211service.com
Spiergebonden computerinterface
Het is een goed moment om met computers te communiceren. We worden niet langer beperkt door de muis en toetsenbord-aanraakschermen en op gebaren gebaseerde controllers worden steeds gebruikelijker. Een startup genaamd Emotiv Systems verkoopt zelfs een pet die hersenactiviteit leest, waardoor de drager een computerspel kan besturen met haar gedachten.
Luchtgitaar: Software interpreteert signalen die worden verzonden door elektromyografiesensoren die aan een onderarm zijn bevestigd, zodat de gebruiker computerspellen zoals Guitar Hero en Rock Band kan besturen.
Nu hebben onderzoekers van Microsoft, de Universiteit van Washington in Seattle en de Universiteit van Toronto in Canada een andere manier bedacht om met computers te communiceren: een spiergestuurde interface die handsfree, gebareninteractie mogelijk maakt.
Een band van elektroden hecht zich aan de onderarm van een persoon en leest de elektrische activiteit van verschillende armspieren af. Deze signalen worden vervolgens gecorreleerd aan specifieke handgebaren, zoals het samen aanraken van een vinger en duim of het steviger vastpakken van een voorwerp dan normaal. De onderzoekers stellen zich voor om de technologie te gebruiken om nummers in een mp3-speler te veranderen tijdens het hardlopen of om een game als Guitar Hero te spelen zonder de gebruikelijke plastic controller.
Op spieren gebaseerde computerinteractie is niet nieuw. In feite worden de spieren in de buurt van een geamputeerd of ontbrekend ledemaat soms gebruikt om mechanische protheses te controleren. Maar hoewel onderzoekers eerder spier-computerinteractie voor niet-gehandicapte gebruikers hebben onderzocht, was de aanpak beperkt praktisch. Het is moeilijk om op betrouwbare wijze gebaren af te leiden uit spierbewegingen, dus dergelijke interfaces zijn vaak beperkt gebleven tot het waarnemen van een beperkt aantal gebaren of bewegingen.
multimedia
Bekijk de spier-computer-interface gekoppeld aan Microsoft Surface.
Het nieuwe spiergevoelige project gaat achter gezonde consumenten aan die rijkere invoermodaliteiten willen, zegt Desney Tan , een onderzoeker bij Microsoft. Als gevolg daarvan moesten hij en zijn collega's een systeem bedenken dat goedkoop en onopvallend was en een reeks gebaren betrouwbaar aanvoelde.
De meest recente interface van de groep, gepresenteerd op de Software en technologie voor gebruikersinterface conferentie eerder deze maand in Victoria, British Columbia, maakt gebruik van zes elektromyografiesensoren (EMG) en twee aardelektroden die in een ring rond de rechterbovenarm van een persoon zijn geplaatst om de vingerbeweging te detecteren, en twee sensoren op de linkerbovenarm voor het herkennen van handknijpen. Hoewel deze sensoren bedraad en afzonderlijk geplaatst zijn, is hun oriëntatie niet exact - dat wil zeggen, specifieke spieren zijn niet gericht. Dit betekent dat de resultaten vergelijkbaar moeten zijn voor een dunne EMG-armband die een ongetraind persoon zonder hulp kan omdoen, zegt Tan. Het onderzoek bouwt voort op eerder werk waarbij een duurder EMG-systeem betrokken was om vingergebaren te voelen wanneer een hand op een plat oppervlak wordt gelegd.
De sensoren kunnen spieractiviteit niet direct nauwkeurig interpreteren. Software moet worden getraind om de elektrische signalen te associëren met verschillende gebaren. De onderzoekers gebruikten standaard algoritmen voor machinaal leren, die hun nauwkeurigheid in de loop van de tijd verbeteren (de aanpak is vergelijkbaar met die welke Tan gebruikt voor zijn hersen-computerinterfaces.)
We hebben veel tijd besteed aan het uitzoeken hoe we de gebruiker ertoe kunnen brengen het apparaat op de juiste manier te kalibreren, zegt Tan. De software leert EMG-signalen te herkennen die worden geproduceerd als de gebruiker gebaren op een specifieke, gecontroleerde manier uitvoert.
De algoritmen richten zich op drie specifieke kenmerken van de EMG-gegevens: de omvang van spieractiviteit, de snelheid van spieractiviteit en de golfachtige activiteitspatronen die optreden over meerdere sensoren tegelijk. Deze drie functies, zegt Tan, bieden een redelijk nauwkeurige manier om bepaalde soorten gebaren te identificeren. Na de training kon de software meer dan 85 procent van de tijd nauwkeurig de gebaren van veel deelnemers bepalen, en sommige gebaren meer dan 90 procent.
Vooral in de vroege stadia van de training moeten de gebaren van een deelnemer zorgvuldig worden begeleid om ervoor te zorgen dat de algoritmen voor machine learning correct worden getraind. Maar Tan zegt dat zelfs met een kleine hoeveelheid feedback, proefpersonen zich vrij natuurlijk zouden aanpassen en van houding en gebaren zouden veranderen om drastisch betere prestaties te krijgen. Hij zegt dat het een belangrijk onderdeel van het trainingsproces werd om gebruikers de juiste reactie van het systeem te laten triggeren.
De meeste hedendaagse computerinterfaces vereisen de volledige aandacht van de gebruiker, zegt Pattie Maes , hoogleraar mediakunsten en -wetenschappen aan het MIT. We hebben dringend nieuwe interfaces nodig, zoals die ontwikkeld door het Microsoft-team, om een naadlozere integratie van digitale informatie en toepassingen in ons drukke dagelijkse leven mogelijk te maken.
Tan en collega's werken nu aan een prototype dat gebruikmaakt van een draadloze band die gemakkelijk op iemands arm kan worden geschoven, evenals een zeer snel trainingssysteem. De onderzoekers testen ook hoe goed het systeem werkt als mensen lopen en rennen terwijl ze het dragen.
Uiteindelijk, zegt Tan, zal volledige lichaamsbeheersing leiden tot fundamenteel nieuwe manieren om computers te gebruiken. We weten dat het iets te maken heeft met het feit dat gebaren mobiel, altijd beschikbaar en natuurlijk zijn, maar we werken nog steeds aan het exacte paradigma, zegt hij.