您现在的位置是:首页 >动态 > 2020-12-22 09:23:21 来源:

竖起大拇指新设备检测到您要做出的手势

导读 想象一下在没有键盘的情况下在计算机上打字,在没有控制器的情况下玩视频游戏或在没有轮子的情况下驾驶汽车。这是加利福尼亚大学伯克利分校

想象一下在没有键盘的情况下在计算机上打字,在没有控制器的情况下玩视频游戏或在没有轮子的情况下驾驶汽车。

这是加利福尼亚大学伯克利分校的工程师开发的一种新设备的目标之一,该设备可以根据前臂中检测到的电信号识别手势。该系统将可穿戴生物传感器与人工智能(AI)相结合,有一天可以用于控制假肢或与几乎任何类型的电子设备进行交互。

“假肢是这项技术的重要应用之一,但除此之外,它还提供了一种非常直观的与计算机通讯的方式,”曾在加州大学伯克利分校电气工程和计算机科学系攻读博士学位的阿里·莫因说。 。“读取手势是改善人机交互的一种方法。尽管还有其他方法,例如通过使用摄像头和计算机视觉,这是一个很好的解决方案,还可以维护个人的隐私。”

Moin是描述该设备的新论文的第一作者,该论文于12月21日在线发表在《自然电子》杂志上。

为了创建手势识别系统,该团队与加州大学伯克利分校电气工程学教授安娜·阿里亚斯(Ana Arias)合作,设计了一种灵活的臂章,可以读取前臂上64个不同点的电信号。然后将电信号馈送到电子芯片,该芯片用AI算法编程,该算法能够将前臂中的这些信号模式与特定手势相关联。

该团队成功地教授了该算法来识别21种单独的手势,包括竖起大拇指,拳头,平坦的手,举起单独的手指并计数数字。

“当您希望手部肌肉收缩时,大脑会通过脖子和肩膀的神经元向手臂和手部的肌纤维发送电信号,” Moin说。“从本质上讲,袖带中的电极所感应到的就是这个电场。这并不是那么精确,因为我们无法确定触发了哪些确切的纤维,但是在电极密度高的情况下,它仍然可以学会识别某些模式。”

像其他AI软件一样,该算法必须首先“学习”手臂中的电信号如何与各个手势相对应。为此,每个用户必须在一个接一个地做手势的同时戴上袖带。

但是,新设备使用一种称为超维计算算法的高级AI,该算法可以使用新信息更新自身。

举例来说,如果与特定相关的电信号手的姿势变化,因为用户的手臂变得吃力,或者提高他们的头顶上他们的手臂,该算法可以将这些新信息纳入其模型。