معرفی دستکشی که حالات دست را به خوبی طبقه بندی می کند

به گزارش «نبض فناوری»، در نمونه اولیه WaveGlove  یک سنسور اینرسی به هر پنج انگشت متصل شده است شتاب و سرعت زاویه ای را اندازه گیری می کند، که برای طبقه بندی حالات دست استفاده می شود. تمام اجزای استفاده شده کم هزینه و به طور گسترده در دسترس هستند  که بیشتر پتانسیل تولید انبوه دستگاه مشابه را در آینده به نمایش می گذارد.

طی چند دهه گذشته، دانشمندان علوم رایانه مجموعه ای گسترده از مدل ها و رویکردها را برای تجزیه و تحلیل جنبه های مختلف رفتار و ارتباطات انسان مانند گفتار، احساسات و حرکات ابداع کرده اند. اکثر تکنیک های موجود برای تشخیص حرکات دست به استفاده از فناوری های پوشیدنی با یک حسگر متکی است و فقط تعداد محدودی از حرکات اساسی را می تواند تشخیص دهد.

محققان دانشگاه Comenius در اسلواکی به تازگی سیستم جدیدی را برای تشخیص حرکات دست تهیه کرده اند که به جای حسگر واحد، از چندین سنسور اینرسی استفاده می کند. این سیستم جدید در اصل یک دستکش است که روی هر انگشت آن سنسور اینرسی قرار گرفته است.

ماتج کرالیک یکی از محققانی که این مطالعه را انجام داده است، به TechXplore گفت: مقاله اخیر ما استفاده از چند سنسور اینرسی را برای شناسایی حرکات دست نشان می دهد. با ساخت یک نمونه اولیه سخت افزاری سفارشی و ارائه مدل مبتنی بر ترانسفورماتور جدید (یک معماری شبکه، که موفقیت زیادی در انجام کارهای پردازش زبان طبیعی داشت) نشان می دهیم که استفاده از چندین سنسور می تواند تأثیر قابل توجهی در دقت طبقه بندی داشته باشد..

محققان با استفاده از WaveGlove ، سیستم تشخیص حرکت دست که ایجاد و توانستند دو مجموعه داده حاوی بیش از 11نمونه حرکات دستی را بدست آورند.

حرکات داده های WaveGlove تنها شبیه همان دسته بندی هایی هستند که فقط با استفاده از یک سنسور طبقه بندی می شوند. سنسور در جهت پیکان حرکت می کند.

کرالیک گفت: وجود چندین سنسور به ما امکان می دهد واژگان حرکتی حرکات غنی تری را در مقایسه با سنسورهای دستی تکی طراحی و طبقه بندی کنیم. حرکاتی که ما با استفاده از چندین حسگر طبقه بندی می کنیم شبیه همان سنسورهایی است که قبلاً استفاده می کنیم. این باعث می شود استفاده از دستگاهی مانند WaveGlove آسان تر و طبیعی تر باشد.

محققان علاوه بر گردآوری مجموعه داده های حرکات دست و تأیید اثربخشی سیستم WaveGlove، بیش از 10 روش طبقه بندی را برای تشخیص حرکات دست محک زده اند که برخی از آنها را به عنوان بخشی از تحقیقات قبلی خود ساخته بودند. آنها این روش ها را در مجموعه داده های مختلف ارزیابی کردند؛ زیرا امیدوار بودند که این امر به استانداردسازی نتایج در زمینه تشخیص حرکت دست کمک کند.

یافته های جمع آوری شده توسط این تیم از محققان می تواند پیامدهای ارزشمند بی شماری داشته باشد. کار آنها به تحقیقات متمرکز بر شناسایی حرکات دست و تقویت سیستم های موجود کمک می کند. نمونه اولیه WaveGlove که آنها ایجاد کردند در نهایت می تواند برای بهبود ارتباطات بین انسان و ماشین مورد استفاده قرار گیرد و به این وسیله اجازه دهد تا حرکات دست انسان را بهتر تفسیر کند.