Các nhà nghiên cứu tại Đại học Quốc gia Seoul và Viện Khoa học và Công nghệ Tiên tiến Hàn Quốc (KAIST) gần đây đã phát triển hệ thống cảm biến có thể hoạt động như lớp da điện tử và tích hợp nó với một mạng lưới thần kinh sâu. Hệ thống được tăng cường học sâu này có khả năng ghi lại chuyển động của con người, đặc biệt là chuyển động của các ngón tay. Kết quả nghiên cứu được trình bày trên tạp chí Nature Communications. Học sâu (deep learning) là một tập hợp con của học máy (machine learning) để mô hình hóa dữ liệu trừu tượng ở mức cao.
Hệ thống cảm biến mới bắt nguồn từ hợp tác liên ngành, với sự tham gia của các chuyên gia trong lĩnh vực cơ khí và khoa học máy tính. Hai chuyên gia dẫn đầu nghiên cứu là Ko Seung-hwan, Giáo sư kỹ thuật cơ khí tại Đại học Quốc gia Seoul và Jo Sung-ho, Giáo sư tại Trường Điện toán thuộc KAIST. Trong nhiều năm qua, Giáo sư Ko đã nỗ lực phát triển các cảm biến biến dạng có độ nhạy cao bằng cách tạo ra vết nứt trên màng hạt nano kim loại thông qua công nghệ laser. Các cảm biến thu được sau đó đều được áp dụng cho găng tay thực tế ảo, vốn được thiết kế với mục đích phát hiện chuyển động của các ngón tay.
“Phòng thí nghiệm của tôi trước đây thường sử dụng ít nhất từ 5 đến 10 cảm biến biến dạng để dự đoán chuyển động tay một cách chính xác nhất có thể. Khi độ phức tạp của hệ thống tăng lên, số lượng cảm biến biến dạng cũng cần thiết tăng lên. Vài năm trước, tôi bắt đầu tự hỏi liệu chúng ta có thể dự đoán chính xác chuyển động tay chỉ bằng cảm biến biến dạng duy nhất hay không? Câu hỏi này vào thời điểm đó thực sự rất ngớ ngẩn, vì gần như không thể xác định tín hiệu đến từ ngón tay nào nếu chỉ có một cảm biến”, Giáo sư Ko nói.
Dù vậy hai giáo sư và nhóm đồng nghiệp vẫn không từ bỏ nghiên cứu. Trong khi Giáo sư Ko cố gắng phát triển cảm biến biến dạng duy nhất, Giáo sư Jo tìm kiếm chiến lược để tích hợp kỹ thuật học máy với các cảm biến tiên tiến nhất. Giáo sư Jo tin rằng các mẫu cảm biến lần lượt được tạo ra bởi chuyển động ngón tay người có thể được phân tích bằng cách dùng học máy, ngay cả khi các tín hiệu được phát hiện chỉ bởi một cảm biến. “Chúng tôi nhận ra rằng bằng cách tăng cường học máy, chúng tôi rõ ràng có thể tách rời nhiều hành vi khác nhau được quan sát bởi một cảm biến. Sau quá trình hợp tác chặt chẽ, chúng tôi cuối cùng đã phát triển cảm biến duy nhất có thể dự đoán chuyển động tay phức tạp”, Giáo sư Jo nói.
Thay vì chỉ đơn giản lắp các tín hiệu được cảm biến phát hiện bằng phương pháp thông thường, vốn cần ít nhất là một đến hai cảm biến cho mỗi ngón tay, nhóm nghiên cứu của hai giáo sư Hàn Quốc cũng đã dùng mô hình học sâu để phân tích các mẫu tín hiệu theo thời gian, với mục đích cuối cùng là phát hiện ra chuyển động của ngón tay đằng sau dữ liệu thu thập được. Về cơ bản, nhóm nghiên cứu đã chứng minh rằng khi có sự kết hợp thêm với các kỹ thuật học sâu, một cảm biến cũng có khả năng cho ra kết quả tương đương với nhiều cảm biến.
“Kết quả của chúng tôi ngụ ý rằng chúng ta hoàn toàn có thể lý giải những phát hiện phức tạp với số lượng cảm biến ít hơn. Điều này sẽ đơn giản hóa đáng kể cho các hệ thống cần nhiều cảm biến. Chúng tôi cũng dự đoán rằng phương pháp mới sẽ tạo điều kiện thuận lợi cho việc đo gián tiếp chuyển động từ xa của người thông qua hệ thống thiết bị thực tế ảo có thể mang trên cơ thể”, Giáo sư Jo nói.
Theo các đánh giá ban đầu, hệ thống cảm biến mới đã cho thấy kết quả rất hứa hẹn. Khi được gắn trên cổ tay người dùng, làn da điện tử mới sẽ phát hiện tín hiệu được tạo bởi chuyển động tay theo thời gian thực, đồng thời xác định chính xác tín hiệu được phát ra từ ngón tay nào.
Trong tương lai gần, hai giáo sư và các đồng nghiệp có kế hoạch nâng cao nghiên cứu cho những dự đoán chuyển động cơ thể phức tạp hơn, chẳng hạn như chân, cánh tay và thậm chí là toàn bộ cơ thể.
Bình luận (0)