隔空“玩”物不再科幻！科學(xué)家研發(fā)新型可穿戴設(shè)備，未來有望用于智能假肢

---

??新智元推薦??

來源：學(xué)術(shù)頭條

作者：XT

想象一下以下場景，在沒有鍵盤的情況下在電腦上打字，在沒有控制器的情況下玩電子游戲，在沒有方向盤的情況下駕駛汽車。這么炫酷的場景，似乎只有科幻影片中才會出現(xiàn)。

如今，由加州大學(xué)伯克利分校的工程師們開發(fā)出的一種新型可穿戴設(shè)備或許可以實(shí)現(xiàn)這些場景。研究人員表示，該設(shè)備有望用于控制假肢，并且可與各種類型的電子設(shè)備進(jìn)行交互。

相關(guān)研究以“A wearable biosensing system with in-sensor adaptive machine learning for hand gesture recognition”為題，于 12 月 21 日在線發(fā)表在 Nature Electronics 上。

（來源：Nature Electronics）

對此，該設(shè)備的研發(fā)工程師之一、加州大學(xué)伯克利分校電子工程和計(jì)算機(jī)科學(xué)系博士 Ali Moin 表示：“假肢是這項(xiàng)技術(shù)的重要應(yīng)用之一，它同時也提供了一種非常直觀的、可與計(jì)算機(jī)交互的方式。”?

改善人機(jī)交互的方式有多種，比如使用攝像頭和計(jì)算機(jī)視覺技術(shù)，但讀取手勢是一個很好的解決方案，還可以保護(hù)個人隱私。

近年來，可穿戴式生物傳感器在健康監(jiān)測和人機(jī)界面交互領(lǐng)域得到了廣泛的應(yīng)用。但是，想要使無線信號處理系統(tǒng)實(shí)現(xiàn)對生理信號的實(shí)時分析，還存在通信時延、安全性等問題。

雖然引入機(jī)器學(xué)習(xí)模型進(jìn)行本地信號處理的系統(tǒng)具有許多優(yōu)勢，但同樣面臨著多種問題，在低功耗嵌入式處理器中，所使用的機(jī)器學(xué)模型通常需要事先進(jìn)行離線訓(xùn)練，如果訓(xùn)練達(dá)不到預(yù)期效果，模型的分類精度就會降低，導(dǎo)致性能欠佳或用戶體驗(yàn)不佳等問題。

為了解決當(dāng)前可穿戴生物傳感設(shè)備面臨的技術(shù)壁壘，Moin 等人通過檢測人體皮膚表面肌電圖（surface electromyography，sEMG），研發(fā)了可穿戴的高密度 sEMG 生物傳感系統(tǒng)。該可穿戴系統(tǒng)總重量為 26g，也就是一塊表的重量，佩戴十分方便；系統(tǒng)所使用的電池為 3.7V、240mAh 的鋰離子電池，連續(xù)手勢識別續(xù)航時間長達(dá) 6 小時。

圖 | sEMG 可穿戴生物傳感系統(tǒng)。a. 位于前臂上的設(shè)備；b. 絲網(wǎng)印刷過程的圖解；c. 定制設(shè)計(jì)的 16*4 電極陣列；d. 小型八層 PCB 電路板；e. 構(gòu)成可穿戴系統(tǒng)的主要組件的框架圖。（來源：Nature Electronics）

為了創(chuàng)建手勢識別系統(tǒng)，該團(tuán)隊(duì)與加州大學(xué)伯克利分校電子工程教授 Ana Arias 合作，設(shè)計(jì)了一個靈活的臂帶。

該臂帶可以讀取佩戴者前臂上 64 個不同點(diǎn)的電信號，并將電信號輸入到一個使用 AI 算法編程的電子芯片中。

與其他人工智能算法一樣，該算法首先要“學(xué)習(xí)”手臂上檢測到的電信號，并與特定的手勢相關(guān)聯(lián)。要實(shí)現(xiàn)這一點(diǎn)，每個用戶都必須戴上臂帶，同時逐一做出手勢。

