行所述智能预测模型,获取所述智能预测模型的单个输出内容即当前时刻对应的虚拟人物移动信息;
控制虚拟人物基于当前时刻对应的虚拟人物移动信息在被使用VR设备中执行相应的移动动作;
其中,每一份虚拟人物移动信息由虚拟人物的移动方向和虚拟人物的移动距离构成;
其中,将所述前馈神经网络执行固定次数的学习操作以获得所述智能预测模型,所述固定次数的取值与用户操作的虚拟人物当前所在场景的虚拟场景面积正向关联;
其中,用户操作的虚拟人物当前所在场景中的最小虚拟移动单位的数量越少,所述设定数目的取值越小;
其中,将所述前馈神经网络执行固定次数的学习操作以获得所述智能预测模型包括:将所述虚拟人物各个历史时刻分别对应的各份虚拟人物移动信息作为所述前馈神经网络的输入内容和输出内容执行对所述前馈神经网络的每一次学习操作;
其中,针对VR设备操纵的不同虚拟人物,构建不同的基于前馈神经网络的智能预测模型。
8.一种用于VR设备人物移动的摇杆控制系统,其特征在于,所述系统包括:
摇动检测设备,用于检测摇杆传感器的摇杆组件当前时刻是否被使用VR设备操纵虚拟人物的用户摇动;
信号判断设备,与所述摇动检测设备连接,用于在检测到摇杆传感器的摇杆组件当前时刻被使用VR设备操纵虚拟人物的用户摇动时,判断摇杆组件被用户摇动的同时,摇杆传感器的感应组件是否输出感应电信号集;
数据采集设备,与所述信号判断设备连接,用于在判断感应组件未输出感应电信号集时,对当前时刻之前设定数目的多个时刻分别对应的多份虚拟人物移动信息进行采集,所述当前时刻以及所述多个时刻在时间轴上呈现均匀分布的布局模式;
移动预测设备,与所述数据采集设备连接,用于将当前时刻之前设定数目的多个时刻分别对应的多份虚拟人物移动信息作为基于前馈神经网络的智能预测模型的多个输入内容以运行所述智能预测模型,获取所述智能预测模型的单个输出内容即当前时刻对应的虚拟人物移动信息;
内容映射设备,与所述信号判断设备连接,用于在判断感应组件输出感应电信号集时,基于感应组件输出的感应电信号集计算当前时刻对应的虚拟人物移动信息;
动作执行设备,分别与所述移动预测设备以及所述内容映射设备连接,用于控制虚拟人物基于从所述移动预测设备或者所述内容映射设备处接收到的当前时刻对应的虚拟人物移动信息在被使用VR设备中执行相应的移动动作;
其中,每一份虚拟人物移动信息由虚拟人物的移动方向和虚拟人物的移动距离构成;
其中,将所述前馈神经网络执行固定次数的学习操作以获得所述智能预测模型,所述固定次数的取值与用户操作的虚拟人物当前所在场景的虚拟场景面积正向关联;
其中,用户操作的虚拟人物当前所在场景中的最小虚拟移动单位的数量越少,所述设定数目的取值越小;
其中,将所述前馈神经网络执行固定次数的学习操作以获得所述智能预测模型包括:将所述虚拟人物各个历史时刻分别对应的各份虚拟人物移动信息作为所述前馈神经网络的输入内容和输出内容执行对所述前馈神经网络的每一次学习操作;
其中,针对VR设备操纵的不同虚拟人物,构建不同的基于前馈神经网络的智能预测模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210534821.8A CN114637412B (zh) | 2022-05-17 | 2022-05-17 | 用于vr设备人物移动的摇杆控制方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210534821.8A CN114637412B (zh) | 2022-05-17 | 2022-05-17 | 用于vr设备人物移动的摇杆控制方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114637412A CN114637412A (zh) | 2022-06-17 |
CN114637412B true CN114637412B (zh) | 2022-08-02 |
Family
ID=81953151
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210534821.8A Active CN114637412B (zh) | 2022-05-17 | 2022-05-17 | 用于vr设备人物移动的摇杆控制方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114637412B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117116018A (zh) * | 2023-08-28 | 2023-11-24 | 珠海市经典电子有限公司 | 智能化碳管理系统 |
CN117629616B (zh) * | 2024-01-26 | 2024-04-26 | 广东控银实业有限公司 | 摇杆测试方法及系统 |
CN118228184B (zh) * | 2024-05-24 | 2024-07-26 | 深圳市嘉友锦磁科技有限公司 | 一种用于vr设备的摇杆控制异常检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107291222A (zh) * | 2017-05-16 | 2017-10-24 | 阿里巴巴集团控股有限公司 | 虚拟现实设备的交互处理方法、装置、系统及虚拟现实设备 |
CN111744187A (zh) * | 2020-08-10 | 2020-10-09 | 腾讯科技(深圳)有限公司 | 一种游戏数据处理方法、装置、计算机及可读存储介质 |
CN111766948A (zh) * | 2019-08-20 | 2020-10-13 | 谷歌有限责任公司 | 利用递归神经网络的姿态预测 |
CN113624265A (zh) * | 2021-07-30 | 2021-11-09 | 广东控银实业有限公司 | 一种非接触式摇杆传感器、控制装置及处理系统和方法 |
CN113970345A (zh) * | 2021-09-23 | 2022-01-25 | 广东控银实业有限公司 | 同步摇杆传感器、控制器及同步处理系统和方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109445662B (zh) * | 2018-11-08 | 2022-02-22 | 腾讯科技(深圳)有限公司 | 虚拟对象的操作控制方法、装置、电子设备及存储介质 |
