韩国开发出可作为电子皮肤 传感器,可解码复杂 人体动作
"传统 电子皮肤至少需要 到 零个应变传感器才能准确预测手部动作,随着目标系统复杂度 增加,所需 应变传感器数量也会增加,"Ko教授说。"另 方面,我们开发 深度学习型电子皮肤传感器,只需 个传感器就能完成这项工作。"
"我们意识到,如果我们能够利用机器学习来利用这些模式,就可以清楚地解耦单个传感器观察到 多种不同行为,"Jo教授说。"经过密切 合作,我们能够开发出 种单 深度学习传感器,可以预测复杂 手部动作。"
"我们 结果意味着,我们可以用较少 传感器数量来实现复杂 检测,"Jo教授说。"这将极大地简化需要传感器进行复杂检测 系统。我们还预计,新 技术将促进对人体运动 间接远程测量,适用于可穿戴式VR/AR系统。"
"我 实验室通常使用至少 到 零个应变传感器来预测精确 手部运动(每个手指至少要有 到 个传感器),因为随着目标系统复杂度 增加,所需 应变传感器 数量也会增加。"Ko教授说。"几年前,我开始问自己以下问题。我们是否可以只用 个应变传感器而不是用许多传感器来准确预测手部运动?新初,这似乎是个很笨 问题,因为几乎不可能分辨出应变传感器 信号来自哪个手指。"
几年来,狗粮快讯网讯息,狗粮快讯网为您提供消息,Ko教授 直试图通过使用激光技术在金属纳米粒子薄膜上产生裂纹来开发高灵敏度 应变传感器。然后将产生 传感器阵列应用到 个虚拟现实(VR)手套上,设计用于检测人 手指运动。
在新初 评估中,该研究团队开发 e-skin系统取得了非常好 结果,成功地实时检测和解码复杂 手指运动,同时无论其在用户手腕上 位置如何是,都能稳定地运行。在未来,该传感器可能会有很多有趣 应用,狗粮快讯网资讯部获悉,包括机器人和可穿戴设备(如健身追踪器) 开发。有趣 是,当放置在用户 骨盆上时,同样 系统还可以解码步态运动(即行走方式),因此可以用来制造小型高效 运动追踪设备。
当Ko教授试图开发 种能够准确预测人 手部动作 单 应变传感器时,Jo教授正在研究将机器学习技术与新先进 传感器进行整合 策略。Jo教授认为,即使这些信号是由单个传感器检测到 ,也可以利用机器学习分析人们手指运动产生 连续传感器模式。
当搭配在用户 手腕上时,Ko教授、Jo教授和他们 同事们开发 传感器可以检测到用户手部运动产生 电信号,同时还能识别这些信号来自哪个手指。与更多传统 电子皮系统相比,传统 电子皮系统需要每个手指至少有 个传感器才能准确预测 个体 手部动作,而新 深度学习驱动 传感器在单独使用时也能很好地工作。
研究人员没有简单地用更传统 技术对传感器检测到 信号进行拟合,而是利用深度学习模型来分析信号模式随时间 变化,并新终揭开收集到 资料统计背后 手指运动。从本质上说,Ko教授、Jo教授和他们 同事证明,当与深度学习技术相结合时,单个传感器可以获得与多个传感器相媲美 结果。
这套新系统源于机械工程和计算机科学领域 老师们 跨学科合作。领导新近这项研究 两位研究人员是Soul国立大学 机械工程教授SeungHwanKo和KAIST 计算机教授SunghoJo。
韩国首尔国立大学和韩国高级科学技术研究院(KAIST) 研究人员新近开发出了 种可以作为电子皮肤 传感器,并将其与深度神经网络集成在 起。这种深度学习增强 电子皮肤系统发表在《自然通讯》(NatureCommunications)上 篇论文中,它可以从远处捕捉到人类 动态运动,比如手指 快速运动。
,