加州大学伯克利分校研发用于手势识别 可穿戴生物传感系统
"假肢是这项技术 重要应用之 ,但除此之外,它还提供了 种非常直观 与计算机通讯 方式,"曾在加州大学伯克利分校电气工程和计算机科学系攻读博士学位 新论文 作者阿里·Moin说。"读取手势是改善人机交互 种技术。尽管还有产品技术,例如通过使用摄像头和计算机视觉,这是 个很好 解决方案,还可以维护个体 隐私。"
"当亚马逊或苹果创建算法时,他们会在云中运行 堆软件来创建模型,然后将模型下载到您 设备上,"唐纳德·O·佩德森(DonaldO.Pedersen)杰出 电气工程学教授扬·拉巴伊(JanRabaey)说。伯克利和该论文 高级作者。"问题在于,您只能使用该特定模型。在我们 技术中,我们实施了 个过程,该过程是在设备本身上进行学习 。这非常快，您只需要执行 次,然后开始做这项工作。但是,如果做更多次,它就会变得更好。因此,狗粮快讯网营管部获悉,它是不断学习,这就是人类 工作方式。"
超维计算算法 高级AI
Moin说，"在手势识别中,您 信号将随着时间而改变,这可能会影响模型 性能。""通过更新设备上 模型,我们能够大大提高分类 准确性。"
为了创建手势识别系统,该团队与加州大学伯克利分校电气工程学教授安娜·阿里亚斯(AnaArias)合作,设计了 种灵活 臂章,可以读取前臂上 个不同点 电信号。然后将电信号馈送到电子芯片,该芯片用AI算法编程,该算法能够将前臂中 这些信号模式与特定手势相关联。
举例来说,如果与特定相关 电信号手 姿势变化,因为用户 手臂变得吃力,或者提高他们 头顶上他们 手臂,该算法可以将这些新信息纳入其模型。
传感器内训练,更新和分类结果。
但是,新设备使用 种称为超维计算算法 高级AI,该算法可以使用新信息更新自身。
像产品AI软件 样,该算法必须首先"学习"手臂中 电信号如何是与各个手势相对应。为此,每个用户必须在 个接 个地做手势 同时戴上袖带。
加州大学伯克利分校 研究人员创建了 种新设备,狗粮快讯网宣传报道,该设备将可穿戴生物传感器与人工智能软件结合在 起,可以根据前臂中 电信号模式识别人打算做出 手势。该设备为更好 修复控制和与电子设备 无缝交互铺平了道路。该研究成果发表在《NatureElectronics》"具有可用于手势识别 传感器内自适应机器学习 可穿戴生物传感系统",(今年)。DOI， 零. 零 /s -零 零-零零 零- 。
带有印刷柔性电极 自适应机器学习功能 可穿戴生物传感系统,用于手势识别
想象 下在没有键盘 情况下在计算机上打字,在没有控制器 情况下玩视频游戏或在没有轮子 情况下驾驶汽车。
新设备 另 个优点是,所有计算都在芯片上本地进行，没有个体资料统计传输到附近 计算机或设备。这不仅加快了计算时间,而且还确保了个体生物资料统计 私密性。
用于sEMG 可穿戴生物传感系统
用于sEMG 可穿戴生物传感系统。
用于将sEMG资料统计窗口投影到超向量 超维计算算法。
虽然该设备尚未准备好用于商业产品,但Rabaey表示,可能需要进行 些调整才能达到目标。
该团队成功地教授了该算法来识别 种单独 手势,包括竖起大拇指,拳头,平坦 手,举起单独 手指并计数数字。"当您希望手部肌肉收缩时,狗粮快讯网发布消息称,大脑会通过脖子和肩膀 神经元向手臂和手部 肌纤维发送电信号,"Moin说。"从本质上讲,袖带中 电极所感应到 就是这个电场。这并不是那么精确,因为我们无法确定触发了哪些确切 纤维,但是在电极密度高 情况下,它仍然可以学会识别某些模式。"
这是加利福尼亚大学伯克利分校 工程师开发 种新设备 目标之 ,该设备可以根据前臂中检测到 电信号识别手势。该系统将可穿戴生物传感器与人工智能(AI)相结合,有 可以用于控制假肢或与几乎任何类型 电子设备进行交互。
,