韓國教授研發「深度學習」電子皮膚!只要裝在手腕上,就能推測手指的運動狀態

【為什麼我們要挑選這篇文章】想執行 AR/VR、遠端操控,感測精準度是成功的關鍵,但過去必須在每根手指上安裝感測器,麻煩、耗時又高成本。韓國教授研發電子皮膚感測器,只需要綁在手腕上,就能感測手指訊號,透過深度學習來推測手指的運動狀況,減少感測器的安裝成本。(責任編輯:郭家宏)

首爾大學機械工程系 Ko 教授(Seung Hwan Ko)和韓國科學技術高等研究院(KAIST)的 Jo 教授(Sungho Jo)最近研發了一種電子皮膚類型的感測器,而且該感測器採用深度神經網絡自主學習,該電子皮膚可以完成一些動作,比如快速的手指運動。

當安裝在使用者的手腕上時,該感測器透過檢測使用者的手部運動所產生的電子信號,同時還能識別這些信號來自哪根手指:

研究成果已可以在 VR 手套上運用,檢測人的手指運動情況

多年以來,Ko 教授一直在研究,如何在金屬奈米薄膜的裂紋裡使用雷射光,以便研究具有高靈敏度的應變感測器。該項研究成果已經可以在 VR 手套上運用,去檢測人的手指運動情況。

Ko 教授表示:「監測的目標系統越複雜,所需要的應變感測器就越多。實驗室過去採用 5 到 10 個應變感測器來準確預測手部的運動(每個手指至少需要 1 到 2 個感測器)。幾年前,我們想使用一個感測器來準確地預測手部運動,而不是使用多個感測器。起初看來不大可能,因為從感測器傳來的信號是無法分辨哪一根手指在運動。」

基於遷移學習的快速情景學習系統

該項跨界合作分工是:Ko 教授嘗試採用單個應變感測器來準確預測人的手部運動的時候,Jo 教授負責研究將深度學習算法與最新感測器聯繫起來的方法。

使用深度學習分析訊號,預測手指運動狀況

傳統型電子皮膚,每一根手指至少都需要一個感測器來做預測,而新型的感測器可以拆分單個使用。

研究人員沒有用傳統方法來擬合感測器的檢測信號,而是使用深度學習演算法來分析隨時間變化的信號,並使用收集到的數據來反映手指運動情況。

透過多次嘗試,Ko 教授、Jo 教授證明了該項結果的成果,基於深度學習演算法,單一感測器能夠與多個感測器取得的效果一致。

使用更少的感測器來實現複雜的檢測,這將大大簡化複雜檢測中的感測器系統。預計這一新方法將有助於人類運動的間接性的遠程檢測,如使用在可穿戴式 VR/AR 系統中。

經過初步評估,該研究人員團隊研發的電子皮膚系統取得了令人鼓舞的成果,成功地即時檢測和解鎖複雜的手指運動,而且無論在用戶手腕上的哪個部位,都能成功。在機器人和可穿戴設備的研發中(如健身追蹤器),這一感測器將會帶來有趣的想法。有趣的是,將感測器放在用戶的骨盆裡,也能夠解鎖步態動作(如步行方式)。

該團隊還會繼續深入研究更為複雜的身體運動預測,比如手臂和全身。

原文報導 傳送門

(本文經合作夥伴 大數據文摘 授權轉載,並同意 TechOrange 編寫導讀與修訂標題,原文標題為 〈懂深度学习的电子皮肤,可以预测你的手指运动情况 〉。首圖來源: 大數據文摘

延伸閱讀

10 美元訓練機器人!麻省理工學院發布低成本感測器手套,物體識別率可達 76%
不怕病患跌倒、離床!AI 最強智慧感測系統 3 秒通報醫護站
無人車感測技術救了川普,用「光達」技術蓋虛擬圍牆更省成本!


科技報橘 LinkedIn 上線!

最新科技產業動態、技術新突破、專業職能技巧提升 ....... 鎖定 TO  LinkedIn 專業品牌,提升職能與產業 Know-how,躋身產業菁英之列 https://www.linkedin.com/showcase/techorange

點關鍵字看更多相關文章: