快捷搜索:

谷歌用AI训练“耳机线”,实现了触摸屏大多数功

谷歌在开拓可穿着设备上从未停歇,比如和李维斯相助推出的智能夹克衫Commuter Trucker。

衣服上的袖口加装一块传感器,用户可以经由过程蓝牙链接与之进行交互。

可以经由过程双击、滑动等操作进行切歌等操作。

奋不顾身,谷歌盼望能够把设备做的小一点,功能更富厚一点。

谷歌随后盯上了耳机线。

谷歌AI工程师开拓了一款电子交互式编织物(E-Textile),可以让人经由过程捏、搓、握、拍等手势实现以往触摸屏的大年夜部分功能。

音量节制、切歌换歌等操作更是不在话下,谷歌的新功能指向的是下一步的感厚交互,终纵目的解放我们的双手。

手势数据集的练习历程

谷歌开拓的此款设备是机械进修算法和传感器硬件的结合,而耳机线只是承载物。

实际上线不是通俗的耳机线,是柔性电子材料,并且将传感器编织进内,是以可以进行人机交互。

假如你爱好,连帽衫也可以改造。

首先谷歌招募12名介入者进行数据采集,各做8个手势,重复9次,共计864个实验样本。

为办理样本量过小的弊端,钻研者应用线性插值对每个手势光阴序列进行再采样。

每个样本提取16个特性,终极获得80个察当作果。

每位用户颠末练习的手势识别可启用8个新的离散手势。

不仅有定量的数字,还有介入者的亲自感想熏染,钻研者盼望供给以工本钱的交互体验。

介入者还经由过程排名和评论供给了定性反馈,介入者还提出了多种交互要领,包括滑动、弹指、按压、捏、拉、挤等。

定量阐发结果注解,交互式编织品的感知速率比现有的耳机按钮控件要快,并且速率可与触摸屏媲美。

而定性反馈还注解,与耳机线控比拟,电子纺织交互更受青睐。

斟酌到不合的应用处景,钻研者为不合的应用处景开拓了不合的设备:

电子纺织USB-C耳机,用于节制手机上的媒体播放;帽衫抽绳,以无形地向衣服添加音乐节制。

算法对手势的精准识别

谷歌能做出电子编织物,难点并不在于机械进修的算法,而在于若何在耳机线长进行手势捕捉和交互。

耳机线等编织物出于体积斟酌,无法安装大年夜型和浩繁的传感器,感知和分辨能力异常受限。

其次是人手姿态的迷糊性和多义性,比如捏和抓到底怎么区分,拍击和上拉怎么分辨?

谷歌工程师用8个电极组成传感器矩阵,对数据集进行划分为8次为练习数据,1次为测试数据,获得9个手势的变换。

他们发明传感矩阵中存在固有关系,异常得当机械进修分类算法,这使得分类算法可以运用有限数据集进行练习,大年夜约只必要30s,便可实现一个手势识别。

终极准确率为93.8%,斟酌到他们所应用的数据集规模和练习光阴,这个精度足够日常应用了。

耳机操控的下一步

谷歌这次对耳机线的练习,涉及手势姿态识别和微不雅互动两个内容。

在触摸屏设备上,屏幕下方空间可容纳浩繁传感器,比如苹果的3D Touch识别模块。

但在诸如耳机线等体外设备上,可能就没有这么轻松了,由于传感器数量和体积要受到限定。

实验历程中,工程师们发明必要对多种手势的多次练习,而且不合个体手势必要多次捕捉动作。

这项钻研显示了一种可以在一个紧凑的形状尺寸物体中实现正确的小规模运动可能,我们可以等候智能可交互编织物的成长。

有一天。可穿着式界面和智能织物的微交互可以随意率性应用,终极让体外设备跬步不离,随时交互,终极解放我们的双手。

你等候这一天吗?

您可能还会对下面的文章感兴趣: