科学家用智能机器人操作摄影机，可减少视频制作者的负担
相信很多读者都从各种长短视频平台上学到过一些有用的动手技能，比如烹饪、维修、美妆等等。这些可能是点滴小事，但是做得好的话可以切实地提升生活质量。另外，动手技能的培训在很多职业的发展中也非常重要，例如在制造、护理、物理治疗这些行业中，操作技能的高低与服务质量和生产质量息息相关。传统的动手技能培训采用面对面教学的方式，受到时间空间上的诸多限制。通过视频进行教学可以突破这些限制，让更多人受益。但是，如果大家有做教学视频的经验的话，会发现这是一个非常繁冗的工作。仅仅是调整摄影机、寻找好的摄影机角度这一部分，就可能
相信很多读者都从各种长短视频平台上学到过一些有用的动手技能，比如烹饪、维修、美妆等等。这些可能是点滴小事，但是做得好的话可以切实地提升生活质量。
另外，动手技能的培训在很多职业的发展中也非常重要，例如在制造、护理、物理治疗这些行业中，操作技能的高低与服务质量和生产质量息息相关。
传统的动手技能培训采用面对面教学的方式，受到时间空间上的诸多限制。通过视频进行教学可以突破这些限制，让更多人受益。
但是，如果大家有做教学视频的经验的话，会发现这是一个非常繁冗的工作。仅仅是调整摄影机、寻找好的摄影机角度这一部分，就可能需要多轮反复。
因此，加拿大多伦多大学李健楠和所在团队希望通过智能机器人操作摄影机，减少视频制作者的负担。从交互研究的层面，这项研究希望探索机器人如何通过人类隐性的沟通信号，来理解人的意图从而提高人与机器人合作的质量。
图 | 李健楠（来源：李健楠）
谈到人和机器人的合作，大家更熟悉的还是一些显性的沟通方式，比如通过代码、图形界面、或者自然语言，直接命令机器人去完成一项任务。
但是在紧耦合的合作中，比如由机器人拍摄人的表演，或者人与机器人一起组装一个设备时，这类沟通方式对人类会产生负担，因为我们必须暂时从手头工作中抽离才能发出这些命令。
在视频拍摄的情景之下，讲解者在给观众示范动手技能的同时，还要给机器人下命令，那讲解的过程就可能会变得支离破碎。
人类在合作和沟通方面，其实有很多细微的技巧。在合作中，我们不光会关注对方的显性命令和建议，还会关注种种隐性的信号，比如对方身体的朝向、手势，还有和其他人的对话，以此理解对方的目标。
因此，李健楠所在团队希望探索能否让机器人也拥有这种能力，从而减少人类在与机器人合作时在沟通上的体力脑力资源。
具体在视频拍摄中，让机器人关注讲解者和观众的沟通信号，以此决定摄影机的位置和角度等参数。
事实上，当今市场上已经有云台和无人机等摄影机器人。随着机器人成本的降低和感知能力的提高，相信今后会有更多专门面向个人和小型工作室的消费级摄影机器人。但是，现在的摄影机器人依旧非常依赖人给出明确的指令，无法很好地应对变化的场景。因此，李健楠希望这项研究可以启发摄影机器人的交互设计，让它们去主动理解人类的意图。
据介绍，李健楠一直关注如何通过机器人摄影，去提高动手技能教学的体验。而关于本次研究的想法，则起源于他的上一个项目。
在上一个项目中，他和同事采用观众和讲解者共同控制的机器人集群去拍摄教学视频。实验中，他们发现该方法的一个局限在于，观众和讲解者还是要为控制机器人而分心，导致教学体验受到影响。
因此，他们希望可以减少这些负担。但是，视频摄制涉及理解环境和视频内容走向，如果没有任何用户输入的话，依旧很难交给机器人进行自动执行。
在本次研究的前期，李健楠等人主要思考的是：如何能让拍摄者快速制作分镜头脚本（故事板），然后输入给机器人。
之后，他们意识到很多业余型内容创作者并没有能力、精力、或意愿去制做故事板，而且在讲解过程中会有一些自由发挥的部分。
所以这个项目在初期停滞了很久，大家一直在构思如何简化故事板，但是不太顺利。后来受到一些文献的启发，他们决定关注让机器人理解人和人的沟通过程，也就是理解讲解者和观众交流中的信号比如姿态、手势和语言，从而来控制机器人的行为。
为此，他们研究了动手技能教学视频的内容，去了解创作者想要的摄影主体、角度等参数，之后选择了一系列可以与这些摄影机参数结合的沟通信号。在这之后，他们邀请拥有视频拍摄经验的用户参与试用和改善设计。
