深度学习的电子皮肤可解码复杂的人体运动

深度学习供电的单应变电子皮肤传感器可以捕获远距离的人体运动。放在手腕上的单个应变传感器可以通过虚拟3D手实时地对复杂的五指运动进行解码，以反映原始运动。快速情境学习（RSL）推动的深度神经网络可确保稳定的操作，无论其在皮肤表面上的位置如何。

传统方法需要许多传感器网络来覆盖目标区域的整个曲线表面。与传统的基于晶圆的制造不同，这种激光制造为运动跟踪提供了新的传感范式。

由计算机学院的Sungho Jo教授领导的研究团队与首尔国立大学的Seunghwan Ko教授合作，设计了这种新的测量系统，该系统通过使用激光技术在金属Nano颗粒薄膜中产生裂缝来提取与多个手指运动相对应的信号。然后将传感器贴片连接到用户的手腕上，以检测手指的运动。

这项研究的概念从这样的想法开始，即与将传感器固定到每个关节和肌肉的位置相比，精确定位单个区域将更有效。为了使这种定位策略有效，它需要准确地捕获来自所有区域的信号在它们都收敛的那一点，然后将纠缠在收敛信号中的信息去耦。为了最大化用户的可用性和移动性，研究团队使用单通道传感器来生成与复杂手部动作相对应的信号。

快速情境学习（RSL）系统从手腕上任意部位收集数据，并通过虚拟3D指针（反映原始动作）在实时演示中自动训练模型。为了提高传感器的灵敏度，研究人员使用了激光诱导的Nano级裂纹。

该传感系统可以通过一个小的传感网络跟踪整个身体的运动，并可以间接地间接测量人体运动，这适用于可穿戴式VR / AR系统。

研究小组说，他们在开发传感器时专注于两个任务。首先，他们将传感器信号模式分析到一个封装了时间传感器行为的潜在空间中，然后将这些潜在矢量映射到手指运动度量空间。

乔教授说：“我们的系统可扩展到其他身体部位。我们已经确认该传感器还能够从骨盆中提取步态运动。该技术有望为健康监测，运动跟踪和柔软度提供一个转折点。机器人技术。”

有所作为：赞助机会

故事来源：

用料 由…提供 韩国科学技术高等研究院（KAIST）。注意：可以编辑内容的样式和长度。