欧美日韩Aa在线直播_自拍青草99视频_日本一线产区和韩国二线_日韩.国产.噢美日韩精品综合观看_亚州四虎精品久久久_曰曰日在线_精品久久久av_精品欧美国产一区二区三区不卡_欧美亚洲日韩_天天ri网_国产精品看片直播_亚洲中文久久久久久精品国产_天天色天天日综合_久久久久久成人免费看A四叶草_丁香六月狠狠综合天香_永久的伊甸园_国产熟妇无码A片AAA毛片视频

搜索:  
港科大申亞京教授團隊 Sci. Adv.:觸覺交互系統(tǒng)可促進以手為中心的人機交互
2025-03-05  來源:高分子科技

  近日,由香港科技大學(xué)(HKUST)電子與計算機工程學(xué)系申亞京教授領(lǐng)導(dǎo)的研究團隊,提出了一種基于數(shù)字通道的觸覺交互系統(tǒng),可以實時測量來自手不同部位的分布力,有望在醫(yī)學(xué)評估、體育訓(xùn)練、機器人和虛擬現(xiàn)實(VR)等多個領(lǐng)域?qū)崿F(xiàn)應(yīng)用。


  經(jīng)過數(shù)百萬年的生物進化,手已成為人類意識最直接的延伸之一。我們?nèi)粘J褂玫脑S多交互設(shè)備,如手柄、鼠標(biāo)、鍵盤和觸摸板,都是為了方便手的使用而設(shè)計。然而,盡管手在我們的生活中起著至關(guān)重要的作用,但我們對手產(chǎn)生的力知之甚少。例如,抓握時每跟手指產(chǎn)生的力有何不同?手掌的力如何分布?這一知識空白極大地阻礙了包括精準醫(yī)療、體育訓(xùn)練、機器人技術(shù)、虛擬現(xiàn)實操作等多個領(lǐng)域的發(fā)展。


基于液壓、氣壓和機械彈簧原理的握力計


  近幾個世紀,基于液壓、氣壓和機械彈簧原理的握力計是評估人手施加的力的常用方法,但它們只能提供最大力的信息,缺乏空間和時間的細節(jié)分布(圖1)。柔性觸覺仿生皮膚的發(fā)展為測量力的分布提供了新的機會,按其原理,可大致分為兩類:基于電信號的陣列式傳感(壓阻式、電容式、壓電、摩擦電等)和基于視覺的傳感技術(shù)(GelsightTactip、TacLINKInsight等);陔娦盘柕膫鞲衅髟趩吸c力測量時精度非常高,但存在大面積復(fù)雜接觸變形時引起的串?dāng)_問題,出現(xiàn)精度下降;谝曈X的方法可以避免電信號的串?dāng)_問題,提供更高的魯棒性,但其量程范圍通常較。ㄍǔ<10N),且同樣面臨多點大面積接觸時精度不足的問題。此外,其標(biāo)定常需要大量數(shù)據(jù)集(通常>1GB)。簡而言之,現(xiàn)有的柔性觸覺傳感方式獲得的信息,本質(zhì)上是來自多個未知負載源耦合的復(fù)雜模擬信號,這使得分布力的解碼非常復(fù)雜,特別是對于多點大面積復(fù)雜接觸的力分布,如手部的握力。


  在最近的一項研究中,香港科技大學(xué)的科研團隊通過引入“數(shù)字通道”的概念,在分布力的接觸位置上生成可辯別的時序數(shù)字信號,解決了多點大面積復(fù)雜接觸問題,并提出了一種以手為中心的觸覺交互系統(tǒng)(PhyTac,圖2)。PhyTac由帶有標(biāo)記點陣列的仿生外殼、偏振線性光源和運動捕捉攝像頭組成。當(dāng)PhyTac受到手部施加的力時,其外殼會發(fā)生變形,同時攝像頭會捕捉到每個標(biāo)記點的運動。隨后,利用所有標(biāo)記點的位移作為輸入,物理模型增強神經(jīng)網(wǎng)絡(luò)(FEM-NN)能夠準確建立標(biāo)記點位移與手部力分布之間的映射關(guān)系。因此,系統(tǒng)能夠重建手部豐富的觸覺力學(xué)信息,與現(xiàn)有的設(shè)備相比增加了至少兩個數(shù)量級的信息量,從而在新一代的人機交互中可獲得廣泛的應(yīng)用(圖3)。


