智能应用 影音
DTResearch
event

新深度学习皮肤传感器 可识别手部复杂动作

韩国科学技术院(KAIST)计算机科学系的Sungho Jo教授与首尔国立大学的Seunghwan Ko教授领导的研究团队开发配戴在手腕、基于深度学习的单股电子皮肤传感器贴片,可隔空实时侦测与解码人类5根手指的复杂动作。

 点击图片放大观看

新的深度学习皮肤传感器可侦测与解码手部动作并同步展示3D模拟动作。韩国科学技术院

根据KAIST报导,研究团队指出他们的系统可扩展适用于人体其它部分,目前已能从骨盆位置侦测步态动作,未来人体只需部署小型传感器网便能追踪全身动作,将可实现从远端间接衡量人体动作,并应用于穿戴式增强实境(AR)与虚拟实境(VR)系统,更可望成为健康监测、动作追踪、软性机器人发展的转折点。

传统动作侦测须部署多个传感器网完整涵盖目标区的曲线表面,新的皮肤传感器使用经快速情境学习(RSL)强化的深度神经网络,确保无论置于皮肤表层任何位置都能稳定运行。此外新皮肤传感器的建构以雷射取代传统基于晶圆的制作方式,可望成为动作追踪传感的新典范。

RSL从手腕的任意位置收集手部动作数据,再据以自动训练神经网络模型,并能实时以虚拟的3D手部影像,在屏幕上同步模拟展示识别到的原始手指动作。研究团队设计的新传感系统,透过运用雷射在金属薄膜上引发纳米级粒子裂缝的方式,来提升传感器的灵敏度,并支持传感与分辨多手指动作所产生的信号。

研究团队发现在部署传感器侦测多支手指动作时,选定单一区域会比在每一块关节与肌肉上配置个别传感器更有效率,因此成功的关键首先是将皮肤传感器部署于每支手指的动作信号共同汇聚的单一区域,再从混杂的信号中区分出个别手指的动作数据。此外并采用单通道传感器侦测复杂的手部动作,以极大化使用者手指的可用性与活动性。

研究团队表示开发新的皮肤传感器主要聚焦于2项工作,首先是分析传感器收集到的信号模式,以获得含有时间性传感器行为的隐性空间;接著则是将隐性矢量对应到手指动作的度量空间,以实时、正确识别个别手指的动作。

  •     按赞加入DIGITIMES智能医疗粉丝团
更多关键字报导: 传感器