机器学习辅助的手势传感器用石墨烯/碳纳米管制成,用于手语识别
Hao-Yuan Shen1,2, Yu-Tao Li1, Hang Liu3
1School of Integrated Circuits and Electronics, MIIT Key Laboratory for Low-Dimensional Quantum Structure and Devices, Beijing Institute of Technology, Beijing 100081, China.
ACS applied materials & interfaces
|September 19, 2024
概括
灵感来自蜘蛛丝,一个新的核心外手势传感器实现了高灵敏度和广泛的响应范围. 结合深度学习,它可以实现精确的单一和连续的手势识别,以改善人机交互.
科学领域:
- 材料科学 材料科学 材料科学
- 人与计算机的交互
- 人工智能的人工智能
背景情况:
- 手势传感器对于人机接口至关重要,但在高灵敏度和广泛的响应范围的同时,它们仍在扎.
- 现有的传感器在精确捕捉复杂交互的微妙的人类运动方面存在局限性.
研究的目的:
- 开发一种新的手势传感器,其灵感来源于天然蜘蛛丝结构.
- 为了提高手势感知技术的灵敏度和响应范围.
- 将传感器与深度学习进行集成,以实现先进的手势识别.
主要方法:
- 一个核心外结构的手势传感器模仿蜘蛛丝的制造.
- 传感器性能的表征,包括测量因子和响应范围.
- 使用深度学习,滑动窗技术和大型语言模型开发手势识别系统.
主要成果:
- 拟议的传感器具有很高的测量系数 (高达340) 和广泛的响应范围 (60%).
- 集成系统在单个手势识别中实现了99%的准确性.
- 使用滑动窗口和大型语言模型技术,连续的手势 (句子) 识别达到97%的准确性.
结论:
- 新型核心外手势传感器显著提高了灵敏度和响应范围.
- 先进的传感器技术和深度学习的结合为精确的手势识别提供了高性能解决方案.
- 这项技术有可能改善手语用户的日常沟通,并推进人机界面.
