掐指一算

我的项目分两层：底层是单目手部深度推理，上层是 “指腹九宫格键盘”。 为什么做这件事情？ 现在具身智能、大模型很缺手物交互数据，尤其是带深度的数据。双目摄像头能采，但设备贵、采集难、规模小。很多团队要去工厂让工人戴双目摄像头采手部数据。 但互联网上已经有很多第一人称手部视频，只是没有深度，用不了。 所以我做单目深度推理：输入普通 RGB 视频或摄像头画面，帮我研究一套算法让做手部检测和追踪，拿到指关节关键点；再用单目深度估计，推出手部、指腹、物体之间的相对深度。 推理阶段不需要双目、不需要深度相机、不需要手套。 项目价值 这是我的演示案例demo： 指腹键盘。 除拇指外，四指一共 12 个指腹，映射诺基亚九宫格。拇指是 “按键指”。拇指指腹碰到其他指腹，就是按下；离开，就是输出。 比如食指上中下是 1、2、3，中指是 4、5、6，无名指是 7、8、9，小指是删除、0、空格。 它像中国传统卜卦里的 “掐指一算”，但本质是单目深度 + 手部追踪驱动的输入方式。 对 VR/AR 来说，它不增加硬件，普通摄像头就能用；拇指碰手指有真实触觉，弥补虚拟键盘没触觉的问题；九宫格认知门槛也低。 对具身智能来说，这套单目深度能力可以把互联网第一人称视频转成手物交互数据，降低采集成本，形成数据飞轮。