工程师开发基于人工智能的手势识别系统

加州大学伯克利分校的工程师们开发了一种可以根据前臂检测到的电信号识别手势的设备。这种新开发的系统是可穿戴生物传感器和人工智能（AI）的结果，它可能会带来更好的假肢控制和人机交互。

阿里·莫因（Ali Moin）是设计团队的一员，并且是加州大学伯克利分校电气工程和计算机科学系的博士生。莫因也是在12月21日在线发表在《自然电子》（Nature Electronics）杂志上的研究论文的共同第一作者。

“假肢是这种技术的一个重要应用，但除了这个应用之外，它还提供了一种非常直观的方式来与计算机进行交互。” 莫因说。 “读取手势是改善人机交互的一种方式。虽然还有其他方法来实现这一点，例如使用摄像头和计算机视觉，但这是一个好的解决方案，它也保持了个人的隐私。”

手势识别系统

该团队与加州大学伯克利分校的电气工程教授安娜·阿里亚斯（Ana Arias）合作开发了该系统。他们一起设计并创建了一个可以在前臂的64个不同点读取电信号的柔性腕带。这些电信号然后被输入到一个带有AI算法的电路芯片中。该算法可以识别前臂中来自特定手势的信号模式。

该算法可以识别21个个别的手势。

“当你想要你的手肌收缩时，你的大脑会通过颈部和肩部的神经将电信号发送到手臂和手的肌肉纤维中，” 莫因说。 “基本上，袖子中的电极正在检测这种电场。它不是那么精确，因为我们不能准确地确定哪些具体的纤维被触发，但由于电极的高密度，它仍然可以学习识别某些模式。”

AI算法首先学习识别手臂中的电信号及其对应的手势，这需要用户在佩戴设备时进行这些手势。进一步来说，该系统依赖于超维计算算法，这是一种高级AI，可以不断更新自己。这种先进的技术使得系统可以在获得新信息（如手臂运动或汗水）时自我纠正。

“在手势识别中，你的信号会随着时间的推移而改变，这可能会影响模型的性能，” 莫因说。 “我们能够通过在设备上更新模型来大大提高分类准确率。”

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

在芯片上进行计算

该设备的另一个令人印象深刻的特点是所有计算都在芯片上进行，这意味着没有个人数据被传输到其他设备。这样可以实现更快的计算时间和保护生物数据。

Jan Rabaey是加州大学伯克利分校电气工程的唐纳德·O·佩德森杰出教授，也是该论文的资深作者。

“当亚马逊或苹果创建他们的算法时，他们在云中运行一堆软件来创建模型，然后将模型下载到您的设备上，” Jan Rabaey说。 “问题是，然后您就被困在那个特定的模型中。在我们的方法中，我们实现了一个过程，其中学习是在设备本身上完成的。它非常快：您只需要做一次，它就开始工作。但如果您多次做，它可以变得更好。所以，它是持续学习的，这是人类的做法。”

根据Rabaey的说法，该设备可以在经过一些小的修改后实现商业化。

“这些技术中的大部分已经在其他地方存在，但这种设备的独特之处在于它将生物传感、信号处理和解释以及人工智能集成到一个相对较小、灵活且功耗低的系统中，” Rabaey说。