基于可用于构建穿戴式全身动作捕捉系统的动觉感知器件

近日，华南师范大学的李昕明团队研发了一种可用于构建穿戴式全身动作捕捉系统的动觉感知器件。在穿戴式动作捕捉场景中，构建可靠的全身动作捕捉系统一直具有其挑战性。

一方面，在穿戴式场景中，柔性传感器会跟随人体表面发生形变，可能会为运动测量引入干扰；另一方面，由于不同的人以及不同的佩戴位置的差异，导致穿戴式全身动捕系统往往需要额外的校准。

该工作提出了一种基于空间异构分布的传感器件，构建了一个由两路传感器构成的动觉感知器件。根据已知的空间分布关系，可以通过信号关系推测器件的形变模式，从而排除运动测量中的潜在干扰。通过引入机器学习模型，该器件可进一步实现对于形变信息的解耦，解耦后的形变信息可用于推测关节角度、佩戴方式及关节尺寸等信息，从而在无需校准的情况下构建全身动捕系统。

（图片来源Applied Physics Review）

在实际测试中，该器件能够区分具有多自由度的球窝关节（如手腕）的不同方向运动，并对角度具有一定辨别能力，因此能够实现诸如“凌空手写输入”等人机交互操作。经测试，该器件在手肘与手腕的屈伸行为中，表现出极为相近的信号模式，意味着该器件有望无需校准而直接用于全身各处关节的动作捕捉场景。相关研究成果以“Differential design in homogenous sensors for classification and decoupling kinesthetic information through machine learning”为题发表在Applied Physics Review 期刊上，并被编辑选为期刊推荐论文（Feature Article）。

（图片来源Applied Physics Review）
责任编辑：彭菁