Un Internet táctil es potencialmente la siguiente fase del Internet de las cosas, en el que los humanos pueden tocar e interactuar con objetos remotos o virtuales mientras experimentan retroalimentación háptica realista.
Un equipo de investigadores dirigido por Elaine Wong en la Universidad de Melbourne, Australia, desarrolló un método para mejorar las experiencias de retroalimentación háptica en aplicaciones de persona a máquina que son típicas en Internet táctil. Los investigadores creen que su método puede usarse parapronosticar una retroalimentación adecuada en aplicaciones que van desde la atención médica electrónica hasta los juegos de realidad virtual.
Wong y sus colegas presentarán su módulo propuesto, que utiliza una red neuronal artificial para pronosticar el material tocado, en la Conferencia y Exposición de Comunicación de Fibra Óptica OFC, que se realizará del 8 al 12 de marzo de 2020 en el Centro de Convenciones de San Diego, California, EE.UU
Dependiendo de la dinámica de la interacción, una aplicación óptima de persona a máquina puede requerir un tiempo de respuesta de red tan corto como un milisegundo.
"Estos tiempos de respuesta imponen un límite sobre la distancia entre humanos y máquinas", dijo Wong. "Por lo tanto, las soluciones para desacoplar esta distancia del tiempo de respuesta de la red son críticas para realizar Internet táctil".
Como un paso hacia este objetivo, el equipo entrenó un algoritmo de aprendizaje de refuerzo para adivinar la retroalimentación háptica apropiada en un sistema humano a máquina antes de que se conozca la retroalimentación correcta. El módulo, llamado Pronóstico de muestra háptica basado en eventos EHASAF, acelera el proceso al proporcionar una respuesta táctil basada en una predicción probabilística del material con el que el usuario está interactuando.
"Para facilitar las aplicaciones de persona a máquina a través de redes de larga distancia, confiamos en la inteligencia artificial para superar los efectos de la latencia de propagación larga", dijo Sourav Mondal, autor del artículo.
Una vez que se identifica el material real, la unidad se adapta y actualiza su distribución de probabilidad para ayudar a elegir la retroalimentación adecuada en el futuro.
El grupo probó el módulo EHASAF con un par de guantes de realidad virtual utilizados por un humano para tocar una pelota virtual. Los guantes contienen sensores en los dedos y las muñecas para detectar toques y seguir movimientos, fuerzas y la orientación de la mano.
Según la bola de material que el usuario elija tocar de las cuatro opciones virtuales proporcionadas, la respuesta del guante debe variar. Por ejemplo, una bola de metal será más firme que una bola de espuma. Cuando una red neuronal determina que uno de losdedos ha tocado la pelota, el módulo EHASAF comienza a recorrer las opciones de retroalimentación para generar hasta que resuelva el material real de la pelota elegida.
Actualmente, con cuatro materiales, la precisión de predicción del módulo es de aproximadamente 97%.
"Creemos que es posible mejorar la precisión de la predicción con una mayor cantidad de materiales", dijo Mondal. "Sin embargo, se necesitan modelos más sofisticados basados en inteligencia artificial para lograr eso".
"Se pueden desarrollar modelos cada vez más sofisticados con un rendimiento mejorado en función de la idea fundamental de nuestro módulo EHSAF propuesto", dijo Mondal.
Estos resultados e investigaciones adicionales se presentarán en el sitio en OFC 2020.
Fuente de la historia :
Materiales proporcionado por La sociedad óptica . Nota: El contenido puede ser editado por estilo y longitud.
Cita esta página :