百姓松选用了技术门槛较低的平台HighFidelity，参与者多为没有编程能力的艺术学院学生的情况下，课程试图运用HighFidelity中最容易实现的一些技术，将其灵活运用和组合，来接近同学们复杂的构想。通过这些简单课件，同学也可逐步理解HighFidelity平台的逻辑，举一反三从而尝试新的可能，更可与平台上其他参与者协作弥补自身技术短板。
在HighFidelity中的第一个作品是制作自己的阿凡达，它将是你在VR世界中的形象，与他人相遇的媒介。不仅可以利用3d拍摄技术将自己的样貌尽可能真实导入VR世界，也可以化身为各种你愿意的形象。
[embed]https://youtu.be/VzIf2nYIrw4[/embed] https://youtu.be/J4diE2QNvoU [embed]https://youtu.be/T4gTnDwm8RI[/embed] [embed]https://youtu.be/IQErYHphNLY[/embed] [embed]https://youtu.be/16uKA2MxeXw[/embed]
1. 首先，先请大家在http://store.steampowered.com/about/这个网址下载并注册steam客户端：
2. 请在steam客户端内搜索并下载并安装Fuse，然后启动Fuse(fuse的使用比较简单，在steam下载页面的小视频里有使用简介)：
3．用Fuse选择模板组装好自己的角色以后，可以点击右上方黄色的Animate按键，将模型上传到网页Mixamo中。点击后会显示一个登陆窗口，请注册或登陆。登陆成功以后Fuse将自动传送模型到Mixamo中并进行自动绑定。
无法在小窗口登陆或者注册的同学请到https://www.mixamo.com/页面手动注册并登陆。再重新到Fuse的窗口登陆并传送模型。
4. 将模型传送到Mixamo并自动绑定完成以后并下载FBX文件。
建议建立一个自己的工作目录，并将文件赋予有意义的命名（例如high_fidelity_work文件夹与fuse_（自己的hifi账号名）_v01.fbx）方便今后查找模型版本。并且不容易与其他人的模型文件名有重复或冲突。
5. 最后我们得到一个下载好的fbx文件，到这里我们的模型制作阶段就完成了。后面是上传到high fidelity的部分了。
1.请大家从https://highfidelity.com/download下载好High Fidelity Interface，并打开。
2.请在左上方菜单栏里找到Settings，把Advanced Menus与Developer Menus勾选上：
3.请在请在左上方菜单栏的Edit里找到Package Model并点击：
4.此刻我们需要导入自己的avatar，所以Model Type请确认选择的是Avatar Body with Head，然后点击Browse。
点击Browse然后选择我们刚刚导出的那个fbx文件(记得fbx文件最好放在自己的工作目录下并且给恰当的命名)，然后点击OK。
点击OK。在工作目录里新建一个文件夹，选择这个文件夹并导出。
package_model文件夹是刚才我们导出时新建的文件夹，正确导出以后，它应该包含以下内容：
5. 在浏览器中打开https://g0v.sandcats.io/grain/TmDKG43pSEKdEiA6yAc6jC/files/
新建一个文件夹，将刚才导出的fst与fbx文件上传到刚刚新建的文件夹中。
注意 上传时需要严格按照 fst文件、fbx文件夹、fbx文件 三者同名的方式，才能让hifi正确找到模型
6. 将你的文件夹与fst文件名放在https://7mv1ptvrbi5wq61rlfll.g0v.sandcats.io这个链接后面：
(例如我的文件夹名称是highfidelity_save_v02 , fst文件名是fuse_kikoze_v02.fst，
将我的文件夹名称与fst文件放在刚才的链接后得到
https://7mv1ptvrbi5wq61rlfll.g0v.sandcats.io/highfidelity_save_v02/fuse_kikoze_v02.fst
以上是我的新avatar的URL地址）
7. 打开High Fidelity Interface，从左上方Settings进入Avatar，将刚才的链接复制到Appearance里，再点击下方SAVE CHANGES，就能替换掉默认的蓝色小人啦~到这儿导入阿凡达步骤就完成了~！（如果阿凡达显示空白，应该表示正在导入需要等一会儿；如果阿凡达依然是默认的蓝色小人，表示URL地址可能有问题。）
在HighFidelity中，可以通过各种建模软件制作模型，从整个环境的营造到可以上手使用的物件，都能导入HighFidelity，也可以使用网络中现成的模型进行导入。导入模型教程
INS