US20200264703A1 (en) * | 2019-02-14 | 2020-08-20 | Walmart Apollo, Llc | Virtual reality systems with synchronous haptic user feedback |
AU2020103993A4 (en) * | 2020-12-10 | 2021-02-18 | ., Shally | Mobile augmented reality service apparatus and method using deep learning based positioning technology |
-
2022
- 2022-05-17 CN CN202210534821.8A patent/CN114637412B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107291222A (zh) * | 2017-05-16 | 2017-10-24 | 阿里巴巴集团控股有限公司 | 虚拟现实设备的交互处理方法、装置、系统及虚拟现实设备 |
CN111766948A (zh) * | 2019-08-20 | 2020-10-13 | 谷歌有限责任公司 | 利用递归神经网络的姿态预测 |
CN111744187A (zh) * | 2020-08-10 | 2020-10-09 | 腾讯科技(深圳)有限公司 | 一种游戏数据处理方法、装置、计算机及可读存储介质 |
CN113624265A (zh) * | 2021-07-30 | 2021-11-09 | 广东控银实业有限公司 | 一种非接触式摇杆传感器、控制装置及处理系统和方法 |
CN113970345A (zh) * | 2021-09-23 | 2022-01-25 | 广东控银实业有限公司 | 同步摇杆传感器、控制器及同步处理系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114637412A (zh) | 2022-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114637412B (zh) | 用于vr设备人物移动的摇杆控制方法和系统 | |
Mao et al. | History repeats itself: Human motion prediction via motion attention | |
Papcun et al. | Human machine interface in concept of industry 4.0 | |
CN108446374B (zh) | 用户意图预测方法、装置、电子设备、存储介质 | |
CN110930483B (zh) | 一种角色控制的方法、模型训练的方法以及相关装置 | |
JP7264376B2 (ja) | 汎用学習済モデルの生成方法 | |
KR101899101B1 (ko) | 인공 신경망 기반 예측 모델 생성 장치 및 방법 | |
Wheatland et al. | State of the art in hand and finger modeling and animation | |
EP3951564A1 (en) | Methods and apparatus for simultaneous detection of discrete and continuous gestures | |
CN110007754B (zh) | 手与物体交互过程的实时重建方法及装置 | |
Thabet et al. | Sample-efficient deep reinforcement learning with imaginary rollouts for human-robot interaction | |
CN113633983A (zh) | 虚拟角色表情控制的方法、装置、电子设备及介质 | |
CN108229640B (zh) | 情绪表达的方法、装置和机器人 | |
CN115797517A (zh) | 虚拟模型的数据处理方法、装置、设备和介质 | |
KR102509698B1 (ko) | 춤 동작을 학습하여 춤을 추는 스마트 로봇 | |
CN113476833B (zh) | 游戏动作识别方法、装置、电子设备和存储介质 | |
CN113192163B (zh) | 一种构建虚拟人物多模态运动的系统及方法 | |
US11726554B2 (en) | Computer-implemented simulation of a virtual hand | |
Jiang et al. | Sensor based dance coherent action generation model using deep learning framework | |
US11957976B2 (en) | Predicting the appearance of deformable objects in video games | |
CN118012272B (zh) | 基于语境分析切换虚拟人物动作的方法、系统及存储介质 | |
US11941417B1 (en) | Method for producing prototype of graphical user interface and system thereof | |
Lu et al. | Cospeech body motion generation using a transformer | |
Ding et al. | [Retracted] A Study on the Application of a Multisubject Collaborative Model Based on Intelligent Sensor Networks in Sports Training | |
WO2024183895A1 (en) | Controllable neural model for synthesising human-object interactions using force estimation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |