DeepTech深科技又见谷歌黑科技,用电子纺织绳控制智能设备( 二 )


前者强调操作手势必须是简短的 , 无论是一触即发 , 还是连续操作 , 都必须符合直觉 。 后者则意味着 , 在整个交互过程中 , 用户会得到适当且持续的视觉、触觉和听觉反馈 , 减少不确定性 。
前文提到的在织物中加入光纤 , 就是提供视觉反馈的核心方式 , 不同颜色的光束可以向用户提供多样化的动态实时反馈 。
为了进行概念验证 , 谷歌团队已经开发了三种结合电子纺织线的产品 , 都是生活中常见的东西 , 包括能够控制手机媒体播放的 USB-C 耳机(线) , 在衣服上添加音乐控制功能的帽衫抽绳 , 以及能够控制智能音箱的电源线 。
DeepTech深科技又见谷歌黑科技,用电子纺织绳控制智能设备
本文插图
恰当的操作手势
为了确定什么是简单的、符合直觉的操作手势 , 谷歌团队曾经进行过手势操作研究 。 针对新研究 , 他们又额外收集了 12 位志愿者的 864 个手势样本 , 每个人被要求执行 8 种手势 , 重复 9 次 。
在重复相同动作时 , 人们不可能做到完全一致 , 而且每个人又有个体差异 , 比如有的人习惯用拇指和食指捏住并扭转 , 有的人习惯用拇指和中指 , 有的人力量大 , 有的人力量小 , 等等 。 因此对于手势的分析必须经过训练和筛选 , 减少个人风格和偏好的影响 。
为了增强一致性 , 团队还对志愿者进行了培训 , 并且引入了实时反馈系统 , 帮助他们调整其行为差异 。
对于动作捕捉系统来说 , 每种手势有 16 个特征 , 随着时间的变化线性分布在 80 个观察点中 。 换句话说 , 每种手势从开始到结束都会被仔细观察 , 捕捉到的关键特征会用于训练一套与用户风格无关的系统 。
最终 , 志愿者的操作数据显示 , 在软线绳上执行的手势识别精度可以达到 94% 。 谷歌团队认为这一结果是积极的 , 因为实验中的概念验证线绳只有 8 个电极 , 精度较低 , 仍然有很大的提升空间 。
DeepTech深科技又见谷歌黑科技,用电子纺织绳控制智能设备
本文插图
图 | 不同手势造成的形变和位移
除此之外 , 他们还对不同操作手段进行了量化对比 , 用电子纺织线绳 , 对比传统耳机控件和触摸板 。
结果显示 , 操控电子线绳的速度比按钮式传统耳机线控件更快 , 与笔记本电脑上的触控板相当 。 而且相比耳机控件 , 纯线绳操作的交互体验更受青睐 。 其中一个原因是电子线绳更加敏感 , 而且可以在耳机线的任何一个位置施加有效操作 , 不用特意寻找按钮的位置 , 也不会按错键 。
作为一条耳机线 , 触碰皮肤和衣服在所难免 。 为了避免误操作 , 研究团队还加入了高通滤波器 。 但他们也承认 , 未来需要完成更多的工作来评估其耐用性 , 以及实际使用情况下的长期表现是否稳定 。
谷歌 AI 团队最后表示 , 希望未来能够拓展更多的应用场景 , 在现有可穿戴设备和传统纺织物中引入微交互技术 , 在保留工业设计精髓的同时提升人与科技的交互体验 。
本文为***作者原创 , 未经授权不得转载


推荐阅读