傳感器應用韓國科學技術高等研究院（KAIST）研究人員提供了一種深度學習供電的單應變電子皮膚傳感器，可以從遠處捕獲人體運動。

韓國科學技術高等研究院（KAIST）研究人員提供了一種深度學習供電的單應變電子皮膚傳感器，可以從遠處捕獲人體運動。手腕上的單個應變傳感器可以通過虛擬的3D指針實時反映復雜的五指動作，該動作可以反映原始動作。

深度學習傳感器收集震中運動。圖片來源：韓國科學技術高等研究院（KAIST）

這項研究的概念起源于這樣一個想法：即精確定位單個區域比在每個關節和肌肉上粘貼傳感器能更有效地識別運動。為了使這種目標定位策略有效，需要精確地捕獲來自不同區域的信號，然后將這些信號中的信息解耦。為了最大限度地提高用戶的可用性和移動性，研究小組使用了一個單通道傳感器來產生對應于復雜手勢的信號。

為了提高傳感器的靈敏度，研究人員使用了激光誘導的納米級裂紋。傳統方法需要許多傳感器網絡來覆蓋目標區域的整個曲線表面，與傳統的晶圓制造不同，這種激光制造為運動跟蹤提供了一種新的傳感模式。這種新的測量系統通過使用激光技術在金屬納米顆粒薄膜中產生裂紋，提取與多個手指運動相對應的信號。然后將傳感器貼片連接到用戶的手腕上，以檢測手指的運動。

由快速態勢學習（RSL）推動的深度神經網絡可確保穩定的操作，而不管其在皮膚表面上的位置如何。快速態勢學習（RSL）系統從手腕上的任意部位收集數據，并用一只虛擬的三維手實時地訓練模型，該手可以反映原始動作。

基于遷移學習的RSL系統。圖片提供：KAIST的Sungho Jo教授

這種傳感系統可以用一個小的傳感網絡來跟蹤整個人體的運動，便于對人體運動進行間接的遠程測量，適用于可穿戴的VR/AR系統。

研究小組說，他們在開發傳感器的同時，專注于兩項任務。首先，他們將傳感器信號模式分析成一個包含時間傳感器行為的潛在空間，然后將潛在向量映射到手指運動度量空間。

據悉，該系統可以擴展到其他身體部位，該傳感器還能夠從骨盆提取步態運動。這項技術有望成為健康監測、運動跟蹤和軟機器人技術的一個轉折點。

自新型冠狀病毒肺炎疫情爆發以來，傳感器專家網一直密切關注疫情進展，根據國家及地方政府的最新調控與安排，為更好的服務相關企業，在疫情期間，傳感器專家網免費發布企業相關文章，免費成為傳感器專家網認證作者，請點擊認證，大家同心協力，抗擊疫情，為早日打贏這場防控攻堅戰貢獻自己的一份力量。