新設備結合了可穿戴生物傳感器和人工智慧軟體，可根據前臂的電信號模式識別用戶手勢。
不用鍵盤在電腦上錄入字符？不用手柄玩電子遊戲？或者不用方向盤駕駛汽車？這些場景可能會在不久的將來一一實現。
當地時間12月21日，美國加州大學伯克利分校（UCB）的研究人員在《自然電子學》雜誌發表論文稱，他們開發了一種結合可穿戴生物傳感器與人工智慧系統的新設備，它可根據檢測到的前臂電信號來識別手勢。
研究人員表示，這種智能設備有望用於控制假肢，甚至與幾乎任何類型的電子設備交互。
「假肢是這項技術的重要應用方向之一。除此之外，它還提供了一種更直接的人機互動方式。」論文作者、UCB電氣工程與計算機科學博士生Ali Moin說，「手勢讀取是改善人機互動的途徑之一。雖然用攝像頭和計算機視覺技術也可以達到類似效果，但手勢讀取對個人隱私維護更加友好。」
Moin團隊與UCB電子工程學教授Ana Arias團隊合作設計了一種靈巧的臂帶，以讀取前臂上64個不同位置的電子信號。隨後，電子信號被輸入由人工智慧算法編程的電子晶片，從而將前臂提供的信號模式與特定手勢相關聯。目前，人工智慧算法已經能識別21種手勢，例如豎起大拇指、握拳等。
Moin說：「當你想要收縮手掌肌肉時，大腦會通過頸、肩神經元向手臂和手掌的肌肉纖維發送電信號。可穿戴設備上的電極能夠感知這個電場。雖然它並不是那麼精確，我們無法確定具體是哪些纖維被觸發了，但由於電極密度很高，設備仍然能夠學習識別特定模式。」
與其他人工智慧系統相似，這種算法也必須先學習手臂電信號如何與個人手勢對應。因此，用戶必須穿戴好設備，一個接一個地做手勢。
這款設備引入「高維計算算法」，使其能用新信息完成自我更新，提高了系統的準確性：例如，如果與特定手勢相關的電信號因為用戶手臂出汗而改變了，或者用戶將手臂舉過了頭頂，算法也能夠將這些新信息納入模型之中。
新設備的另一個優點在於：所有運算過程都在本地進行，個人數據不會傳輸到附近的計算機或雲系統中。這不僅縮短了計算時間，還確保了個人生物數據的私密性。
「亞馬遜或蘋果公司在創建算法時，會在雲端運行一系列軟體來創建模型，然後由用戶下載到設備中，」論文作者、UCB教授Jan Rabaey解釋，「問題在於，用戶之後會受困於特定模式。而我們使設備實現了自我學習過程，並且它學習得非常快——你只需做一次示範，它就能開始工作，如果你能多做幾次，它還會變得更好。因此，這是一種處於不斷學習之中的系統，與人類很相似。」
經過後續調整，新設備很有可能實現商業化。Rabaey教授表示：「新設備使用的大多數技術並不新鮮，但其特殊之處在於它成功地將生物傳感、信號處理與解釋以及人工智慧技術集成到了一種小型低功耗系統中。」
科界原創
編譯：雷鑫宇
審稿：西莫
責編：陳之涵
期刊來源：《自然電子學》
期刊編號：2520-1131
原文連結：
https://techxplore.com/news/2020-12-high-five-thumbs-up-device-gesture.html
版權聲明：本文由科界平臺原創編譯，中文內容僅供參考，一切內容以英文原版為準。轉載請註明來源科技工作者之家—科界App。