211service.com
Interfaz de computadora ligada a músculos
Es un buen momento para comunicarse con las computadoras. Ya no estamos limitados por el mouse y el teclado: las pantallas táctiles y los controladores basados en gestos se están volviendo cada vez más comunes. Una startup llamada Emotiv Systems incluso vende una gorra que lee la actividad cerebral, lo que permite al usuario controlar un juego de computadora con sus pensamientos.
Guitarra de aire: El software interpreta las señales enviadas desde los sensores de electromiografía conectados a un antebrazo, lo que permite al usuario controlar juegos de computadora como Guitar Hero y Rock Band.
Ahora, investigadores de Microsoft, la Universidad de Washington en Seattle y la Universidad de Toronto en Canadá han ideado otra forma de interactuar con las computadoras: una interfaz controlada por músculos que permite la interacción gestual con manos libres.
Una banda de electrodos se adhiere al antebrazo de una persona y lee la actividad eléctrica de diferentes músculos del brazo. Estas señales luego se correlacionan con gestos específicos de la mano, como tocar un dedo y un pulgar juntos, o agarrar un objeto con más fuerza de lo normal. Los investigadores prevén utilizar la tecnología para cambiar canciones en un reproductor MP3 mientras se ejecuta o para jugar un juego como Guitar Hero sin el controlador de plástico habitual.
La interacción con la computadora basada en los músculos no es nueva. De hecho, los músculos cercanos a una extremidad amputada o faltante a veces se utilizan para controlar las prótesis mecánicas. Pero, si bien los investigadores han explorado antes la interacción músculo-computadora para usuarios sin discapacidades, el enfoque ha tenido una practicidad limitada. Es difícil inferir gestos de manera confiable a partir del movimiento muscular, por lo que tales interfaces a menudo se han restringido a detectar una gama limitada de gestos o movimientos.
Multimedia
Observe la interfaz de computadora muscular acoplada a Microsoft Surface.
El nuevo proyecto de detección de músculos persigue consumidores saludables que desean modalidades de entrada más ricas, dice Desney Tan , investigador de Microsoft. Como resultado, él y sus colegas tuvieron que idear un sistema que fuera económico y discreto y que detectara de manera confiable una variedad de gestos.
La interfaz más reciente del grupo, presentada en el Software y tecnología de interfaz de usuario La conferencia a principios de este mes en Victoria, Columbia Británica, utiliza seis sensores de electromiografía (EMG) y dos electrodos de tierra dispuestos en un anillo alrededor de la parte superior del antebrazo derecho de una persona para detectar el movimiento de los dedos, y dos sensores en la parte superior del antebrazo izquierdo para reconocer los apretones de manos. Si bien estos sensores están conectados y colocados individualmente, su orientación no es exacta, es decir, no se enfocan músculos específicos. Esto significa que los resultados deberían ser similares para un brazalete EMG delgado que una persona no capacitada podría ponerse sin ayuda, dice Tan. La investigación se basa en trabajos anteriores que incluían un sistema EMG más caro para detectar los gestos de los dedos cuando se coloca una mano sobre una superficie plana.
Los sensores no pueden interpretar con precisión la actividad muscular de inmediato. El software debe estar capacitado para asociar las señales eléctricas con diferentes gestos. Los investigadores utilizaron algoritmos estándar de aprendizaje automático, que mejoran su precisión con el tiempo (el enfoque es similar al que usa Tan para sus interfaces cerebro-computadora).
Pasamos mucho tiempo tratando de averiguar cómo hacer que el usuario calibrara el dispositivo de una manera adecuada, dice Tan. El software aprende a reconocer las señales EMG producidas cuando el usuario realiza gestos de una manera específica y controlada.
Los algoritmos se enfocan en tres características específicas de los datos de EMG: la magnitud de la actividad muscular, la tasa de actividad muscular y los patrones de actividad en forma de onda que ocurren en varios sensores a la vez. Estas tres características, dice Tan, proporcionan una forma bastante precisa de identificar ciertos tipos de gestos. Después del entrenamiento, el software pudo determinar con precisión muchos de los gestos de los participantes más del 85 por ciento del tiempo y algunos gestos más del 90 por ciento.
Especialmente en las primeras etapas de la capacitación, los gestos de un participante deben guiarse cuidadosamente para garantizar que los algoritmos de aprendizaje automático se entrenan correctamente. Pero Tan dice que incluso con una pequeña cantidad de comentarios, los sujetos de prueba se adaptarían y cambiarían de forma bastante natural las posturas y los gestos para obtener un rendimiento drásticamente mejorado. Él dice que hacer que los usuarios activen la respuesta adecuada del sistema se convirtió en una parte importante del proceso de capacitación.
La mayoría de las interfaces de computadora actuales requieren la atención completa del usuario, dice Pattie Maes , profesor de artes y ciencias de los medios en el MIT. Necesitamos desesperadamente interfaces novedosas como la desarrollada por el equipo de Microsoft para permitir una integración más fluida de la información y las aplicaciones digitales en nuestra ajetreada vida diaria.
Tan y sus colegas ahora están trabajando en un prototipo que utiliza una banda inalámbrica que se puede colocar fácilmente en el brazo de una persona, así como un sistema de entrenamiento muy rápido. Los investigadores también están probando qué tan bien funciona el sistema cuando las personas caminan y corren mientras lo usan.
En última instancia, dice Tan, el control de todo el cuerpo conducirá a formas fundamentalmente nuevas de usar las computadoras. Sabemos que tiene algo que ver con que los gestos sean móviles, estén siempre disponibles y sean naturales, pero todavía estamos trabajando en el paradigma exacto, dice.