วิศวกรพัฒนาระบบการรับรู้ท่าทางมือโดยใช้ AI

วิศวกรจากมหาวิทยาลัยแคลิฟอร์เนีย เบิร์กลีย์ ได้พัฒนาเครื่องมือที่สามารถรับรู้ท่าทางมือจากสัญญาณไฟฟ้าที่ตรวจจับได้ในแขน การพัฒนาระบบใหม่นี้เป็นผลมาจากเซ็นเซอร์ชีวภาพที่สวมใส่และปัญญาประดิษฐ์ (AI) และอาจนำไปสู่การควบคุมเครื่องมือปลูกถ่ายและปฏิสัมพันธ์ระหว่างมนุษย์และคอมพิวเตอร์ที่ดีขึ้น

อาลี โมอิน เป็นส่วนหนึ่งของทีมออกแบบและเป็นนักศึกษาระดับ博士ในภาควิชาวิศวกรรมไฟฟ้าและวิทยาศาสตร์คอมพิวเตอร์แห่งมหาวิทยาลัยแคลิฟอร์เนีย เบิร์กลีย์ โมอินยังเป็นหนึ่งในผู้เขียนบทความวิจัยที่ตีพิมพ์ออนไลน์เมื่อวันที่ 21 ธันวาคม ในวารสาร Nature Electronics

“เครื่องมือปลูกถ่ายเป็นหนึ่งในแอปพลิเคชันที่สำคัญของเทคโนโลยีนี้ แต่นอกจากสิ่งนั้นแล้ว ยังเป็นวิธีการสื่อสารกับคอมพิวเตอร์ที่มี直觉อีกด้วย” โมอินกล่าว “การอ่านท่าทางมือเป็นวิธีหนึ่งในการปรับปรุงการปฏิสัมพันธ์ระหว่างมนุษย์และคอมพิวเตอร์ และแม้ว่าจะมีวิธีอื่นในการทำเช่นนั้น เช่น ใช้กล้องและวิชวลคอมพิวเตอร์ แต่นี่เป็นวิธีแก้ปัญหาที่ดีซึ่งยังคงรักษาความเป็นส่วนตัวของบุคคล”

ระบบการรับรู้ท่าทางมือ

ทีมงานได้ร่วมมือกับอานา อาเรียส ผู้ช่วยศาสตราจารย์ภาควิชาวิศวกรรมไฟฟ้าแห่งมหาวิทยาลัยแคลิฟอร์เนีย เบิร์กลีย์ ในระหว่างการพัฒนาระบบ ร่วมกันออกแบบและสร้างอุปกรณ์แบบยืดหยุ่นที่สามารถอ่านสัญญาณไฟฟ้าได้ที่ 64 จุดต่างๆ บนแขน สัญญาณไฟฟ้าเหล่านี้ถูกส่งเข้าไปในไมโครชิปที่มีโปรแกรมปัญญาประดิษฐ์ ซึ่งสามารถระบุรูปแบบสัญญาณในแขนที่เกิดจากท่าทางมือที่เฉพาะเจาะจง

อัลกอริทึมสามารถระบุได้ถึง 21 ท่าทางมือที่แตกต่างกัน

“เมื่อคุณต้องการให้กล้ามเนื้อมือของคุณหดตัว สมองของคุณจะส่งสัญญาณไฟฟ้าผ่านเซลล์ประสาทในคอและไหล่ไปยังเส้นใยกล้ามเนื้อในมือและแขน” โมอินกล่าว “โดยพื้นฐานแล้ว สิ่งที่อิเล็กโทรดในอุปกรณ์ตรวจจับคือสนามไฟฟ้านี้ มันไม่แม่นยำในความหมายที่ว่าเราสามารถระบุเส้นใยกล้ามเนื้อที่ถูกกระตุ้นได้ แต่ด้วยความหนาแน่นสูงของอิเล็กโทรด มันสามารถเรียนรู้เพื่อระบุรูปแบบที่เฉพาะเจาะจงได้”

อัลกอริทึมปัญญาประดิษฐ์เรียนรู้เพื่อระบุสัญญาณไฟฟ้าในแขนและท่าทางมือที่สอดคล้องกัน ซึ่งต้องการให้ผู้ใช้สวมอุปกรณ์ขณะทำท่าทางมือเหล่านั้น การพัฒนาต่อๆ ไป ระบบนี้พึ่งพาอัลกอริทึมการคำนวณแบบไฮเปอร์ดิมенชัน ซึ่งเป็นปัญญาประดิษฐ์ที่ทันสมัยซึ่งอัปเดตตัวเองอย่างต่อเนื่อง เทคโนโลยีขั้นสูงนี้ช่วยให้ระบบสามารถแก้ไขตัวเองด้วยข้อมูลใหม่ๆ เช่น การเคลื่อนไหวของแขนหรือเหงื่อ

“ในการรับรู้ท่าทางมือ สัญญาณของคุณจะเปลี่ยนแปลงไปตามเวลา และสิ่งนี้อาจส่งผลต่อประสิทธิภาพของโมเดล” โมอินกล่าว “เราได้ปรับปรุงความแม่นยำในการจำแนกประเภทโดยการอัปเดตโมเดลบนอุปกรณ์”

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

การคำนวณบนชิป

คุณสมบัติที่น่าประทับใจอีกอย่างหนึ่งของอุปกรณ์คือการคำนวณทั้งหมดเกิดขึ้นบนชิป ซึ่งหมายความว่าไม่มีข้อมูลส่วนบุคคลถูกส่งไปยังอุปกรณ์อื่น สิ่งนี้นำไปสู่เวลาในการคำนวณที่เร็วขึ้นและข้อมูลชีวภาพที่ได้รับการคุ้มครอง

จัน ราบาเยย์ เป็นศาสตราจารย์ด้านวิศวกรรมไฟฟ้าแห่งมหาวิทยาลัยแคลิฟอร์เนีย เบิร์กลีย์ และเป็นผู้เขียนบทความวิจัย

“เมื่อแอมะซอนหรือแอปเปิลสร้างอัลกอริทึมของตน พวกเขาจะรันซอฟต์แวร์จำนวนมากในคลาวด์ที่สร้างโมเดล และจากนั้นโมเดลจะถูกดาวน์โหลดลงอุปกรณ์ของคุณ” ราบาเยย์กล่าว “ปัญหาก็คือว่าจากนั้นคุณจะถูกจำกัดด้วยโมเดลนั้น ในแนวทางของเรา เราใช้กระบวนการที่การเรียนรู้เกิดขึ้นบนอุปกรณ์เอง และมันเร็วมาก คุณต้องทำมันเพียงครั้งเดียว และมันก就会เริ่มทำงาน หากคุณทำมันหลายครั้ง มันจะดีขึ้น ดังนั้นมันจึงเรียนรู้อย่างต่อเนื่อง ซึ่งเป็นวิธีที่มนุษย์ทำ”

ตามคำกล่าวของราบาเยย์ อุปกรณ์นี้อาจเข้าสู่การผลิตหลังจากการเปลี่ยนแปลงเล็กๆ น้อยๆ

“ส่วนใหญ่ของเทคโนโลยีเหล่านี้มีอยู่แล้วในที่อื่น แต่สิ่งที่เป็นเอกลักษณ์ของอุปกรณ์นี้คือการรวมการตรวจจับชีวภาพ การประมวลผลสัญญาณและการตีความ และปัญญาประดิษฐ์เข้าด้วยกันในระบบที่ค่อนข้างเล็กและยืดหยุ่นและมีงบประมาณพลังงานต่ำ” ราบาเยย์กล่าว