目前，相关论文以《观星者：基于讲解者微妙信号摄制教学视频的交互式相机机器人》（Stargazer: An Interactive Camera Robot for Capturing How-To Videos Based on Subtle Instructor Cues）为题发在人机交互顶级会议 ACM CHI 2023[1]上。论文也可见于预印本平台 arXiv[2]。
（来源：ACM CHI）
此外，李健楠表示：“我感兴趣的一个方向是拓展机器人可以理解的沟通信号。目前，这款系统能够理解的信号种类和内容还是有所局限，会对创作者的发挥造成限制。希望可以结合人工智能特别是大模型，来拓展机器人可以理解的信号范围。”
另据悉，2023 年七月李健楠即将入职新加坡管理大学计算与信息系统学院担任助理教授。今后，他会继续推进人和机器人交互的研究，专注于运用人工智能以及交互设计的方法，帮助机器人从隐性的信号解读人的意图，提高人与 AI 合作的成效。
另外，他也计划将这类方法推广到更多的智能系统问题中，比如增强现实环境，让智能系统更好地理解用户的愿望和偏好，在无需用户输入的情况下，为用户提供及时且有效的支持。
其最后表示：“新加坡管理大学有一个实力强劲的人机交互研究中心，教授们的研究方向除了人与机器人交互外，还涉及到数据可视化、无障碍计算、以及空间计算等方向。我现在正招收 2024 年入学的博士生，以及 2023 年下半年即可入职的研究助理。期待有兴趣的同学可以加入我们。”
参考资料：
1.Li, J., Sousa, M., Mahadevan, K., Wang, B., Aoyagui, P. A., Yu, N., ... & Grossman, T. (2023, April). Stargazer: An Interactive Camera Robot for Capturing How-To Videos Based on Subtle Instructor Cues.In Proceedings of the 2023 CHI Conference on Human Factors in Computing Systems (pp. 1-16).
2.https://arxiv.org/abs/2303.03221
个人网站：http://www.jiannanli.net
新加坡管理大学人机交互：https://smuhci.com/
项目视频：https://www.bilibili.com/video/BV1j14y1S7BH/
Postman是一套面向API全生命周期的开发与测试平台，可在Mac上发送和调试多种协议请求，管理集合、环境及认证信息，并完成脚本测试、模拟服务、监控、文档发布和团队协作。它适合开发、测试及运维人员使用，提供个人免费方案。
Docker Desktop 是 Docker 官方为 Mac 提供的容器开发环境，集成 Docker Engine、命令行工具、Compose、Build、Kubernetes 与图形化管理界面。
Android Studio 是 Google 面向安卓应用开发提供的官方集成开发环境，基于 IntelliJ IDEA 构建。它整合智能代码编辑、Gradle 构建、界面预览、设备模拟、性能分析、调试测试及 APK 分析等工具。
Xcode 是苹果面向 Mac 提供的官方集成开发环境，将代码编辑、项目构建、SwiftUI 实时预览、设备模拟、自动化测试、断点调试、性能分析和应用分发整合在同一套工作流中，适合开发与维护 iPhone、iPad、Mac、Apple Wa
JetBrains WebStorm 是面向 JavaScript、TypeScript 和现代 Web 技术的专业集成开发环境，可智能理解项目结构，提供代码补全、重构、错误检查、运行调试、测试及 Git 工具。
PhpStorm 是 JetBrains 推出的专业 PHP 集成开发环境，可在 Mac 上完成代码编写、智能检查、重构、调试、测试和数据库管理。它支持主流 PHP 框架、Composer、Git、Docker 与远程解释器。
JetBrains PyCharm 是面向 Python 开发者的集成开发环境，提供智能补全、代码检查、重构、调试、测试、版本控制及虚拟环境管理功能。Mac 版兼容 Intel 与 Apple 芯片，核心功能可免费使用。
IntelliJ IDEA 是 JetBrains 推出的专业集成开发环境，重点服务于 Java、Kotlin 与 JVM 项目开发。软件集成代码补全、静态检查、重构、调试、测试、版本控制及构建工具，并可借助插件扩展语言和框架支持。
