深度学习增强型电子皮肤 可以解码复杂的人类动作

首尔国立大学和韩国高级科学技术研究院(KAIST)的研究人员最近开发了一种传感器，该传感器可以充当电子皮肤并将其与深度神经网络集成。在《自然通讯》上发表的一篇论文中介绍了这种深度学习增强的电子皮肤系统，它可以从远处捕获人类的动态运动，例如快速的手指运动。

新系统源于跨学科合作，涉及机械工程和计算机科学领域的专家。领导这项最新研究的两位研究人员是灵魂国立大学机械工程教授Seung Hwan Ko和KAIST计算学院教授Sungho Jo。

多年来，Ko教授一直在尝试通过使用激光技术在金属纳米颗粒薄膜中产生裂纹来开发高灵敏度的应变传感器。然后将所得的传感器阵列应用到旨在检测人的手指运动的虚拟现实(VR)手套上。

“我的实验室通常至少使用5到10个应变传感器来预测准确的手部运动(每个手指至少要有1到2个传感器)，因为所需的应变传感器数量会随着目标系统的复杂性增加而增加。”柯说。“几年前，我开始问自己一个问题：我们能否仅使用一个应变传感器而不是使用多个传感器来准确地预测手的运动?最初，这似乎是一个愚蠢的问题，因为几乎无法分辨出什么手指从应变传感器传来的信号。”

基于迁移学习的RSL系统。图片来源：Kim等。

在Ko教授尝试开发一种能够准确预测人的手部运动的应变传感器的同时，Jo教授正在研究将机器学习技术与最新传感器相集成的策略。Jo教授相信，即使人们使用单个传感器检测到这些信号，也可以使用机器学习来分析由手指运动产生的顺序传感器模式。

乔教授说：“我们意识到，如果我们能够通过机器学习来利用这些模式，就可以清楚地将单个传感器观察到的多种不同行为分离开来。” “经过密切合作，我们能够开发出一种可以预测复杂手部动作的深度学习传感器。”

由Ko教授，Jo教授及其同事开发的传感器安装在用户的手腕上