首尔大学机械工程系Ko教授（Seung Hwan Ko）和韩国科学技术高等研究院（KAIST）的Jo教授（Sungho Jo）最近研发了一种电子皮肤类型的传感器，而且该传感器采用深度神经网络自主学习，该电子皮肤可以完成一些动作，比如快速的手指运动。

当安装在使用者的手腕上时，该传感器通过检测使用者的手部运动所产生的电子信号，同时还能识别这些信号来自哪根手指。

多年以来，Ko教授一直在研究，如何在金属纳米薄膜的裂纹里使用激光，以便研究具有高灵敏度的应变传感器。该项研究成果已经可以在VR手套上运用，去检测人的手指运动情况。

Ko教授表示：“监测的目标系统越复杂，所需要的应变传感器就越多。实验室过去采用5到10个应变传感器来准确预测手部的运动（每个手指至少需要1 到 2个传感器）。几年前，我们想使用一个传感器来准确地预测手部运动，而不是使用多个传感器。起初看来不大可能，因为从传感器传来的信号是无法分辨哪一根手指在运动。”

基于迁移学习的快速情景学习系统

该项跨界合作分工是：Ko教授尝试采用单个应变传感器来准确预测人的手部运动的时候，Jo教授负责研究将深度学习算法与最新传感器联系起来的方法。

传统型电子皮肤，每一根手指至少都需要一个传感器来做预测，而新型的传感器可以拆分单个使用。

研究人员没有用传统方法来拟合传感器的检测信号，而是使用深度学习算法来分析随时间变化的信号，并使用收集到的数据来反映手指运动情况。

通过多次尝试，Ko教授、Jo教授证明了该项结果的成果，基于深度学习算法，单一传感器能够与多个传感器取得的效果一致。

使用更少的传感器来实现复杂的检测，这将大大简化复杂检测中的传感器系统。预计这一新方法将有助于人类运动的间接性的远程检测，如使用在可穿戴式VR/AR 系统中。”

经过初步评估，该研究人员团队研发的电子皮肤系统取得了令人鼓舞的成果，成功地实时检测和解锁复杂的手指运动，而且无论在用户手腕上的哪个部位，都能成功。在机器人和可穿戴设备的研发中（如健身追踪器），这一传感器将会带来有趣的想法。有趣的是，将传感器放在用户的骨盆里，也能够解锁步态动作（如步行方式）。

该团队还会继续深入研究更为复杂的身体运动预测，比如胳膊和全身。

本文转载自其他网站，不代表大健康派观点和立场。如有内容和图片的著作权异议，请及时联系我们（邮箱：scarlet.s@djkpai.com）