Capturar posturas interactivas de la mano en tiempo real y con resultados realistas es un problema bien examinado en informática, particularmente la informática centrada en el ser humano y la tecnología de captura de movimiento. Las manos humanas son complejas: un complejo sistema de flexores, extensores y capacidades sensoriales que sirvencomo nuestro principal medio para manipular objetos físicos y comunicarnos entre nosotros. La captura de movimiento precisa de las manos es relevante e importante para muchas aplicaciones, como juegos, dominios de realidad aumentada y virtual, robótica e industrias biomédicas.
Un equipo global de informáticos de ETH Zurich y la Universidad de Nueva York ha avanzado aún más en esta área de investigación al desarrollar un guante de datos de detección de estiramiento fácil de usar para capturar poses de manos interactivas en tiempo real con mucha más precisión.
El equipo de investigación, incluidos Oliver Glauser, Shihao Wu, Otmar Hilliges y Olga Sorkine-Hornung de ETH Zurich y Daniele Panozzo de NYU, demostrarán su innovador guante en SIGGRAPH 2019, celebrado del 28 de julio al 1 de agosto en Los Ángeles.la reunión anual muestra a los profesionales, académicos y mentes creativas líderes del mundo a la vanguardia de los gráficos por computadora y las técnicas interactivas.
La principal ventaja de sus guantes de detección de estiramiento, dicen los investigadores, es que no requieren una configuración basada en cámara, ni ningún equipo externo adicional, y podrían comenzar a rastrear las posturas de las manos en tiempo real con solo un mínimocalibración.
"Hasta donde sabemos, nuestros guantes son los primeros guantes de captura de datos precisos basados únicamente en sensores de estiramiento", dice Glauser, autor principal del trabajo y estudiante de doctorado en ETH Zurich. "Los guantes son suaves y delgados, haciéndolos muy cómodos y discretos de usar, incluso teniendo 44 sensores integrados. Se pueden fabricar a bajo costo con herramientas comúnmente disponibles en laboratorios de fabricación ".
Glauser y sus colaboradores se propusieron superar algunos desafíos persistentes en la replicación de posturas precisas de las manos. En este trabajo, abordaron obstáculos tales como capturar los movimientos de las manos en tiempo real en una variedad de entornos y configuraciones, así como usar solo usuariosamigable con el equipo y un enfoque fácil de aprender para la configuración. Demuestran que sus guantes suaves con detección de estiramiento tienen éxito en calcular con precisión las posturas de las manos en tiempo real, incluso mientras el usuario sostiene un objeto físico y en condicionescomo poca luz.
Los investigadores utilizaron un compuesto de silicona en forma de mano equipado con 44 sensores de estiramiento y lo unieron a un guante hecho de tela suave y delgada. Para reconstruir la postura de la mano a partir de las lecturas del sensor, los investigadores utilizan un modelo basado en datosque explota el diseño del sensor en sí. El modelo se entrena solo una vez; y para recopilar datos de entrenamiento, los investigadores utilizan un sistema de reconstrucción de pose de mano económico y listo para usar.
Para el estudio, comparan la precisión de sus guantes sensores con dos productos de guantes comerciales de última generación. En todas las poses, excepto en una mano, los nuevos guantes de detección de estiramiento de los investigadores recibieron el menor retorno de error por cadapose interactiva.
En el trabajo futuro, el equipo tiene la intención de explorar cómo se podría utilizar un enfoque de sensor similar para rastrear un brazo completo para obtener la posición y orientación global del guante, o tal vez incluso un traje de cuerpo completo. Actualmente, los investigadores han fabricado mediosguantes de tamaño y les gustaría expandirse a otros tamaños y formas.
"Este es un problema ya bien estudiado, pero encontramos nuevas formas de abordarlo en términos de los sensores empleados en nuestro diseño y nuestro modelo basado en datos", señala Glauser. "Lo que también es emocionante de este trabajo es el multidisciplinarionaturaleza de trabajar en este problema. Se requería experiencia en varios campos, incluyendo ciencia de materiales, fabricación, ingeniería eléctrica, gráficos por computadora y aprendizaje automático ".
Fuente de la historia :
Materiales proporcionados por Asociación de Maquinaria de Computación . Nota: El contenido puede ser editado por estilo y longitud.
Cita esta página :