Insinöörit kehittivät tekoälypohjaisen käden liikkeen tunnistusjärjestelmän

Kalifornian yliopiston Berkeleyn insinöörit ovat kehittäneet laitteen, joka voi tunnistaa käden liikkeet sähköisten signaalien perusteella, jotka havaitaan kyynärvarressa. Tämä uusittu järjestelmä on kehitetty käytettäväksi biosensoreiden ja tekoälyn (AI) kanssa, ja se voi johtaa parempaan proteesien hallintaan ja ihmisen ja tietokoneen vuorovaikutukseen.

Ali Moin oli mukana suunnittelutiimissä ja on tohtorikoulutettava UC Berkeleyn sähkötekniikan ja tietojenkäsittelytieteen laitoksella. Moin on myös yksi ensimmäisistä kirjoittajista tutkimusartikkelissa, joka julkaistiin verkossa 21. joulukuuta Nature Electronics -lehdessä.

“Proteesi on yksi tärkeä sovellus tälle tekniikalle, mutta sen lisäksi se tarjoaa myös hyvin intuitiivisen tavan kommunikoida tietokoneiden kanssa.” Moin sanoi. “Käden liikkeiden lukeminen on yksi tapa parantaa ihmisen ja tietokoneen vuorovaikutusta. Ja vaikka on olemassa muita tapoja tehdä sitä, esimerkiksi käyttämällä kameria ja tietokoneen näköa, tämä on hyvä ratkaisu, joka myös säilyttää yksilön yksityisyyden.”

Käden liikkeen tunnistusjärjestelmä

Tiimi työskenteli Ana Ariaksen, sähkötekniikan professorin, kanssa UC Berkeleyn yliopistossa järjestelmän kehittämisen aikana. Yhdessä he suunnittelivat ja loivat joustavan rannerenkaan, joka pystyy lukemaan sähköisiä signaaleja 64 eri kohdassa kyynärvarressa. Nämä sähköiset signaalit syötettiin sähköiseen piiriin, joka oli ohjelmoitu tekoälyalgoritmiin. Tämä algoritmi pystyy tunnistamaan signaaleja kyynärvarressa, jotka tulevat tietyistä käden liikkeistä.

Algoritmi pystyi tunnistamaan 21 eri käden liikettä.

“Kun haluat käsi lihasten supistumaan, aivopuolen lähettää sähköisiä signaaleja hermojen kautta niskaan ja olkaan ja lihasvilkkuihin käsissäsi”, Moin sanoi. “Periaatteessa, mitä rannekeen sähköiset anturit havaitsevat, on tämä sähkökenttä. Se ei ole niin tarkka, siinä mielessä, ettei voi kohdistaa tarkalleen mihin lihasvilkkuihin signaali kohdistuu, mutta korkean tiheyden anturien ansiosta se voi silti oppia tunnistamaan tiettyjä kuvioita.”

Tekoälyalgoritmi oppii ensin tunnistamaan sähköisiä signaaleja käsivarressa ja niiden vastaavat käden liikkeet, mikä vaatii käyttäjältä rannekeen käyttämistä liikkeiden tekemisen aikana. Asioiden eteenpäin viemiseksi järjestelmä perustuu hyperulottuvuuden laskenta-algoritmiin, joka on edistynyt tekoäly, joka päivittää itseään jatkuvasti. Tämä edistynyt teknologia mahdollistaa järjestelmän oikaisemisen uuden tiedon perusteella, kuten käden liikkeiden tai hien muutosten perusteella.

“Käden liikkeen tunnistamisessa signaalisi muuttuvat ajan myötä, ja se voi vaikuttaa mallin suorituskykyyn”, Moin sanoi. “Pystyimme parantamaan luokittelun tarkkuutta päivittämällä mallia laitteessa.”

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

Laskenta laitteessa

Toinen vaikuttava ominaisuus laitteessa on, että kaikki laskenta tapahtuu laitteessa, mikä tarkoittaa, että henkilökohtaisia tietoja ei lähetetä muihin laitteisiin. Tämä johtaa nopeampaan laskentaan ja suojattuihin biologisiin tietoihin.

Jan Rabaey on Donald O. Pedersenin sähkötekniikan professori UC Berkeleyn yliopistossa ja tutkimusartikkelin vanhempi kirjoittaja.

“Kun Amazon (AMZN ) tai Apple (AAPL ) luo algoritmeja, he ajavat paljon ohjelmistoja pilvessä, joka luo mallin, ja sitten malli ladataan laitteeseen”, Rabaey sanoi. “Ongelma on, että silloin jäädytät siihen tiettyyn malliin. Meidän lähestymistapa on toteutettu prosessi, jossa oppiminen tapahtuu laitteessa itse. Ja se on äärimmäisen nopea: sinun tarvitsee tehdä se vain kerran, ja se alkaa tehdä työtä. Mutta jos teet sen useammin, se voi parantaa. Joten se on jatkuvasti oppiva, kuten ihmiset tekevät sen.”

Rabaeyn mukaan laite voi tulla kaupallisesti saataville vain muutamien pienten muutosten jälkeen.

“Useimmat näistä tekniikoista ovat jo olemassa muualla, mutta mitä on ainutlaatuista tässä laitteessa on, että se yhdistää biosensoreiden, signaalin käsittelyn ja tulkinnan sekä tekoälyn yhteen järjestelmään, joka on suhteellisen pieni ja joustava ja jolla on alhainen virrankulutus”, Rabaey sanoi.