KAIST20日表示,计算机学部赵成昊教授研究团队与首尔大学机械工程系高承焕教授研究团队合作研究,将深度学习技术与传感器结合,开发出能以最少数据精确测量人体动作的柔性"皮肤型传感器"。
联合研究团队开发的皮肤型传感器,应用了以贴附于皮肤的最少传感器精确测量人体动作产生的复合信号,并通过深度学习技术加以分离、分析的技术。
本次研究由金旼、金权奎、河仁浩研究员共同担任第一作者,论文已刊登于国际学术期刊《自然·通讯》(Nature Communications)5月1日在线版。
在测量人体动作的方法中,使用最广泛的动作捕捉摄像机方式只能在安装摄像机的空间内测量动作,一直受到场地限制。相反,使用可穿戴设备则可不受场地限制地测量使用者的状态变化,从而在多种环境下传递人的状态。
不过,现有可穿戴设备是在测量部位直接贴附传感器进行测量,因此存在测量部位即关节增多时,所需传感器从数十个增至多达数百个的缺点。
联合研究团队开发的皮肤型传感器是基于"裂纹"的高灵敏度传感器,贴附在远离人体动作发生源的位置也可间接测量人体动作。"裂纹"是指纳米颗粒产生裂隙,研究团队解释,通过该裂隙引起的传感器数值变化,甚至可测量细微的手腕动作变化。
研究团队还使用深度学习模型,分析传感器的时间序列信号,仅凭贴附于手腕的一个传感器信号即可测量多种手指关节动作。为校正不同使用者间的信号差异并将数据采集降至最低,团队通过迁移学习(Transfer Learning)传递既有已学习的知识。由此成功构建了以少量数据和较短学习时间训练模型的系统。
KAIST赵成昊教授表示:"本次研究的意义在于提出了利用深度学习技术在实际环境中更有效获取人体实时信息的方法",并预计"若应用该测量方法,可穿戴增强现实技术的普及时代将更快到来"。
首尔大学高承焕教授也强调:"高灵敏度皮肤型传感器与深度学习技术的有效结合,有望成为今后备受关注的可穿戴虚拟/增强现实设备的新型输入系统。"
/大田=朴熙润 记者 hypark@sedaily.com






