اسپری هوشمند روی پوست از هوش مصنوعی برای درک سریع وظایف دست استفاده می کند

28 دسامبر 2022 – توسط اندرو مایرز، دانشگاه استنفورد

سیستم حسی اسپری که متشکل از نانومش چاپی و سازگار زیستی است که مستقیماً به ماژول بلوتوث بی‌سیم متصل می‌شود و از طریق فرایادگیری بیشتر آموزش داده می‌شود. اعتبار: کیون کیو «ریچارد» کیم، گروه بائو، استنفورد یو.

پوسته هوشمند جدیدی که در دانشگاه استنفورد ساخته شده است ممکن است روزی را پیش‌بینی کند که مردم روی صفحه‌کلیدهای نامرئی تایپ می‌کنند، اشیاء را تنها با لمس شناسایی می‌کنند یا به کاربران اجازه می‌دهند با حرکات دست با برنامه‌ها در محیط‌های غوطه‌ور ارتباط برقرار کنند.

در مقاله‌ای که به تازگی در ژورنال Nature Electronics منتشر شده است، محققان نوع جدیدی از مواد زیست سازگار قابل کشش را توصیف می‌کنند که مانند اسپری برنزه‌کننده روی دست اسپری می‌شود. این شبکه یک شبکه الکتریکی کوچک است که به هنگام کشش و خم شدن پوست حس می‌کند و با استفاده از هوش مصنوعی، محققان می‌توانند کارهای روزانه بیشماری را از حرکات دست و ژست‌ها تفسیر کنند. محققان می گویند که این می تواند کاربردها و پیامدهایی در زمینه های گسترده ای مانند بازی، ورزش، پزشکی از راه دور و روباتیک داشته باشد.

تاکنون چندین روش امیدوارکننده، مانند اندازه‌گیری فعالیت‌های الکتریکی ماهیچه‌ها با استفاده از مچ‌بند یا دستکش‌های پوشیدنی، به طور فعال برای فعال کردن کارهای مختلف دست و ژست‌ها مورد بررسی قرار گرفته‌اند. با این حال، این دستگاه‌ها حجیم هستند زیرا برای مشخص کردن حرکات در هر مفصل به اجزای حسی متعددی نیاز است. علاوه بر این، برای آموزش الگوریتم باید مقدار زیادی داده برای هر کاربر و وظیفه جمع آوری شود. این چالش ها استفاده از چنین وسایلی مانند وسایل الکترونیکی روزانه را دشوار می کند.

این کار اولین رویکرد عملی است که هم از نظر شکل به اندازه کافی ناب است و هم از نظر عملکرد به اندازه کافی سازگار است که اساساً برای هر کاربری کار می کند – حتی با داده های محدود. فن‌آوری‌های کنونی به اجزای حسگر متعددی برای خواندن هر مفصل انگشت نیاز دارند که باعث حجیم شدن آن‌ها می‌شود. دستگاه جدید همچنین رویکرد ناب تری به نرم افزار دارد تا امکان یادگیری سریعتر را فراهم کند. چنین دقتی می‌تواند در برنامه‌های واقعیت مجازی برای انتقال حرکات با جزئیات دقیق برای تجربه واقعی‌تر کلیدی باشد.

تشخیص تایپ صفحه‌کلید QWERTY دو دستی با چاپ نانومش روی هر دو دست و تشخیص هم‌زمان اشیاء در حال تعامل. اعتبار: کیون کیو «ریچارد» کیم، گروه بائو، استنفورد یو.

