Ring mit einem neuronalen Netzwerk erkannte Bürstenbewegungen

Bewegungssensorring

Deutsche Ingenieure haben einen ringförmigen Sensor entwickelt, der die Bewegungen der gesamten Bürste verfolgen kann. Darin sind kapazitive Sensoren installiert, deren Messwerte vom Abstand zu benachbarten Fingern und einer Bürste abhängen. Das neuronale Netzwerk empfängt diese Daten und berechnet daraus das Pinselmodell. Ein Artikel über die Entwicklung wird auf der IUI 2020-Konferenz vorgestellt und ein Video mit seiner Beschreibung wird auf YouTube veröffentlicht.

Gestenschnittstellen werden von Forschern häufig als Alternative zu einer anderen Eingabemethode angeboten, sind jedoch bislang schlecht verteilt, was hauptsächlich auf technologische Mängel zurückzuführen ist. Tatsache ist, dass die meisten Erfassungssysteme Bewegungen Bürsten basierend auf zusätzlichen Geräten.

Zum Beispiel gibt es einen Leap Motion Controller, der in Ingenieurprojekten sehr beliebt ist und der auch für das Training des neuen ringförmigen Sensors verwendet wurde. Dank Infrarotstrahlern und Kameras erstellt er ein Handmodell, daher sollte sich die Hand direkt darüber befinden. Es gibt bequemere Ansätze, zum Beispiel das Erkennen von Handbewegungen mit mehreren Kameras in einem VR-Helm, wie in Oculus Quest, aber es ist nicht außerhalb des virtuellen anwendbar Realitäten.

Ingenieure der Technischen Universität Berlin unter der Leitung von Sahin Albayrak haben ein Fingerring-Bewegungserfassungsgerät entwickelt, das nicht an einen bestimmten Ort oder ein bestimmtes Nutzungsszenario gebunden ist. Im Gegensatz zu den meisten Bewegungserfassungssensoren verfolgt das neue Gerät Bewegungen nicht direkt, indem es Finger mit Kameras beobachtet oder Fingerbiegungen mit Biegesensoren verfolgt.

Stattdessen sind im Ring vier Elektroden installiert, die im Wesentlichen vier Kondensatoren bilden, deren Lade- und Entladezeiten von den umgebenden leitenden Objekten in der Nähe abhängen. Wenn sich die Position der Finger ändert, ändern sich diese Parameter außerdem auf unterschiedliche Weise an jedem Sensor. Durch Vergleichen der Daten von vier Sensoren kann das Gerät die Position aller ihnen entsprechenden Finger an der Hand erfassen.

Ingenieure haben dieses Problem mit gelöst neuronale Netze mit Langzeit-Kurzzeitgedächtnis (LSTM). Sie erstellten ihren Datensatz, indem sie 17 Freiwillige einluden, die ihre Finger über den Leap Motion-Controller bewegten. So erzielten sie viele Paare, bestehend aus Sensorablesungen und einem von der Steuerung erstellten Handmodell, das es ermöglichte, den Algorithmus zu trainieren, um ein genaues Modell basierend auf kapazitiven Messungen zu erstellen.

Im Video können Sie sehen, dass das System gelernt hat, ein Modell zu erstellen, das die Position der Finger in diesem Moment wiederholt. Tests zeigten, dass die durchschnittliche Genauigkeit der Messung der Winkel zwischen allen Fingern 13 Grad beträgt.

Zuvor haben wir über das Armband gesprochen, das von CTRL-Labs entwickelt wurde. Es wird am Handgelenk getragen und liest nicht-invasiv die Aktivität von Motoneuronen in der Hand, wodurch Sie die Position der Hand zu einem bestimmten Zeitpunkt wiederherstellen können.

Grigory Kopiev

Quelle: m.vk.kom

Kommentare:

Ursprünglicher Inhalt unter: https://ai-news.ru/2020/02/kolco_s_nejrosetu_raspoznalo_dvizheniya_kisti.html Autoren:

Leave a comment

Your email address will not be published. Required fields are marked *