2 A. PhyTac的整體結(jié)構(gòu)和組件。B. TrkB+啟發(fā)的數(shù)字通道。C. 受螺旋女王蘆薈啟發(fā)的螺旋式標(biāo)記點排列方法


3 PhyTac的工作機制及潛在的廣泛應(yīng)用。


  “數(shù)字通道”概念的引入,可以準確識別復(fù)雜接觸的位置,從而準確解碼大面積接觸問題中的分布力。當(dāng)標(biāo)記點的閾值開關(guān)被激活時,它們被表示為邏輯“1”,而其他標(biāo)記被表示為邏輯“0”,從而形成一個代表關(guān)鍵力空間分布的數(shù)字通道。此數(shù)字通道不僅能過濾掉來自周圍刺激的不必要干擾,還能以較少的計算資源提供具有物理意義的高質(zhì)量數(shù)據(jù)(圖4)。通過將物理模型融入人工智能模型訓(xùn)練,數(shù)據(jù)集的大小可顯著減少到僅45 KB,遠小于傳統(tǒng)方法(通常需要超過1 GB的數(shù)據(jù)集)。因此,即使使用極小的數(shù)據(jù)集,該設(shè)備也能從多重耦合的模擬信號中準確識別出高達368個區(qū)域的多點刺激,對于力的重建精度也高達97.7%。


引入數(shù)字通道后,分布力的位置與幅度均可精確重建。


  “針對大規(guī)模分布式觸覺傳感技術(shù),‘?dāng)?shù)字通道’的概念能夠為解碼力的位置提供一個新的維度,從而僅通過極小的數(shù)據(jù)集就可實現(xiàn)高精度和高魯棒性!鄙杲淌诮忉屃诉@項研究的背景。


  自然界中,螺旋女王蘆薈的旋轉(zhuǎn)葉序能夠避免葉子互相遮擋,從而來最大化得捕獲陽光(圖2C)。受此啟發(fā),研究者將標(biāo)記點以類似的螺旋結(jié)構(gòu)排列以優(yōu)化光路,使得PhyTac避免了由標(biāo)記點互相遮擋引起的精度下降,并顯著提高了標(biāo)記點的分布密度,這最終提高了力的傳感范圍和分辨率。


  圖5展示了物理模型增強神經(jīng)網(wǎng)絡(luò)(FEM-NN)的原理及其在小數(shù)據(jù)集上的優(yōu)勢和高精度。FEM-NN的輸入是由數(shù)字通道得到的關(guān)鍵節(jié)點(key nodesof interest, KOI)和位移矩陣,輸出為增廣剛度矩陣,其僅需要一個很小的數(shù)據(jù)集(45KB)。引入的物理模型建立了一個力學(xué)框架(FEM),將標(biāo)記位移和力大小聯(lián)系起來,并提供了包含PhyTac材料、幾何和力學(xué)性能的寶貴先驗知識。FEM-NN模型既采用了此力學(xué)先驗知識,并得益于神經(jīng)網(wǎng)絡(luò)的強大擬合能力,有效地彌補了有限元模型與現(xiàn)實世界模型之間的物理缺失。結(jié)果表明,FEM-NN在整個量程范圍(0.5 ~ 25 N)內(nèi)均保持了較高的精度,力的平均絕對誤差為0.11 N,平均相對誤差僅為2.3%,優(yōu)于傳統(tǒng)基于純物理模型的方法和基于卷積神經(jīng)網(wǎng)絡(luò)的方法(圖5C)。


