El equipo del Laboratorio de Detección, Interacción y Percepción de ETH Zürich, Suiza, ha ideado TapType, un interesante método de entrada de texto que se basa únicamente en un par de dispositivos que se llevan en l. a. muñeca, que detectan los valores de aceleración cuando el usuario escribe en cualquier superficie antigua. Al alimentar los valores de aceleración de un par de sensores en cada muñeca en una pink neuronal de tipo de clasificación de inferencia bayesiana que a su vez alimenta un modelo de lenguaje probabilístico tradicional (texto predictivo, para usted y para mí), el texto resultante se puede ingresar hasta 19 WPM con 0.6% de error promedio. Expertos TapTypers reportan velocidades de hasta 25 WPM, lo que podría ser bastante útil.
Los detalles son un poco escasos (después de todo, es un proyecto de investigación), pero el {hardware} actual parece bastante easy, basado en el Diálogo DA14695 que es un buen SoC Bluetooth Low Power basado en Cortex M33. Este es un dispositivo interesante por derecho propio, que contiene un bloque de “controlador de nodo sensor”, que es capaz de manejar dispositivos sensores conectados a sus interfaces, independientemente de l. a. CPU main. El dispositivo sensor utilizado es el Bosch BMA456 Acelerómetro de 3 ejes, que destaca por su bajo consumo de energía de tan solo 150 μA.
Las unidades de pulsera parecen ser una combinación de una PCB main que alberga el chip BLE y el circuito de soporte, conectada a una PCB versatile con un par de dispositivos de acelerómetro en cada extremo. Luego, el ensamblaje se deslizó en una pulsera versatile, probablemente construida con TPU impreso en 3-d, pero en realidad solo estamos adivinando, ya que l. a. progresión desde l. a. primera plataforma integrada hasta el prototipo portátil no está clara.
Lo que está claro es que l. a. pulsera en sí es solo un dispositivo tonto de transmisión de datos, y todo el procesamiento inteligente se realiza en el dispositivo conectado. El entrenamiento del sistema (y l. a. posterior selección de l. a. arquitectura clasificadora más precisa) se realizó grabando a los voluntarios “escribiendo” en una imagen de teclado de tamaño A3, con los movimientos de los dedos rastreados con una cámara de seguimiento de movimiento, mientras se registraban los flujos de datos de aceleración de ambas muñecas. Hay algunos detalles más en el artículo publicado para aquellos interesados en profundizar un poco más en esta investigación.
Los ojos de águila pueden recordar algo identical del año pasado, del mismo equipo, que correlacionó l. a. detección de conducción ósea con el seguimiento handbook de tipo VR para generar eventos de entrada dentro de un entorno de VR.
Pasaporte En Linea