侵权投诉
技术:
MCU/处理器 IP/EDA 封装/测试 电池/电源管理/驱动 传感/识别 显示/触控 声学/模组 OS/软件/算法 VR/AR 人机交互 通信 云服务/大数据 +
安全/隐私 材料/工艺/制造 工业设计 检测/认证 其它
产品:
智能手环 智能手表 智能眼镜 智能头盔 智能耳机 智能首饰 智能服装 智能腰带 智能手套/鞋袜 手持设备
应用:
医疗 运动/健身 娱乐 定位/安全 信息资讯 工业/军用 其它
当前位置:

OFweek可穿戴设备网

正文

有了这些新技术 今年你还要继续买个表

导读: iPhone发布的时候,人们不再纠结该买一个PDA办公还是买一个手机来娱乐(听歌和拍照);Note发布的时候,人们开始摒弃“大屏幕手机是个累赘”的定式思维。

iPhone发布的时候,人们不再纠结该买一个PDA办公还是买一个手机来娱乐(听歌和拍照);Note发布的时候,人们开始摒弃“大屏幕手机是个累赘”的定式思维。

随着自动化产线工艺调整,单位面积堆叠原件密度加大,越来越多的人开始接受这样一个事实,随着手机集成的功能变多,使得人们对手机日益依赖。现在的手机早已不是一个娱乐设备、通讯终端、移动办公平台,它更像是一个互联网人的“器官”,只要你生活在互联网时代,手机就必不可少。可穿戴智能设备似乎没有这样的运气,如今的可穿戴智能市场正在经历一场寒冬,各大品牌都在经历从新兴技术、新物种向民用级商品蜕变的漫长而艰辛的过程,核心技术研发能力和核心技术变现能力是研发这些产品的品牌能否熬过严冬,看到曙光的关键。

智能手表可以和用户更亲密”

卡耐基梅隆大学人机交互研究所的肖博博士近期接受了我们的采访,他所在的FIG(Future Interfaces Group)正在从事多项人机交互技术的研发工作,其中包括Viband技术,这项技术或许能够给除了可穿戴智能设备以外的其它领域的产品带来很多新的启示。

据肖博介绍,“CMU(卡耐基梅隆大学)正在和国际诸多知名品牌合作,其中包括Intel、Google,我们希望和志在改变未来几年人机交互方式的企业共同研究一些好玩的,尚未被大家认知的技术,并且将这些技术商业化,通过产品形态送到各位的面前。”

Viband技术项目研究负责人:肖博

除了Viband,肖博士和他的团队曾一直专注于DIRECT(高精度红外触控追踪技术)、Skin Buttons(低成本激光皮肤触控技术)的研究,他所在的FIG还诞生了包括AURASENSE、TOMO等数十项全新的传感和接口技术,其中包括大家熟知的华为手机指关节截屏技术,该技术的原型是Finger sense,由FIG与Qeexo共同研发,后将技术卖给华为。

“2010年,FIG通过Teslatouch技术,实现了通过摩擦力来判断用户行为的方式,2016年,FIG找到了一项可以将胳膊表面变为触屏的技术——DIRECT。每一个原型技术的诞生,都意味着我们在虚拟触控的研究道路上迈出了重要的一步。就像拼图一样,这些技术的不断演进和跨技术平台的关联应用,就会拼接成未来人机交互的使用场景。”

基于已有和在研的技术,在合作伙伴的紧密配合下,FIG会在不改变手表、手环这样的设备结构情况下,不增加新传感器的条件下,大幅度提升设备交互能力,改变智能手表、手环不再只是记步、看时间、接收简讯的功能定位,通过监测用户手势、皮肤轻微摩擦、手臂抖动等行为所学习到的逻辑形成全新的交互方式,带给用户比手机还要亲近灵敏的交互体验。

“ViBand希望带给用户差异化体验而不是困扰”

“由于智能手表和可穿戴设备能够佩戴在我们身上,使得它们非常特别,尤其在能够便捷输入信息和互动方面。智能手表佩戴在手腕上,可以成为理想的生物声学信号捕捉设备。Viband技术未来会基于Cast系列产品做进一步的研究和探索,实现特定介质(比如皮肤、粗糙墙面)手势感应、生物声学输入传感、对象识别、身体数据传输几部分功能。基于Cast智能手表已有形态,我们会拓展更多的虚拟触控平面;利用生物声学信号,我们可以区分轻抚、拍手、抓、拍打等动作;通过物体振动的频率,我们可以识别用户所接触的对象,比如牙刷、电锯、吉他等等;通过用户身体的生物声学信号(手腕、耳朵等肢体信号),我们可以提供用户所需要的应用和服务,形式类似于骨传导(OsteoConduct)技术。总而言之,Viband将用户手势与智能穿戴设备交互逻辑相结合,可以创造出有差异化但不会给用户带来使用困扰的表达方式,带给用户全新的体验感受。”

通过肖博士的介绍我们得知,Viband技术的秘密在于把智能手表的传感器感应范围从100Hz提高到4000Hz。据了解,目前的智能手表传感器通常限制采样速率在100Hz左右,这对智能手表/手环的主要功能来说,比如探测手表的方向(举起手臂,唤醒设备屏幕),追踪步数(~2Hz),已经足够。但是如果把采样率提高到4000Hz后,就会让智能手表的“神经”变的高度紧张,任何细小的动作或者身体状态都会被捕捉,通过对这些信号的分析从而判断用户所处的状态,是静止,是骑车,是步行,是运动,是休息等等。

在长时间且经过反复测试验证的深度学习过程中,FIG会在解决方案中预设好捕捉到的不同信号数据,并选择性的提供不会给用户带来困扰的反馈机制,比如挠头和手臂晃动两种动作相似,但是产生的信号不同,当用户希望通过晃动手臂来拨通一个电话时,系统会屏蔽掉挠头时的频率,这样避免误操作。

1  2  下一页>  
声明: 本文由入驻OFweek公众平台的作者撰写,除OFweek官方账号外,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

我来说两句

(共0条评论,0人参与)

请输入评论

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

X
文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码: