La investigación llevada a cabo por un equipo de la Universidad de Linköping y el Centro de Control de Sistemas de Delft ha presentado un método innovador para capturar el movimiento humano utilizando videos monoculares. Este método, denominado OSDCap, combina la estimación kinética de poses con simulaciones basadas en física, logrando predecir movimientos humanos más precisos y con menor ruido de alta frecuencia.

Uno de los problemas históricos en la captura de movimiento tridimensional desde cámaras monoculares ha sido la inconsistencia en las predicciones cuadro a cuadro, que resultan en movimientos poco naturales. Las soluciones tradicionales han intentado solucionar este problema imponiendo restricciones cinemáticas, pero sin lograr movimientos completamente plausibles desde el punto de vista físico.

OSDCap aborda este desafío integrando un controlador PD meta en un bucle de control que predice torsiones en las articulaciones internas y fuerzas de reacción externas. Este método se inspira en un enfoque de filtrado Kalman neural, maximizando la precisión global mientras conserva la plausibilidad física del movimiento.

A través de pruebas en datasets como Human3.6M, Fit3D y SportsPose, la eficacia de OSDCap ha sido contrastada de manera positiva contra métodos contemporáneos. Los desafíos tradicionales, como el “jiterring” y el cruce de las extremidades inferiores con el suelo, han sido notablemente mitigados.

El elemento diferencial del OSDCap es un filtro Kalman neural que afina estos movimientos erráticos, promoviendo transiciones más fluidas y realistas, mientras realiza un cálculo continuo de la matriz de inercia para mejorar la exactitud.

Un análisis sobre datos ofreció evidencias de que este método no solo sugiere un camino hacia la captación precisa de movimientos humanos, sino que también avanza en el entendimiento y modelado del cuerpo humano en movimiento. Al integrar datos cinemáticos y físicos de manera efectiva, el estudio allana el camino para futuros avances en esta área combinando inteligencia artificial y modelos de simulación física.

Este nuevo avance podría tener aplicaciones significativas en la animación por computadora, deportes y fisioterapia, eliminando la necesidad de hardware costoso como placas de fuerza y promoviendo aplicaciones más accesibles y generalizadas. A medida que la tecnología progresa, la posibilidad de realizar recreaciones dinámicas y precisas con sistemas de cámaras monoculares se acerca cada vez más a la realidad.