内的成形相比，实验室自己在进行的项目的进度却是不快。吕振羽布置给实验室的项目是运动的机械与光学感知的数字化。这还算是一个一揽子研究项目的第一步，而就在这第一步上，确实让大家颇为困扰，虽然并不像陈宁给吕振羽说的是卡住了，但进度却是不快。主要的问题是，这些研究都太基础了。
现在学校里学的，大部分公司里研究的，都是很实际的东西，而对这些非常本源的东西涉及的反而很少，可以说是几乎没有。
所以，一旦公司的研究涉及到这些基础中的基础，他们就要从头摸索起来。吕振羽知道，他们要研究的很多东西其实都是可以通过技术引进的方式，购买一批也就解决了，但如果这样做，也就无法让公司拥有自己完整的技术体系和技术风格，在技术积累上也会有比较大的缺失。和这些问题相比，吕振羽宁可在这初期多花点时间多花点钱。
即时是自己积累，实验室采取的方法仍然是自己研究和消化别人的成果相结合的方式。在用光学感知运动方面，就分成了两个组，一个组专门负责拆别人的光学动态捕捉系统，人家的motion capture技术的高精尖设备在实验室里被拆得支离破碎，成为了超级昂贵的玩具。这种已经广泛用于电影，动画和游戏制作的动态捕捉技术虽然已经颇为完善，但对于采集对象的要求还是比较高的，比如要采集对象穿这镶嵌着银色反光片的专用服装之类的，环境的复杂程度一上去，这套系统的效能立刻下降。
实验室自己进行的基础研究则是和动态捕捉系统的动作复杂，环境简单的要求相反，目前的要求是要能够在复杂的环境背景中辨认简单的动作。
在光学设备上，因为数字图腾并没有自己的技术，只要采用大家现在都颇为喜闻乐见的方式——拆。他们拆了数台数码相机，建立了一个品字形的光学信号输入平台，装置着3个镜头。用3个镜头的不同角度去精确定位物体的运动。而这项技术碰到的主要问题就是，多少精度的视频信号输入才足够，还有就是要分配多少资源给这个辨认部分才足够。
像素越高，将物体从背景中分离出来的可能性就越高，但相应的，要分配给自动背景分离的计算机资源也就越高。到底怎么样是个比较好的平衡？大家最近就在反复测试这个。
大家其实都明白，这些投入肯定是为了有一天能够让这些技术在某些方面转化为生产力，而要转化为生产力，这些技术在研发的时候可能不用多考虑成本，但好歹要有提高性价比到有人能接受的
…。。