該生物傳感系統(tǒng)穿著舒適，并且可以提供快速的初始訓(xùn)練，自適應(yīng)性較強(qiáng)，這一特點(diǎn)對于可穿戴的人機(jī)界面應(yīng)用至關(guān)重要。但是，目前該系統(tǒng)所檢測的生理信號會因用戶而異，并且不穩(wěn)定。

與其他先進(jìn)的手勢識別系統(tǒng)相比，該設(shè)備使用超維計(jì)算（HDC）來實(shí)現(xiàn)傳感器中的自適應(yīng)學(xué)習(xí)，通過本地數(shù)據(jù)實(shí)時訓(xùn)練、推理和模型更新，來適應(yīng)不斷變化的情境，對手勢分類進(jìn)行實(shí)時推斷的實(shí)時推斷。

例如，如果設(shè)備佩戴者的手臂上有汗水或手臂舉過頭頂，與特定手勢相關(guān)的電信號會發(fā)生變化，HD 算法可以將這些新信息納入其模型。

Moin說：“在手勢識別中，sEMG 信號會隨著時間的推移而改變，這可能會影響模型的性能，我們能夠通過更新設(shè)備上的模型來大大提高分類精度。”

通過模型訓(xùn)練，該系統(tǒng)成功識別了 21 個單獨(dú)的手勢，包括豎起大拇指、握拳、平手、舉起單個手指和數(shù)數(shù)字。

該設(shè)備的另一個優(yōu)勢是，所有的數(shù)據(jù)運(yùn)算都在芯片上進(jìn)行，無需將個人數(shù)據(jù)傳送到附近的電腦或設(shè)備上，這不僅加快了計(jì)算速度，還確保了個人生物數(shù)據(jù)的私密性。

Moin 表示：“當(dāng)你想讓手部肌肉收縮時，你的大腦會通過頸部和肩部的神經(jīng)元向手臂和手部的肌肉纖維發(fā)送電信號。從本質(zhì)上講，臂帶中的電極所檢測到的就是這個電信號。它并不是那么精確，從某種意義上說，我們無法精確地指出到底是哪些纖維被觸發(fā)了，但由于電極的分布密度較高，它仍然可以學(xué)習(xí)識別某些模式?！?br>
論文通訊作者之一、加州大學(xué)伯克利分校的電機(jī)工程和計(jì)算機(jī)科學(xué)系杰出教授 Jan Rabaey 表示：“當(dāng)亞馬遜或蘋果公司創(chuàng)建他們的算法時，他們會在云端運(yùn)行一堆軟件來創(chuàng)建模型，然后將模型下載到設(shè)備上。但是，在設(shè)備的使用過程中，往往會被所輸入的特定模型所困。如今，我們實(shí)現(xiàn)了一個在設(shè)備本身完成學(xué)習(xí)的過程，而且它的速度極快，你只需要執(zhí)行一次，它就會開始做這項(xiàng)工作。你做的次數(shù)越多，設(shè)備的性能就會變得越好。它在不斷學(xué)習(xí)，這也是人類的工作方式。”

Rabaey 表示，該設(shè)備尚未準(zhǔn)備好商用，可能還需要進(jìn)行一些調(diào)整。

“這些技術(shù)大多數(shù)已經(jīng)存在于其他地方，但是該設(shè)備的獨(dú)特之處在于，它將生物傳感、信號處理和解釋以及 AI 集成到一個系統(tǒng)中，而且該系統(tǒng)具有尺寸小、設(shè)計(jì)靈活、低功率等優(yōu)點(diǎn)。”

參考資料：
https://www.nature.com/articles/s41928-020-00510-8
https://techxplore.com/news/2020-12-high-five-thumbs-up-device-gesture.html
https://www.youtube.com/watch?v=z3D9WBfUKsQ&feature=emb_logo&ab_channel=UCBerkeley