人工智能系统识别手势

识别人体手势人工智能系统在过去十年中一直是有价值的发展，并以高精度采用手术机器人，健康监测设备和游戏系统。

通过整合可穿戴传感器的输入，一种被称为“数据融合”的方法，最初只有视觉的人工智能手势识别系统得到了改进。的可穿戴式传感器重新创造皮肤的感知能力，其中一个被称为'somatosory'。

然而，手势识别的精度仍然受到来自可穿戴传感器的低质量数据的影响，这通常是由于它们的体积和与用户的不良接触，以及视觉阻塞的物体和光线差的影响。进一步的挑战来自于视觉和感觉数据的集成，因为它们代表的是不匹配的数据集，必须分别处理，然后在最后合并，这是低效的，并导致响应时间较慢。

为了解决这些挑战，NTU团队创建了一种“生物悬浮”的数据融合系统，它使用由单壁碳纳米管制成的皮肤和皮肤拉伸应变传感器，以及一种类似于皮肤病和视力在一起处理的方式的AI方法大脑。

NTU科学家通过在一个系统中结合三种神经网络方法来开发他们的生物启发性AI系统：它们使用了“卷积神经网络”，这是一种用于早期视觉处理的机器学习方法，是用于早期的躯体感觉信息处理的多层神经网络，和一个“稀疏神经网络”将视觉和躯体传感信息融合在一起。结果是一种系统，可以比现有方法更准确和高效地识别人类手势。

该研究的主要作者、南洋理工大学材料科学与工程学院的陈晓东教授说:“我们的数据融合架构有其独特的生物灵感特征，包括一个类似大脑中躯体感觉和视觉融合层次的人造系统。我们相信，这些特点使我们的建筑独特于现有的方法。”

“与刚性可穿戴式传感器相比，不与用户进行宽敞的接触以进行准确的数据收集，我们的创新使用可舒适地附着在人体皮肤上的可伸缩菌株传感器。这允许高质量的信号采集，这对高度至关重要- 专制识别任务，“陈文档摘要，该教授是NTU的灵活设备（IFLEX）创新中心的主管。

在恶劣环境条件下具有较高的识别精度

为了捕获手势的可靠感官数据，研究团队制造了透明，可伸缩的应变传感器，可粘附在皮肤上，但在相机图像中不能看到。

作为概念证明，团队使用手势控制的机器人测试了他们的生物启发AI系统，并通过迷宫引导。结果表明，由生物启发AI系统提供动力的手势识别能够通过零误差引导机器人，而基于视觉识别系统的六个识别误差相比。当在包括噪声和不利照明的差的条件下测试新的AI系统时，还保持了高精度。AI系统在黑暗中有效地工作，实现了超过96.7％的识别准确性。

王明博士研究的第一作者,来自材料科学与工程学院南大新加坡,说,“高精度在我们的体系结构背后的秘密在于视觉和躯体感觉信息互动和互补在早期阶段进行复杂的解释。因此，系统可以合理地收集连贯的信息，减少冗余数据，减少感知歧义，从而获得更好的准确性”。

德国马克斯·普朗克胶体和界面研究所所长Markus Antonietti教授提供了独立的观点，他说:“这篇论文的发现让我们向更智能、更由机器支持的世界又迈进了一步。就像改变了社会的智能手机的发明一样，这项工作给了我们希望，有一天我们可以通过一个手势，非常可靠和精确地控制我们周围的世界。”

“这种技术在市场上有无数的应用来支持这种未来。例如，从远程机器人控制智能工作场所到老年人的外骨骼。”

NTU研究团队现在正在寻求建立一个VR与AR系统基于AI系统开发的，用于期望高精度识别和控制的领域，例如家庭中的娱乐技术和康复。

该团队在科学期刊上发表了调查结果电子性质。