Наш процесс начинается с регистрации 50 точек слежения (x, y, z) для двух рук из интерфейса C API скачкообразного движения, которые представляют собой пользовательский ввод.
Чтобы сохранить сеть полосы пропускания, эти точки затем отправляются на сервер, чтобы быть расширилась на местном уровне.
Точки записываются на сервер, и матричная форма обычной для прогнозирования используется оценка наименьших квадратов.
Это процесс применяется независимо к параметрам x, y, и z координаты всех 50 точек, чтобы сформировать руки в симуляции.
Прогнозируемые точки масштабируются и затем заполняются следующим образом интерполяция между точками для генерации рук с помощью различное количество частиц. В наших тестах, с одной стороны состоял из около 1300 частиц.
Эти данные включенные в симуляцию, и результаты посылаются на анализ пользователю. Во время тестирования мы также создали локальный частиц из актуальных данных о прыжковом движении для сравнение.
В ходе испытаний мы предприняли шаги по устранению шума и дисперсии, удаляя человеческий фактор и автоматизируя тесты.
Для тестирования мы подставили фальшивую руку который находился над датчиком високосного движения.
Потому что устройство скачкообразного перемещения обычно подключается к дисплею (HMD), его движение связано с движением дисплея голову пользователя.
Поэтому, мы можем переместить камеру внутрь в виртуальную среду для автоматизации перемещения руки.
Производительность
В данном разделе ошибка определяется как мгновенная ошибка разность между двумя измеряемыми точками, т.е. разность между двумя измеряемыми точками, а именно расстояние между ними в любой момент времени.
Эти двое точки, о которых идет речь, это одна частица руки, возвращаемая обратно от симуляции, местонахождение которого может быть результатом того предсказание, и две частицы руки, образованные используя актуальные входные данные.
Шум при отслеживании и сообщение об ошибке
В дополнение к факторам, следует отметить, что способствуют отслеживанию шума, создаваемого руками на отдельных системах и с разными клиентскими данными образцы во времени добавляют дополнительные источники шума при попытке вычислить частоту ошибок.
В результате наличие ненулевого минимума для коэффициента ошибок из-за того своего рода шумовой пол.
Уровень шума очевиден. В идеальных условиях частота ошибок должна быть равна нулю, когда рука неподвижна потому что со временем ничего не меняется.
Основываясь на таких факторах, неидеальных условиях, как частота ошибок, так и среднеквадратическое отклонение возрастают.
Испытания на наличие ошибки в неподвижном состоянии и в неподвижном состоянии движение с постоянной скоростью (запись была приостановлена на короткое время время между каждым изменением ситуации тестирования).
Когда алгоритм прогнозирования была включена линейная регрессия с 10 выборками данных. Для проведения испытаний мы хотели проверить надежность системы. Предсказатель как с постоянным движением, так и с изменениями в движения, но мы также хотели проверить в контролируемом и контролируемом режиме. повторяемость.
Следовательно, мы приняли решение о том, что обратное и четвертое предложение, представленное ниже меняется в направлении.
Во время нормальной эксплуатации нашего оборудования маловероятно, что пользователь будет двигаться по следующему адресу используемая испытательная скорость и переменное направление,но это все еще возможно.
Для наших тестов мы использовали следующее:
- Единый графический процессор (GPU) на панели инструментов компьютер работает как сервер (любое количество GPU на сервере может быть использовано, если есть возможность)
- Один GPU на компьютере, работающем в качестве клиента за рендеринг
- 10-гигабитная среда локальной сети (никогда не насыщенная за счет фокусировки на низкой латентности при движении туда и обратно)
- Сложный прогнозный сценарий:
- 1 м/с движение одной рукой назад-назад
- Произошли изменения в направлении более 70 или около 0,53 с при 133 кадрах на кадр
второстепенный
- Семь изменений в направлении примерно за 27 с.
- Изменения в направлении, более 0,53 с, основаны на следующих данных на синусоидальной функции
▪ Сроки изменения направления начинаются с начальное замедление от 1 м/с, в том числе меняет направление, а затем останавливается, когда достигая скорости 1 м/с снова наоборот русло
- Прыжковое движение в качестве входного устройства
- Новые образцы создаются каждые 11 мс.
- Полиномиальная регрессия для экстраполяции
(предсказания)
- Первый ряд (линейный) с разными номерам пункты отбора
- Второй порядок с разными номерам пункты отбора
- Третий порядок был протестирован, но был хуже не имея предиктора, поэтому его опустили.
Продолжение в следующей статье