211service.com
Interfaccia computer muscolosa
È un buon momento per comunicare con i computer. Non siamo più vincolati dal mouse e dalla tastiera: gli schermi tattili e i controller basati sui gesti stanno diventando sempre più comuni. Una startup chiamata Emotiv Systems vende persino un cappuccio che legge l'attività cerebrale, consentendo a chi lo indossa di controllare un gioco per computer con i suoi pensieri.
Chitarra aerea: Il software interpreta i segnali inviati dai sensori elettromiografici collegati a un avambraccio, consentendo all'utente di controllare giochi per computer come Guitar Hero e Rock Band.
Ora, i ricercatori di Microsoft, dell'Università di Washington a Seattle e dell'Università di Toronto in Canada hanno escogitato un altro modo per interagire con i computer: un'interfaccia controllata dai muscoli che consente l'interazione gestuale a mani libere.
Una fascia di elettrodi si attacca all'avambraccio di una persona e legge l'attività elettrica da diversi muscoli del braccio. Questi segnali sono quindi correlati a gesti delle mani specifici, come toccare un dito e un pollice insieme o afferrare un oggetto più stretto del normale. I ricercatori prevedono di utilizzare la tecnologia per cambiare le canzoni in un lettore MP3 durante l'esecuzione o per giocare a un gioco come Guitar Hero senza il solito controller di plastica.
L'interazione con il computer basata sui muscoli non è nuova. Infatti, i muscoli in prossimità di un arto amputato o mancante vengono talvolta utilizzati per controllare le protesi meccaniche. Ma, mentre i ricercatori hanno già esplorato l'interazione muscolo-computer per utenti non disabili, l'approccio ha avuto una praticità limitata. È difficile inferire i gesti in modo affidabile dal movimento muscolare, quindi tali interfacce sono state spesso limitate al rilevamento di una gamma limitata di gesti o movimenti.
Multimedia
Guarda l'interfaccia muscolo-computer abbinata a Microsoft Surface.
Il nuovo progetto di rilevamento muscolare si rivolge a consumatori sani che desiderano modalità di input più ricche, afferma Desney Tan , ricercatore presso Microsoft. Di conseguenza, lui e i suoi colleghi hanno dovuto inventare un sistema che fosse poco costoso e discreto e che rilevasse in modo affidabile una serie di gesti.
L'interfaccia più recente del gruppo, presentata al Software e tecnologia dell'interfaccia utente conferenza all'inizio di questo mese a Victoria, British Columbia, utilizza sei sensori di elettromiografia (EMG) e due elettrodi di massa disposti in un anello attorno all'avambraccio superiore destro di una persona per rilevare il movimento delle dita e due sensori sull'avambraccio superiore sinistro per riconoscere le strette di mano. Sebbene questi sensori siano cablati e posizionati individualmente, il loro orientamento non è esatto, ovvero i muscoli specifici non sono mirati. Ciò significa che i risultati dovrebbero essere simili per un bracciale EMG sottile che una persona non addestrata potrebbe indossare senza assistenza, dice Tan. La ricerca si basa su lavori precedenti che prevedevano un sistema EMG più costoso per rilevare i gesti delle dita quando una mano è appoggiata su una superficie piana.
I sensori non sono in grado di interpretare immediatamente con precisione l'attività muscolare. Il software deve essere addestrato ad associare i segnali elettrici a diversi gesti. I ricercatori hanno utilizzato algoritmi standard di apprendimento automatico, che migliorano la loro precisione nel tempo (l'approccio è simile a quello che Tan usa per le sue interfacce cervello-computer).
Abbiamo passato molto tempo a cercare di capire come convincere l'utente a calibrare il dispositivo in modo appropriato, afferma Tan. Il software impara a riconoscere i segnali EMG prodotti mentre l'utente esegue gesti in modo specifico e controllato.
Gli algoritmi si concentrano su tre caratteristiche specifiche dei dati EMG: l'entità dell'attività muscolare, il tasso di attività muscolare e gli schemi di attività ondulati che si verificano su più sensori contemporaneamente. Queste tre caratteristiche, afferma Tan, forniscono un modo abbastanza accurato per identificare determinati tipi di gesto. Dopo l'allenamento, il software è in grado di determinare con precisione molti dei gesti dei partecipanti più dell'85 percento delle volte e alcuni gesti più del 90 percento.
Soprattutto nelle prime fasi della formazione, i gesti di un partecipante devono essere guidati con attenzione per garantire che gli algoritmi di apprendimento automatico siano addestrati correttamente. Ma Tan dice che anche con una piccola quantità di feedback, i soggetti del test si adatterebbero in modo abbastanza naturale e cambierebbero posture e gesti per ottenere prestazioni drasticamente migliorate. Dice che avere gli utenti che attivano la risposta appropriata dal sistema è diventato una parte importante del processo di formazione.
La maggior parte delle interfacce per computer odierne richiedono la completa attenzione dell'utente, afferma Pattie Maes , professore di arti e scienze dei media al MIT. Abbiamo un disperato bisogno di nuove interfacce come quella sviluppata dal team Microsoft per consentire un'integrazione più fluida delle informazioni e delle applicazioni digitali nella nostra frenetica vita quotidiana.
Tan e colleghi stanno ora lavorando a un prototipo che utilizza una banda wireless che può essere facilmente infilata sul braccio di una persona, nonché un sistema di allenamento molto rapido. I ricercatori stanno anche testando il funzionamento del sistema quando le persone camminano e corrono mentre lo indossano.
Alla fine, dice Tan, il controllo completo del corpo porterà a modi fondamentalmente nuovi di usare i computer. Sappiamo che ha qualcosa a che fare con i gesti che sono mobili, sempre disponibili e naturali, ma stiamo ancora lavorando sul paradigma esatto, dice.