  PhyTac可直接應(yīng)用于握力分布的測量,這將有益于多種疾。ㄖ酗L(fēng)、類風(fēng)濕性關(guān)節(jié)炎等)的評估和治療。與其他潛在的解決方案(如觸覺手套)相比,此方法更加魯棒、易用和無束縛。如視頻S2所示,它可精確地識別不同握持姿勢下握力分布的動態(tài)變化。


5物理模型增強神經(jīng)網(wǎng)絡(luò)(FEM-NN)的原理


  研究者進一步將PhyTac安裝在網(wǎng)球拍上,并測量了擊打網(wǎng)球時手部的力量分布(如視頻S3所示)!拔覀儼l(fā)現(xiàn)正手擊球時,力量主要集中在食指、中指和無名指上。相比之下,反手擊球時的力量分布則有所不同,其中拇指、無名指和小指貢獻了更多的力量!北狙芯康牡谝蛔髡咛埔环逭f道。


正反手擊球時力分布的對比


  PhyTac還能通過將現(xiàn)實世界中的分布力投射到虛擬世界中,實現(xiàn)精確的虛擬現(xiàn)實(VR)操控。使用者可以用拇指和食指小心翼翼地托住一個雞蛋而不將其捏碎,或者當(dāng)總力量超過一定閾值時用三根手指捏碎它。同樣地,作者還展示了用握力捏碎花瓶,以及如何用不同的分布力精確操控軟球的變形(圖7和視頻S4)!按送猓靡嬗PhyTac在三維空間中的靈活性,它可以作為遙控操作界面,控制機器人手拿起、握住并傳遞一個薄塑料杯,而不會將其捏壞!碧埔环逖a充道


在虛擬世界中精確操控雞蛋、花瓶和軟球(上圖)。遙控機器人手抓取、握住和傳遞物體(下圖)。


  對于下一步的研究工作,團隊計劃將“數(shù)字通道”概念應(yīng)用于其他幾何形狀的視觸覺傳感器上。他們認為,當(dāng)克服干擾問題時,其他類型的分布式軟觸覺傳感器,如電阻式和電容式傳感器,也將從這項研究中獲益。


  “我們的目標(biāo)是為物理世界、虛擬世界和機器人之間建立智能交互的橋梁。PhyTac是實現(xiàn)這一目標(biāo)的重要一步。它加深了我們對手部動作的理解,我們期望它能成為一種以手為中心的媒介,在醫(yī)學(xué)評估、體育訓(xùn)練、機器人和虛擬現(xiàn)實(VR)等多個領(lǐng)域?qū)?/span>現(xiàn)應(yīng)用!痹擁椖康呢撠(zé)人申亞京教授說道。


  這項工作的其他共同作者包括來自香港科技大學(xué)的博士后研究員李根博士、張鐵山博士以及研究助理教授楊雄博士,來自香港城市大學(xué)的任豪和郭棟,以及來自南開大學(xué)的楊柳教授。此研究成果已發(fā)表在《科學(xué)進展》(Science Advances)期刊上,論文標(biāo)題為Digital Channel-enabled Distributed Force Decoding via Small Datasets for Hand-centric Interactions.


  原文鏈接:https://www.science.org/doi/10.1126/sciadv.adt2641

版權(quán)與免責(zé)聲明:本網(wǎng)頁的內(nèi)容由中國聚合物網(wǎng)收集互聯(lián)網(wǎng)上發(fā)布的信息整理獲得。目的在于傳遞信息及分享,并不意味著贊同其觀點或證實其真實性,也不構(gòu)成其他建議。僅提供交流平臺,不為其版權(quán)負責(zé)。如涉及侵權(quán),請聯(lián)系我們及時修改或刪除。郵箱:info@polymer.cn。未經(jīng)本網(wǎng)同意不得全文轉(zhuǎn)載、摘編或利用其它方式使用上述作品。
(責(zé)任編輯:xu)
】【打印】【關(guān)閉

誠邀關(guān)注高分子科技

更多>>最新資訊
更多>>科教新聞