来源：映维网 作者
首尔国立大学和韩国科学技术院的研究人员最近开发出一种可以充当电子皮肤的传感器，并同时集成了深层神经网络。研究人员已经将相关的论文发表在《自然通讯（Nature Communications）》期刊。据介绍，这种基于深度学习的e-skin系统可以从远方捕捉人类的动态运动，如手指的快速运动。
这个新系统源于一次涉及机械工程和计算机科学领域专家的跨学科合作。领衔这项最新研究的两位研究人员是首尔国立大学机械工程教授高承桓和韩国科学技术院计算机教授赵成浩。
高承桓教授多年来一直尝试利用激光技术在金属纳米颗粒薄膜产生裂纹，从而开发高灵敏度的应变传感器，并且将得到的传感器阵列应用到能够检测手指运动的虚拟现实手套。
他表示：“我的实验室通常至少使用5个到10个应变传感器来预测精确的手部运动（每根手指至少有1个到2个传感器），因为随着目标系统复杂性的增加，所需的应变传感器数量同样会增加。我从几年前开始询问自己这样一个问题：我们能不能只用一个应变传感器来精确预测手的运动呢？这在一开始似乎是一个愚蠢的问题，因为你几乎不可能分辨出应变传感器的信号是来自于哪根手指。”
当高教授在开发一种能够精测预测手部动作的单一应变传感器时，赵成浩教授则在研究如何将机器学习技术与最先进的传感器相结合。赵教授认为，即使信号是由一个传感器检测得到，手指运动产生的连续传感器模式都可以通过机器学习进行分析。
赵教授指出：“我们意识到，如果我们能够利用机器学习来利用所述模式，我们就可以清楚地分离单个传感器所观察到的多种不同行为。经过密切的合作，我们开发出一种能够预测复杂手部运动的单一深度学习传感器。”
当安装在用户手腕时，所述传感器可以检测手部运动产生的电信号，同时可以识别信号来自于哪根手指。不同于每根手指至少需要一个传感器的传统电子皮肤系统，这种基于深度学习的新型传感器能够单独地正常工作。
高教授解释道：“传统的电子皮肤至少需要5个到10个应变传感器来精确预测手部运动，随着目标系统复杂程度的增加，所需的应变传感器数量同样会增加。我们开发的深度学习型电子皮肤传感器只需一个传感器就可以完成工作。”
研究人员没有简单地使用更传统的方法来拟合传感器检测到的信号，而是使用一个深度学习模型来分析信号模式随时间的变化，并最终揭示数据背后的手指运动。团队的实验表明，当与深度学习技术相结合时，单个传感器可以获得与多个传感器相当的结果。
相关论文：A deep-learned skin sensor decoding the epicentral human motions
赵教授表示：“我们的研究结果表明，我们可以用较少的传感器来实现复杂的检测。这将大大简化需要传感器进行复杂检测的系统。我们同时预计，这一新方法将有助于远程测量人体运动，并适用于可穿戴式AR/VR系统。”
在最初的评估中，这组研究人员开发的电子皮肤系统取得了非常令人兴奋的结果，其能够实时检测和解码复杂的手指运动，而且无论其在手腕的位置如何，系统都能够实现持续的表现。在未来，这种传感器可能会产生一系列有趣的应用，包括机器人和可穿戴设备。有趣的是，当放置在用户的骨盆时，同一个系统可以解码步态运动，所以它可以用于创建小型高效的运动跟踪设备。
高教授说到：“在这项研究中，我们使用机器学习传感器来解码手的动作。但在不久的将来，我们计划在这项研究的基础上实现更复杂的身体运动预测，例如腿部、手臂，甚至整个身体的运动预测。”
原文链接：https://yivian.com/news/75050.html
