随着混合现实（MR）技术在工业运维、协同办公、数字文娱等领域的落地加速，自然手势交互已经成为当前MR终端的核心交互路径，但其远距离物体操控的准确率、流畅度不足，一直是制约用户体验提升的行业共性痛点，背后核心短板之一就是缺乏覆盖远距离抓取场景的专用训练数据集。
近日，芬兰阿尔托大学联合多家研究机构共同打造的Out-of-Reach Grasping (ORG)远距离抓取数据集正式上线，这也是全球首个针对混合现实场景下远距离物体抓取交互的专用数据集。据披露，ORG数据集包含匹配与非匹配两类手势-物体对样本，通过标准化采集系统同步记录用户近端、远端不同空间维度的抓取手势动作，同时绑定对应虚拟物体的尺寸、类别、功能属性等语义信息，为概率化手势-物体兼容性建模提供高质量的标注数据支撑。
此前行业内公开的手势抓取数据集大多聚焦于用户手臂可及范围内的近端交互场景，无法覆盖MR场景中普遍存在的超距操控需求。ORG数据集的核心价值正是在于系统性捕捉了传统近端抓取数据集中从未记录的远距离交互行为模式，能够支撑开发者训练鲁棒性更强的多模态用户意图推断算法，有效解决混合现实场景中因空间遮挡、物体语义模糊、距离过远导致的物体选择准确率低、误触率高等长期痛点。
从应用潜力来看，该数据集未来可落地于多个MR细分场景：在工业MR巡检场景中，技术人员无需移动即可通过自然手势精准调取远处的虚拟设备参数面板、操控数字孪生模型，大幅提升远程运维效率；在MR远程协同办公场景中，参会者可跨空间抓取远端的共享文档、3D设计模型，无需传递操作权限即可完成协同修改；在数字文娱场景中，玩家可通过手势完成远距离道具拾取、场景交互，进一步强化MR内容的沉浸感；此外该数据集也可为残障人士辅助智能设备的研发提供数据支撑，帮助行动不便的用户通过手势远距离操控智能家居、医疗辅具等设备。
详情页内容：
_1769672084863.jpg)