生物传感器转换信号来控制假肢

想象一下，在没有键盘的情况下打字，在没有控制器的情况下播放视频游戏或驾驶没有轮子的汽车。这是由UC Berkeley工程师开发的新设备的目标之一，可以根据前臂中检测到的电信号识别手势。系统，哪些夫妻可穿戴生物传感器与人工智能（AI），可以用一天用于控制假肢或与几乎任何类型的电子设备交互。

“假肢是这项技术的一个重要应用，但除此之外，它还提供了一个非常直观的方式与计算机交流。在加州大学伯克利分校(UC Berkeley)电气工程与计算机科学系攻读博士学位的阿里·莫恩(Ali Moin)参与了该设备的设计。“阅读手势是改善人机交互的一种方式。虽然有其他方法可以做到，比如，用相机和计算机视觉，这是一个很好的解决方案，同时也保护了个人隐私。”

为了创建手势识别系统，该团队与加州大学伯克利分校电气工程教授安娜·阿里亚斯(Ana Arias)合作，设计了一种可弯曲的臂带，可以读取前臂上64个不同点的电信号。然后，电信号被输入一个由人工智能编程的电子芯片算法能够用特定手势将这些信号模式与特定手势相关联。

该团队成功地教会算法识别21种手势，包括竖起大拇指、握拳、平手、举起手指和数数。

“当你希望你的手肌肉收缩时，你的大脑通过颈部和肩膀上的神经元向肌肉纤维和手中的肌肉发出电信号，”莫因说。“基本上，袖带中的电极是感测的是该电场。这不是那么精确的，从这个意义上讲，我们无法确定精确的纤维被触发，而是具有高密度的电极，它仍然可以学会识别某些模式。“

和其他人工智能软件一样，该算法必须首先“了解”手臂上的电信号如何与个人手势相对应。为了做到这一点，每个用户都必须戴上袖口，并逐一做出手势。

然而，这款新设备使用了一种被称为“多维计算算法”的高级人工智能，能够用新信息自我更新。

例如，如果与特定手势的电信号发生变化，因为用户的臂变为汗水，或者它们在其头顶上升，则算法可以将此新信息包含在其模型中。“在手势识别中，你的信号将随着时间的推移而变化，这可能会影响模型的性能，”Moin说。“我们通过更新设备上的模型，我们能够大大提高分类准确性。”

新设备的另一个优点是，所有计算都在芯片上本地发生：没有个人数据被发送到附近的计算机或设备。这不仅加速计算时间，而且还可以确保个人生物数据保持私密。

“当亚马逊或苹果加州大学伯克利分校Donald O. Pedersen电气工程杰出教授、该论文的高级作者Jan Rabaey说。“问题是，然后你就被这个特定的模式困住了。在我们的方法中，我们实现了一个过程，学习是在设备本身上完成的。它非常快:你只需要做一次，它就开始工作了。但如果你多做几次，就能做得更好。所以，它是在不断学习，这就是人类的做法。”

虽然该设备尚未准备好成为商业产品，但Rabaey说它可能会在那里有几个调整。“这些技术中的大多数都存在于其他地方，但是这方面的独特是它将生物传感，信号处理和解释以及人工智能集成到一个相对较小和灵活的系统中，并且具有低功率预算，”Rabaey说。

该研究发表于电子性质。