اعتبار: Nature Electronics (2022). DOI: 10.1038/s41928-022-00888-7

ژنان بائو، یک K.K. لی پروفسور مهندسی شیمی و نویسنده ارشد این مطالعه. می گوید : نوآوری توانمند یک شبکه توری حساس الکتریکی قابل پاشیدن است که در پلی اورتان تعبیه شده است – همان ماده بادوام و در عین حال قابل کشش که برای ساخت چرخ های اسکیت بورد و محافظت از کف چوب های سخت در برابر آسیب استفاده می شود. این توری متشکل از میلیون‌ها نانوسیم نقره است که با طلا پوشانده شده‌اند و در تماس با یکدیگر هستند تا مسیرهای الکتریکی پویا را تشکیل دهند. این توری از نظر الکتریکی فعال است، زیست سازگار، قابل تنفس است و روی آن باقی می ماند مگر اینکه در آب و صابون مالیده شود. کاملاً با چین و چروک‌ها و چین‌های هر انگشت انسانی که آن را می‌پوشد مطابقت دارد. سپس یک ماژول بلوتوث سبک وزن را می توان به سادگی به مش متصل کرد که می تواند تغییرات سیگنال را به صورت بی سیم منتقل کند.

زمانی که انگشتان خم می‌شوند و می‌پیچند، نانوسیم‌های مش به هم فشرده می‌شوند و از هم جدا می‌شوند و هدایت الکتریکی مش را تغییر می‌دهند.

محققان یک روش اسپری را مستقیماً روی پوست انتخاب کردند تا مش بدون زیرلایه حمایت شود. این تصمیم کلیدی مهندسی، مصنوعات حرکتی ناخواسته را حذف کرد و به آنها اجازه داد تا از یک ردی از مش رسانا برای تولید اطلاعات چند مفصلی انگشتان استفاده کنند.

ماهیت اسپری شدن دستگاه به آن اجازه می دهد تا با هر اندازه یا دستی مطابقت داشته باشد، اما این امکان را ایجاد می کند که دستگاه می تواند با صورت سازگار شود تا نشانه های احساسی ظریف را به تصویر بکشد. این ممکن است رویکردهای جدیدی را برای انیمیشن رایانه ای فعال کند یا منجر به جلسات مجازی جدید تحت رهبری آواتار با حالات چهره و حرکات دست واقعی تر شود.

سپس یادگیری ماشینی کار را به دست می گیرد. کامپیوترها الگوهای در حال تغییر در هدایت را کنترل می کنند و آن تغییرات را به وظایف و حرکات فیزیکی خاص ترسیم می کنند. به عنوان مثال، یک X را روی صفحه کلید تایپ کنید، و الگوریتم یاد می گیرد که آن کار را از الگوهای تغییر در هدایت الکتریکی تشخیص دهد. هنگامی که الگوریتم به طور مناسب آموزش داده شد، دیگر نیازی به صفحه کلید فیزیکی نیست. از همین اصول می توان برای تشخیص زبان اشاره یا حتی برای تشخیص اشیا با ردیابی سطوح بیرونی آنها استفاده کرد.

و، در حالی که فناوری‌های موجود از نظر محاسباتی فشرده هستند و به مقادیر زیادی داده نیاز دارند که باید به سختی توسط انسان برچسب‌گذاری شوند – اگر بخواهید، تیم استنفورد یک طرح یادگیری ایجاد کرده است که از نظر محاسباتی بسیار کارآمدتر است.

ما جنبه‌های یادگیری انسانی را آوردیم که به سرعت خود را با وظایف منطبق می‌کنند، تنها با تعداد معدودی آزمایش‌هایی که به عنوان «فرادآموزی» شناخته می‌شوند. کیون کیو “ریچارد” کیم، محقق فوق دکترا در آزمایشگاه بائو، که اولین نویسنده این مطالعه است، گفت: این به دستگاه اجازه می‌دهد تا به سرعت کارهای جدید دستی و کاربران را با چند آزمایش سریع تشخیص دهد.

کیم افزود: «علاوه بر این، این یک رویکرد شگفت‌آور ساده برای این چالش پیچیده است که به این معنی است که می‌توانیم با داده‌های کمتر به زمان پردازش محاسباتی سریع‌تری دست یابیم، زیرا نانومش ما جزئیات ظریفی را در سیگنال‌های خود ثبت می‌کند.» دقتی که دستگاه می تواند حرکات ظریف انگشتان را ترسیم کند یکی از ویژگی های برجسته این نوآوری است.

محققان نمونه اولیه ای ساخته اند که اشیاء ساده را با لمس تشخیص می دهد و حتی می تواند تایپ دو دستی را روی صفحه کلید نامرئی انجام دهد.