Berkeley: imagínese escribiendo en una computadora sin un teclado, jugando un videojuego sin un controlador o conduciendo un automóvil sin un volante.
Ese es uno de los objetivos de un nuevo dispositivo desarrollado por ingenieros de la Universidad de California, Berkeley, que puede reconocer los gestos de las manos basándose en señales eléctricas detectadas en el antebrazo. El sistema, que combina biosensores portátiles con inteligencia artificial IA,algún día podría usarse para controlar prótesis o para interactuar con casi cualquier tipo de dispositivo electrónico.
"Las prótesis son una aplicación importante de esta tecnología, pero además de eso, también ofrece una forma muy intuitiva de comunicarse con las computadoras", dijo Ali Moin, quien ayudó a diseñar el dispositivo como estudiante de doctorado en el Departamento de Ingeniería Eléctrica de UC Berkeley yCiencias de la Computación ". Leer los gestos con las manos es una forma de mejorar la interacción entre humanos y computadoras. Y, aunque hay otras formas de hacerlo, por ejemplo, mediante el uso de cámaras y visión por computadora, esta es una buena solución que también mantiene la privacidad de una persona.. "
Moin es co-primer autor de un nuevo artículo que describe el dispositivo, que apareció en línea el 21 de diciembre en la revista Electrónica de la naturaleza .
Para crear el sistema de reconocimiento de gestos de la mano, el equipo colaboró con Ana Arias, profesora de ingeniería eléctrica en UC Berkeley, para diseñar un brazalete flexible que pueda leer las señales eléctricas en 64 puntos diferentes del antebrazo. Las señales eléctricas sealimentado en un chip eléctrico, que está programado con un algoritmo de IA capaz de asociar estos patrones de señal en el antebrazo con gestos específicos de la mano.
El equipo logró enseñarle al algoritmo a reconocer 21 gestos con las manos individuales, incluidos un pulgar hacia arriba, un puño, una mano plana, levantar los dedos individuales y contar números.
"Cuando desea que los músculos de su mano se contraigan, su cerebro envía señales eléctricas a través de las neuronas del cuello y los hombros a las fibras musculares de los brazos y las manos", dijo Moin. "Básicamente, lo que detectan los electrodos del brazalete es estocampo eléctrico. No es tan preciso, en el sentido de que no podemos identificar qué fibras exactas se activaron, pero con la alta densidad de electrodos, aún puede aprender a reconocer ciertos patrones ".
Al igual que otros programas de inteligencia artificial, el algoritmo primero tiene que "aprender" cómo las señales eléctricas en el brazo se corresponden con los gestos de las manos individuales. Para hacer esto, cada usuario debe usar el brazalete mientras hace los gestos con las manos uno por uno.
Sin embargo, el nuevo dispositivo utiliza un tipo de inteligencia artificial avanzada llamada algoritmo de computación hiperdimensional, que es capaz de actualizarse con nueva información.
Por ejemplo, si las señales eléctricas asociadas con un gesto específico de la mano cambian porque el brazo de un usuario suda o levanta el brazo por encima de la cabeza, el algoritmo puede incorporar esta nueva información en su modelo.
"En el reconocimiento de gestos, sus señales van a cambiar con el tiempo y eso puede afectar el rendimiento de su modelo", dijo Moin. "Pudimos mejorar en gran medida la precisión de la clasificación al actualizar el modelo en el dispositivo".
Otra ventaja del nuevo dispositivo es que toda la computación ocurre localmente en el chip: no se transmiten datos personales a una computadora o dispositivo cercano. Esto no solo acelera el tiempo de computación, sino que también asegura que los datos biológicos personalespermanecer privado.
"Cuando Amazon o Apple crean sus algoritmos, ejecutan un montón de software en la nube que crea el modelo, y luego el modelo se descarga en su dispositivo", dijo Jan Rabaey, profesor distinguido de ingeniería eléctrica de Donald O. Pedersenen UC Berkeley y autor principal del artículo. "El problema es que entonces estás atrapado con ese modelo en particular. En nuestro enfoque, implementamos un proceso en el que el aprendizaje se realiza en el dispositivo mismo. Y es extremadamente rápido:sólo tienes que hacerlo una vez y comienza a hacer el trabajo. Pero si lo haces más veces, puede mejorar. Por lo tanto, está aprendiendo continuamente, que es como lo hacemos los humanos ".
Si bien el dispositivo aún no está listo para ser un producto comercial, Rabaey dijo que probablemente podría llegar allí con algunos ajustes.
"La mayoría de estas tecnologías ya existen en otros lugares, pero lo único de este dispositivo es que integra la biodetección, el procesamiento e interpretación de señales y la inteligencia artificial en un sistema que es relativamente pequeño y flexible y tiene un bajo presupuesto de energía", Rabaeydijo.
Fuente de la historia :
Materiales proporcionado por Universidad de California - Berkeley . Original escrito por Kara Manke. Nota: el contenido se puede editar por estilo y longitud.
Referencia de la revista :
cite esta página :