谷歌用AI訓(xùn)練“耳機線”，實現(xiàn)了觸摸屏大多數(shù)功能
搓揉耳機線，就能切歌調(diào)音量
梅寧航 發(fā)自 凹非寺
量子位 報道 | 公眾號 QbitAI
谷歌在開發(fā)可穿戴設(shè)備上從未停歇，比如和李維斯合作推出的智能夾克衫Commuter Trucker。
衣服上的袖口加裝一塊傳感器，用戶可以通過藍牙鏈接與之進行交互。
可以通過雙擊、滑動等操作進行切歌等操作。
再接再厲，谷歌希望能夠把設(shè)備做的小一點，功能更豐富一點。
谷歌隨后盯上了耳機線。
谷歌AI工程師開發(fā)了一款電子交互式編織物（E-Textile），可以讓人通過捏、搓、握、拍等手勢實現(xiàn)以往觸摸屏的大部分功能。
音量控制、切歌換歌等操作更是不在話下，谷歌的新功能指向的是下一步的感知交互，最終目的解放我們的雙手。
手勢數(shù)據(jù)集的訓(xùn)練過程
谷歌開發(fā)的此款設(shè)備是機器學(xué)習(xí)算法和傳感器硬件的結(jié)合，而耳機線只是承載物。
實際上線不是普通的耳機線，是柔性電子材料，并且將傳感器編織進內(nèi)，因此可以進行人機交互。
如果你喜歡，連帽衫也可以改造。
首先谷歌招募12名參與者進行數(shù)據(jù)采集，各做8個手勢，重復(fù)9次，共計864個實驗樣本。
為解決樣本量過小的弊端，研究者使用線性插值對每個手勢時間序列進行再采樣。
每個樣本提取16個特征，最終得到80個觀察結(jié)果。
每位用戶經(jīng)過訓(xùn)練的手勢識別可啟用8個新的離散手勢。
不僅有定量的數(shù)字，還有參與者的切身感受，研究者希望提供以人為本的交互體驗。
參與者還通過排名和評論提供了定性反饋，參與者還提出了多種交互方式，包括滑動、彈指、按壓、捏、拉、擠等。
定量分析結(jié)果表明，交互式編織品的感知速度比現(xiàn)有的耳機按鈕控件要快，并且速度可與觸摸屏媲美。
而定性反饋還表明，與耳機線控相比，電子紡織交互更受青睞。
考慮到不同的使用場景，研究者為不同的使用場景開發(fā)了不同的設(shè)備：
電子紡織USB-C耳機，用于控制手機上的媒體播放；帽衫抽繩，以無形地向衣服添加音樂控制。
算法對手勢的精準(zhǔn)識別
谷歌能做出電子編織物，難點并不在于機器學(xué)習(xí)的算法，而在于如何在耳機線上進行手勢捕捉和交互。
耳機線等編織物出于體積考慮，無法安裝大型和眾多的傳感器，感知和分辨能力非常受限。
其次是人手姿態(tài)的曖昧性和多義性，比如捏和抓到底怎么區(qū)分，拍擊和上拉怎么分辨？
谷歌工程師用8個電極組成傳感器矩陣，對數(shù)據(jù)集進行劃分為8次為訓(xùn)練數(shù)據(jù)，1次為測試數(shù)據(jù)，得到9個手勢的變換。
他們發(fā)現(xiàn)傳感矩陣中存在固有關(guān)系，非常適合機器學(xué)習(xí)分類算法，這使得分類算法可以運用有限數(shù)據(jù)集進行訓(xùn)練，大約只需要30s，便可實現(xiàn)一個手勢識別。
最終準(zhǔn)確率為93.8%，考慮到他們所使用的數(shù)據(jù)集規(guī)模和訓(xùn)練時間，這個精度足夠日常使用了。
耳機操控的下一步
谷歌此次對耳機線的訓(xùn)練，涉及手勢姿態(tài)識別和微觀互動兩個內(nèi)容。
在觸摸屏設(shè)備上，屏幕下方空間可容納眾多傳感器，比如蘋果的3D Touch識別模塊。
但在諸如耳機線等體外設(shè)備上，可能就沒有這么輕松了，因為傳感器數(shù)量和體積要受到限制。
實驗過程中，工程師們發(fā)現(xiàn)需要對多種手勢的多次訓(xùn)練，而且不同個體手勢需要多次捕捉動作。
這項研究顯示了一種可以在一個緊湊的外形尺寸物體中實現(xiàn)精確的小規(guī)模運動可能，我們可以期待智能可交互編織物的發(fā)展。
有一天。可穿戴式界面和智能織物的微交互可以任意使用，最終讓體外設(shè)備如影隨形，隨時交互，最終解放我們的雙手。
你期待這一天嗎？
參考鏈接：
https://ai.googleblog.com/2020/05/enabling-e-textile-microinteractions.html
https://dl.acm.org/doi/fullHtml/10.1145/3313831.3376236
- AI時代硬核EMBA來了！交大高金「科技強國計劃」全額獎學(xué)金等你來拿2025-08-06
- 通義靈碼上線Qwen3-Coder，免費使用不限量2025-07-26
- 阿里千問3推理模型重磅更新，比肩Gemini-2.5 pro、o4-mini2025-07-25
- 人工智能創(chuàng)新創(chuàng)業(yè)大賽總決賽圓滿收官2025-07-12
相關(guān)閱讀
實現(xiàn)100倍加速！谷歌開源超強張量計算庫TensorNetwork
希望TensorNetwork成為科學(xué)家們和機器學(xué)習(xí)從業(yè)者的寶貴工具。