Visual Studio Code 是微软提供的免费代码编辑器，支持 macOS，并为 Intel 与 Apple 芯片 Mac 提供适配版本。软件集代码编辑、调试、Git 源代码管理、集成终端和扩展市场于一体。
REAPER是Cockos开发的数字音频工作站，提供多轨音频与MIDI录制、剪辑、处理、混音和母带制作工具。Mac版兼容Intel与Apple芯片，支持AU、VST、VST3、CLAP等插件格式，并提供高度可定制的工作流程。
Adobe Audition 是面向播客、影视后期、音乐制作及内容创作者的专业音频工作站，提供波形精修、多轨录制与混音、频谱编辑、降噪修复、响度匹配和效果处理工具，并可与 Adobe Premiere 协同完成视频声音制作。
Pro Tools 是 Avid 推出的专业数字音频工作站，覆盖多轨录音、无损剪辑、MIDI 编曲、插件处理、自动化混音及声音与画面同步等工作。它拥有 Intro、Artist、Studio 和 Ultimate 等方案。
PixPix 是面向品牌、卖家和内容团队的在线 AI 图片视频创作平台，提供图视频 Agent、无限画布、图片生成、视频生成、自然语言编辑及商品套图、产品精修和带货视频等电商工具。
Postman 是面向 API 全生命周期的开发与协作平台。Windows 桌面版可用于构建和发送 HTTP、GraphQL、gRPC、WebSocket、MQTT 等请求，并提供环境变量、集合、脚本测试、模拟服务、监控、文档及团队工作区等
Docker Desktop 为 Windows 开发者提供集成式容器环境，内置 Docker Engine、命令行工具、Compose、Build 与 Kubernetes 等组件，可在本机完成镜像构建、容器运行、日志查看和资源管理。
Android Studio 是 Google 面向 Android 应用开发提供的官方集成开发环境，以 IntelliJ IDEA 为基础，集成智能代码编辑、Gradle 构建、设备模拟、界面预览、调试测试及性能分析工具，
WebStorm 是 JetBrains 面向 JavaScript、TypeScript 和现代 Web 技术打造的集成开发环境。它提供项目级代码分析、智能补全、安全重构、导航搜索，并集成调试、测试、终端、Git 与常用前端工具，
PhpStorm 是 JetBrains 面向 PHP 与现代 Web 开发打造的专业集成开发环境，提供代码补全、静态检查、重构、调试、测试、数据库、版本控制及前端语言支持。Windows 用户可直接下载安装程序，
PyCharm 是 JetBrains 推出的 Python 集成开发环境，提供智能代码补全、错误检查、重构、调试、测试、Git、终端及 Jupyter Notebook 支持。统一版安装后可体验 30 天 Pro 功能，
JetBrains IntelliJ IDEA 是以 Java、Kotlin 和 JVM 项目为核心的专业集成开发环境，提供智能补全、代码检查、安全重构、调试、测试、版本控制及构建工具集成。统一发行版的核心功能可免费用于商业和非商业项目，
Visual Studio Code 是微软推出的免费代码编辑器，Windows 版集成智能补全、代码导航、调试、终端和版本控制，并可通过扩展添加语言、格式化及远程开发能力。它启动较快、配置灵活，
REAPER 是 Cockos 推出的数字音频工作站，适用于录音、MIDI 编曲、音频编辑、混音、母带制作及声音设计。软件安装包小巧，支持多轨录制、灵活路由、自动化、第三方插件和脚本扩展，并提供完整功能的 60 天免费评估期。
Adobe Audition 是面向播客、影视后期、广播与音乐制作的专业音频工作站，提供波形编辑、多轨混音、频谱分析、录音、降噪修复和效果处理等功能。Windows 版通过 Adobe Creative Cloud 安装和管理，
Pro Tools 是 Avid 推出的专业数字音频工作站，提供多轨录音、音频剪辑、MIDI编曲、插件处理、自动化混音及影视声音制作能力。它适合音乐人、录音师、制作人和音频后期团队使用，并提供免费入门版、订阅方案及永久授权选择。