Μηχανικοί Ανάπτυξαν Σύστημα Αναγνώρισης Χειρονομιών με Βάση τον Εγκέφαλο

Μηχανικοί στο Πανεπιστήμιο της Καλιφόρνιας, Μπέρκλεϊ, έχουν αναπτύξει μια συσκευή που μπορεί να αναγνωρίσει χειρονομίες με βάση ηλεκτρικά σήματα που ανιχνεύονται στο άνω βραχίονα. Αυτό το καινούριο σύστημα είναι αποτέλεσμα wearable βιοαισθητήρων και τεχνητής νοημοσύνης (ΤΝ) και μπορεί να οδηγήσει σε καλύτερο έλεγχο προθετικών και αλληλεπίδρασης ανθρώπου-υπολογιστή.

Ο Ali Moin ήταν μέρος της ομάδας σχεδιασμού και είναι διδακτορικός φοιτητής στο Τμήμα Ηλεκτρολογικών Μηχανικών και Επιστημών Υπολογιστών του Πανεπιστημίου Μπέρκλεϊ. Ο Moin είναι επίσης συν-πρώτος συγγραφέας της έρευνας που δημοσιεύθηκε online στις 21 Δεκεμβρίου στο περιοδικό Nature Electronics.

“Οι προθέσεις είναι μια σημαντική εφαρμογή αυτής της τεχνολογίας, αλλά εκτός από αυτό, προσφέρει επίσης ένα πολύ直观 τρόπο επικοινωνίας με τους υπολογιστές”, είπε ο Moin. “Η ανάγνωση χειρονομιών είναι ένας τρόπος για να βελτιωθεί η αλληλεπίδραση ανθρώπου-υπολογιστή. Και, ενώ υπάρχουν άλλες τρόποι για να το κάνουμε, χρησιμοποιώντας για παράδειγμα κάμερες και υπολογιστική όραση, αυτή είναι μια καλή λύση που διατηρεί επίσης την ιδιωτικότητα του ατόμου.”

Σύστημα Αναγνώρισης Χειρονομιών

Η ομάδα δούλεψε με την Ana Arias, καθηγήτρια ηλεκτρολογικών μηχανικών στο Πανεπιστήμιο Μπέρκλεϊ, κατά την ανάπτυξη του συστήματος. Μαζί, σχεδιάσαν και δημιούργησαν ένα ευέλικτο βραχιολάκι που μπορεί να διαβάσει ηλεκτρικά σήματα σε 64 διαφορετικά σημεία του άνω βραχίονα. Αυτά τα ηλεκτρικά σήματα στη συνέχεια μεταφέρονταν σε一个 ηλεκτρονικό chip που προγραμματίστηκε με einen αλγόριθμο ΤΝ. Αυτός ο αλγόριθμος μπορεί να αναγνωρίσει μοτίβα σημάτων στο άνω βραχίονα που προέρχονται από συγκεκριμένες χειρονομίες.

Ο αλγόριθμος ήταν σε θέση να αναγνωρίσει 21 διαφορετικές χειρονομίες.

“Όταν θέλετε να συστείλετε τους μυς της χειρός σας, ο εγκέφαλός σας στέλνει ηλεκτρικά σήματα μέσω νευρώνων στο λαιμό και τους ώμους σας προς τους μυς της χειρός σας”, είπε ο Moin. “Ουσιαστικά, αυτά που οι ηλεκτρόδια στο βραχιολάκι ανιχνεύουν είναι αυτό το ηλεκτρικό πεδίο. Δεν είναι τόσο ακριβές, στην έννοια ότι δεν μπορούμε να προσδιορίσουμε ποιοι ακριβώς ίνες ενεργοποιήθηκαν, αλλά με την υψηλή πυκνότητα των ηλεκτροδίων, μπορεί ακόμη να μάθει να αναγνωρίζει certains μοτίβα.”

Ο αλγόριθμος ΤΝ πρώτα μάθει να αναγνωρίζει ηλεκτρικά σήματα στο βραχίονα και τις αντίστοιχες χειρονομίες, που απαιτεί από τον χρήστη να φοράει τη συσκευή ενώ κάνει αυτές τις χειρονομίες. Πηγαίνοντας ένα βήμα παραπέρα, το σύστημα βασίζεται σε einen αλγόριθμο υπερδιαστατικού υπολογισμού, ο οποίος είναι ένας προηγμένος αλγόριθμος ΤΝ που ενημερώνεται συνεχώς. Αυτή η προηγμένη τεχνολογία επιτρέπει στο σύστημα να διορθώνει τον εαυτό του με νέες πληροφορίες, όπως κινήσεις του βραχίονα ή ιδρώτα.

“Στην αναγνώριση χειρονομιών, τα σήματά σας θα αλλάξουν με τον καιρό, και αυτό μπορεί να επηρεάσει την απόδοση του μοντέλου σας”, είπε ο Moin. “Κάναμε μια μεγάλη βελτίωση στην ακρίβεια ταξινόμησης ενημερώνοντας το μοντέλο στη συσκευή.”

https://www.youtube.com/watch?v=z3D9WBfUKsQ&feature=emb_title

Υπολογισμοί στο Chip

Μια άλλη εντυπωσιακή λειτουργία της συσκευής είναι ότι όλοι οι υπολογισμοί λαμβάνουν χώρα στο chip, που σημαίνει ότι δεν μεταφέρονται προσωπικά δεδομένα σε άλλες συσκευές. Αυτό οδηγεί σε ταχύτερο χρόνο υπολογισμού και προστατεύει τα βιολογικά δεδομένα.

Ο Jan Rabaey είναι ο Donald O. Pedersen Distinguished Professor of Electrical Engineering στο Πανεπιστήμιο Μπέρκλεϊ και senior συγγραφέας του εγγράφου.

“Όταν η Amazon (AMZN ) ή η Apple (AAPL ) δημιουργούν τους αλγόριθμους τους, τρέχουν ένα σύνολο λογισμικού στο cloud που δημιουργεί το μοντέλο, και στη συνέχεια το μοντέλο μεταφέρεται στη συσκευή σας”, είπε ο Jan Rabaey. “Το πρόβλημα είναι ότι τότε είστε κολλημένοι με αυτό το συγκεκριμένο μοντέλο. Στην προσέγγισή μας, υλοποιήσαμε μια διαδικασία όπου η μάθηση γίνεται στη συσκευήเอง. Και είναι εξαιρετικά γρήγορη: πρέπει να το κάνετε μόνο μια φορά, και αρχίζει να κάνει την δουλειά. Αλλά αν το κάνετε περισσότερες φορές, μπορεί να γίνει καλύτερο. Έτσι, είναι συνεχής μάθηση, που είναι το πώς λειτουργούν οι άνθρωποι.”

Σύμφωνα με τον Rabaey, η συσκευή μπορεί να εμπορευματοποιηθεί μετά από λίγες ελαφρές αλλαγές.

“Πολλές από αυτές τις τεχνολογίες υπάρχουν ήδη αλλού, αλλά αυτό που είναι μοναδικό σε αυτή τη συσκευή είναι ότι ενσωματώνει την βιοαισθητική, την επεξεργασία σήματος και την ερμηνεία, και την τεχνητή νοημοσύνη σε ένα σύστημα που είναι σχετικά μικρό και ευέλικτο και έχει χαμηλό προϋπολογισμό ενέργειας”, είπε ο Rabaey.