March 19, 2024

MIT ontwikkelt een ‘magische’ mat die kan detecteren of een persoon zit of andere oefeningen doet

Onderzoekers van het Massachusetts Institute of Technology hebben een ‘slimme’ mat ontwikkeld die menselijke bewegingen en staande bewegingen kan waarnemen zonder camera’s te gebruiken, waardoor een hele nieuwe wereld voor zowel gaming als gezondheidszorg wordt geopend.

In deze week Conferentie over computervisie en patroonherkenning, heeft een team van het Massachusetts Institute of Technology (MIT) Computer Science and Artificial Intelligence Laboratory (CSAIL) een 36′ x 2′-mat gedemonstreerd die de positie, beweging en relatie van een incubator met de aarde in een 3D-model kan afleiden.

Als de gebruiker op de mat stapt en gaat zitten, kan het systeem een ​​afbeelding van een zittende persoon produceren.

De mat wordt getraind op gelijktijdige tactiele en visuele gegevens, zoals videobeelden en een warmtekaart van een vrijwilliger die een sit-up of push-up doet.

Scroll naar beneden voor de video

Onderzoekers van het Massachusetts Institute of Technology werken aan een mat met duizenden sensoren die druk van de voeten, ledematen en andere lichaamsdelen kunnen detecteren. Deze technologie kan worden gebruikt om trainingen te volgen of vallen te detecteren

Ingenieurs zeggen dat het groter is dan het gemiddelde 8 x 10 vloerkleed, maar het is nog steeds schaalbaar en zou economisch haalbaar zijn voor thuisgebruik.

De mat is gemaakt van een commerciële drukgevoelige laag en geleidende draad en bevat meer dan 9.000 sensoren die druk van de voeten, ledematen en andere lichaamsdelen detecteren en omzetten in een elektrisch signaal.

In tests was het systeem in staat om de beweging van een vrijwilliger te voorspellen met een nauwkeurigheid van 97 procent en hun vorm te bepalen tot een fout van minder dan tien centimeter.

Andere pogingen om bewegingen te volgen, waren meestal afhankelijk van externe camera’s, gedragen door het onderwerp of in de buurt geïnstalleerd.

De live motion camera (links) werkt met haptische sensorgegevens om het neurale netwerk van de mat te trainen om zittende, drukkende en andere bewegingen te herkennen.

De live motion camera (links) werkt met haptische sensorgegevens om het neurale netwerk van de mat te trainen om zittende, drukkende en andere bewegingen te herkennen.

Het team zegt dat de camera’s zorgen over de privacy veroorzaken en dat ze niet altijd een duidelijk beeld hebben.

Het CSAIL-team gebruikte de camera’s alleen om de onbewerkte dataset van het ‘slimme’ tapijt te trainen – zodra dit was bereikt, kon het neurale netwerk bepalen of iemand zich uitstrekte, ging liggen of iets anders deed, uitsluitend op basis van tactiele informatie.

Een 'touch-sensing'-mat (rechtsboven) is ingebed met meer dan 9.000 sensoren die een verscheidenheid aan menselijke houdingen en activiteiten interpreteren, waaronder lopen, zitten, naar voren drukken en heupbuigingen.

Een ‘touch-sensing’-mat (rechtsboven) is ingebed met meer dan 9.000 sensoren die een verscheidenheid aan menselijke houdingen en activiteiten interpreteren, waaronder lopen, zitten, naar voren drukken en heupbuigingen.

Zoals verwacht was de mat beter in het definiëren van de beweging van de benen en het onderlichaam dan die boven de romp.

Het was ook niet in staat om gebaren te voorspellen die geen direct contact met de grond hebben, “zoals zwevende benen tijdens het zitten of het draaien van de romp tijdens het staan”, rapporteerden de onderzoekers.

Co-auteur Yunzhu Li, Ph.D. Hij is student aan het Massachusetts Institute of Technology en stelt zich voor om het kleed op te nemen in thuisspellen of oefeningen.

‘Alleen op basis van tactiele informatie, vertelde hij me, kan hij activiteit herkennen, herhalingen tellen en de hoeveelheid verbrande calorieën berekenen. in de huidige situatie.

De mat interpreteert gegevens van een stresskaart om een ​​3D-model van iemands werk te maken.  Het kan worden gebruikt om te bepalen hoeveel calorieën er zijn verbrand tijdens het sporten of dat iemand is gevallen en hulp nodig heeft

De mat interpreteert gegevens van een stresskaart om een ​​3D-model van iemands werk te maken. Het kan worden gebruikt om te bepalen hoeveel calorieën er zijn verbrand tijdens het sporten of dat iemand is gevallen en hulp nodig heeft

Dit kan ook gevolgen hebben voor de gezondheidsmonitoring van ouderen, monitoring van fysieke revalidatieprocedures of detectie van vallen, voegde hoofdauteur Yu Lu eraan toe.

De onderzoekers hopen het systeem te ontwikkelen om nauwkeurigere informatie te bepalen, waaronder lengte en gewicht, en statistieken voor meerdere gebruikers tegelijk te creëren, zoals de dans van een paar.

In maart demonstreerde een ander team van CSAIL de kleding voor het eerst met behulp van sensoren die op dezelfde manier de bewegingen van een persoon kunnen volgen en kunnen bepalen of de drager zit, loopt of bepaalde houdingen uitvoert.

Hun “slimme” kledingkast – die een jas, sokken en andere kleding omvatte – zou ooit door coaches kunnen worden gebruikt om de houding en prestaties van atleten te verbeteren of zelfs om bewoners in aanvullende zorginstellingen te controleren

Bij ToestaanYiyue Luo, een afgestudeerde student aan CSAIL, zei dat in tegenstelling tot veel huidige draagbare elektronica, “machinaal geweven tactiel textiel” zacht, ademend en gemakkelijk te verwerken is in massaproductiekleding.

“Als je veel sensorarrays maakt, zullen sommige niet werken en sommige slechter dan andere”, zegt Lu, hoofdauteur van een rapport in het tijdschrift. natuur elektronica. Daarom hebben we een zelfcorrigerend mechanisme ontwikkeld dat een zelf-gecontroleerd machine learning-algoritme gebruikt om te herkennen en aan te passen wanneer bepaalde sensoren in het ontwerp niet meer werken.

Materiaalingenieur Wan Shu, co-auteur van de Nature Electronics-studie, zei dat de technologie kan worden gebruikt op de huid van een robot om het soort “aanraakgevoelige” mensen te bieden.