新设备结合了可穿戴生物传感器和人工智能软件，可根据前臂的电信号模式识别用户手势。
不用键盘在电脑上录入字符？不用手柄玩电子游戏？或者不用方向盘驾驶汽车？这些场景可能会在不久的将来一一实现。
当地时间12月21日，美国加州大学伯克利分校（UCB）的研究人员在《自然?电子学》杂志发表论文称，他们开发了一种结合可穿戴生物传感器与人工智能系统的新设备，它可根据检测到的前臂电信号来识别手势。
研究人员表示，这种智能设备有望用于控制假肢，甚至与几乎任何类型的电子设备交互。
“假肢是这项技术的重要应用方向之一。除此之外，它还提供了一种更直接的人机交互方式。”论文作者、UCB电气工程与计算机科学博士生Ali Moin说，“手势读取是改善人机交互的途径之一。虽然用摄像头和计算机视觉技术也可以达到类似效果，但手势读取对个人隐私维护更加友好。”
Moin团队与UCB电子工程学教授Ana Arias团队合作设计了一种灵巧的臂带，以读取前臂上64个不同位置的电子信号。随后，电子信号被输入由人工智能算法编程的电子芯片，从而将前臂提供的信号模式与特定手势相关联。目前，人工智能算法已经能识别21种手势，例如竖起大拇指、握拳等。
Moin说：“当你想要收缩手掌肌肉时，大脑会通过颈、肩神经元向手臂和手掌的肌肉纤维发送电信号。可穿戴设备上的电极能够感知这个电场。虽然它并不是那么精确，我们无法确定具体是哪些纤维被触发了，但由于电极密度很高，设备仍然能够学习识别特定模式。”
与其他人工智能系统相似，这种算法也必须先学习手臂电信号如何与个人手势对应。因此，用户必须穿戴好设备，一个接一个地做手势。
这款设备引入“高维计算算法”，使其能用新信息完成自我更新，提高了系统的准确性：例如，如果与特定手势相关的电信号因为用户手臂出汗而改变了，或者用户将手臂举过了头顶，算法也能够将这些新信息纳入模型之中。
新设备的另一个优点在于：所有运算过程都在本地进行，个人数据不会传输到附近的计算机或云系统中。这不仅缩短了计算时间，还确保了个人生物数据的私密性。
“亚马逊或苹果公司在创建算法时，会在云端运行一系列软件来创建模型，然后由用户下载到设备中，”论文作者、UCB教授Jan Rabaey解释，“问题在于，用户之后会受困于特定模式。而我们使设备实现了自我学习过程，并且它学习得非常快——你只需做一次示范，它就能开始工作，如果你能多做几次，它还会变得更好。因此，这是一种处于不断学习之中的系统，与人类很相似。”
经过后续调整，新设备很有可能实现商业化。Rabaey教授表示：“新设备使用的大多数技术并不新鲜，但其特殊之处在于它成功地将生物传感、信号处理与解释以及人工智能技术集成到了一种小型低功耗系统中。”
科界原创
编译：雷鑫宇
审稿：西莫
责编：陈之涵
期刊来源：《自然?电子学》
期刊编号：2520-1131
原文链接：
https://techxplore.com/news/2020-12-high-five-thumbs-up-device-gesture.html
版权声明：本文由科界平台原创编译，中文内容仅供参考，一切内容以英文原版为准。转载请注明来源科技工作者之家—科界App。
