首次打破對絕對靜態(tài)假設(shè)的依賴

（中國AI網(wǎng) 2025年06月24日）在一項研究中，廈門大學(xué)，伯恩茅斯大學(xué)，清華大學(xué)和卡迪夫大學(xué)團隊提出了一種用于慣性動捕的動態(tài)校準系統(tǒng)，它能在使用過程中動態(tài)消除非靜態(tài)的IMU漂移和傳感器與身體間的偏移，實現(xiàn)了用戶友好的校準（無需進行T-pose或重置 IMU 朝向 ），并確保了長期魯棒性。

慣性動捕技術(shù)憑借高便攜性和低成本優(yōu)勢，在VR/AR等場景中應(yīng)用廣泛。然而，傳統(tǒng)IMU校準方法依賴校準參數(shù)的絕對靜態(tài)假設(shè)，要求用戶在使用前完成復(fù)雜的傳感器坐標系校準與姿態(tài)校準，且無法應(yīng)對磁場干擾、傳感器偏移等動態(tài)變化，導(dǎo)致長期使用時測量誤差顯著累積，嚴重限制了技術(shù)的實際應(yīng)用場景。

對于這個問題，研究人員提出了一種全新的傳感器校準范式——動態(tài)校準，首次打破對絕對靜態(tài)假設(shè)的依賴。本方法基于更為寬松的短時靜態(tài)假設(shè)，使用基于Transformer的TIC Network從短時間窗口的IMU讀數(shù)中解算校準參數(shù)，并結(jié)合基于旋轉(zhuǎn)豐富度的校準觸發(fā)器對校準參數(shù)進行動態(tài)更新，以適應(yīng)真實場景中IMU坐標系動態(tài)漂移與穿戴位置變化導(dǎo)致的運動測量誤差。

團隊提出的動態(tài)校準包括：

用于RG′_ G和RB _ S估計的TIC網(wǎng)絡(luò)

用于觸發(fā)校準的Rotation Diversity（RD）

圖3說明了設(shè)計背后的基本原理：校準觸發(fā)器模擬了人類評估給定的短運動序列是否包含足夠信息以確定其自然性的能力，而TIC網(wǎng)絡(luò)模擬了人類通過校準推斷原始運動的能力。另外，基于RD過濾掉不可靠的結(jié)果，以滿足假設(shè)中的分集要求。圖4直觀地展示了動態(tài)校準工作流程。

與傳統(tǒng)靜態(tài)校準相比，動態(tài)校準使骨骼方向測量誤差（OME）降低69.6%，加速度測量誤差（AME）降低49.2%，同時在消費級IMU及專業(yè)設(shè)備驗證了有效性，證明了技術(shù)的普適性。

相關(guān)論文：Transformer IMU Calibrator: Dynamic On-body IMU Calibration for Inertial Motion Capture

https://arxiv.org/pdf/2506.10580v1

總的來說，研究人員提出了一種創(chuàng)新的稀疏慣性動捕系統(tǒng)動態(tài)定標方法，打破了傳統(tǒng)慣性單元定標的絕對靜態(tài)假設(shè)，團隊的主要創(chuàng)新包括：

在兩個寬松的假設(shè)下進行實時校準參數(shù)估計，即它們在短窗口內(nèi)的變化可以忽略不計，并且人類運動在窗口內(nèi)提供不同的IMU讀數(shù)；

創(chuàng)建基于transformer的模型。它經(jīng)過綜合數(shù)據(jù)訓(xùn)練，以學(xué)習(xí)IMU讀數(shù)到校準參數(shù)的映射。

這種隱式IMU校準技術(shù)可以將校準集成到常規(guī)使用中，無需顯式校準過程。團隊指出：“這一令人鼓舞的結(jié)果證明了我們的動態(tài)校準框架在延長捕獲持續(xù)時間和擴展慣性動捕應(yīng)用方面的巨大潛力。”

值得一提的是，這項研究獲評為SIGGRAPH 2025最佳論文。