加州大學伯克利分校的工程師們開發了一種裝置，可以根據前臂檢測到的電信號來識別手勢。這個新系統是可穿戴生物感測器和人工智慧（AI）的結合，未來可能會改善義肢的控制和人機互動。
阿里·莫因（Ali Moin）是設計團隊的一員，也是加州大學伯克利分校電機工程與計算機科學系的博士生。他還是於12月21日在《自然電子學》（Nature Electronics）期刊上發表的研究論文的共同第一作者。
莫因表示：「義肢是這項技術的一個重要應用，但除此之外，它還提供了一種非常直觀的方式來與電腦溝通。」他補充說：「識別手勢是改善人機互動的一種方法。雖然還有其他方法，比如使用攝影機和計算機視覺，但這是一個很好的解決方案，還能保護個人的隱私。」
手勢識別系統
在系統的開發過程中，團隊與加州大學伯克利分校的電機工程教授安娜·阿里亞斯（Ana Arias）合作。他們共同設計並製作了一個靈活的臂帶，能夠在前臂的64個不同點讀取電信號。這些電信號然後被傳送到一個編程了AI算法的電芯片中。這個算法可以識別來自特定手勢的前臂信號模式。
這個算法能夠識別21種不同的手勢。
莫因說：「當你想讓手部肌肉收縮時，你的大腦會通過脖子和肩膀的神經向手臂和手的肌肉纖維發送電信號。基本上，臂帶中的電極感應到的就是這個電場。雖然我們無法精確地指出是哪些纖維被觸發，但由於電極的密度很高，它仍然可以學會識別某些模式。」
AI算法首先學會識別手臂中的電信號及其對應的手勢，這需要使用者在做這些手勢時佩戴裝置。更進一步，系統依賴於一種超維計算算法，這是一種不斷自我更新的先進AI技術。這項技術使系統能夠根據新的信息進行自我修正，例如手臂的動作或汗水。
莫因說：「在手勢識別中，你的信號會隨著時間改變，這會影響模型的性能。我們能夠通過在裝置上更新模型來大幅提高分類的準確性。」
在芯片上本地計算
這個裝置的另一個令人印象深刻的特點是，所有計算都在芯片上進行，這意味著沒有個人數據會傳輸到其他設備。這樣可以加快計算速度並保護生物數據。
詹·拉巴耶（Jan Rabaey）是加州大學伯克利分校的唐納德·O·佩德森（Donald O. Pedersen）傑出電機工程教授，也是這篇論文的資深作者。
拉巴耶說：「當亞馬遜（Amazon）或蘋果公司（Apple Inc.）創建他們的算法時，他們會在雲端運行一堆軟體來創建模型，然後將模型下載到你的設備上。問題是，這樣你就被困在那個特定的模型裡。在我們的方法中，我們實現了一個過程，讓學習在設備本身上進行。這是非常快速的：你只需做一次，它就開始工作。但如果你多做幾次，它會變得更好。所以，它是持續學習的，這就像人類一樣。」
根據拉巴耶的說法，這個裝置在稍微改變後就可以商業化。
拉巴耶說：「這些技術大多數已經在其他地方存在，但這個裝置的獨特之處在於它將生物感測、信號處理和解釋以及人工智慧整合到一個相對小巧、靈活且功耗低的系統中。」
本文由 AI 台灣 運用 AI 技術編撰，內容僅供參考，請自行核實相關資訊。
歡迎加入我們的 AI TAIWAN 台灣人工智慧中心 FB 社團，
隨時掌握最新 AI 動態與實用資訊！
