SonarID potrebbe essere la soluzione definitiva ai problemi di input su dispositivi a display di piccole dimensioni. Man mano che le dimensioni dei gadget elettronici si riducono, diventano sempre più convenienti per tenerci connessi mentre siamo in movimento. Gli smartwatch sono forse uno dei migliori esempi di miniaturizzazione dei dispositivi connessi degli ultimi anni. Con solo un minuscolo orologio legato al polso, notifiche importanti, e-mail, mappe, musica e altro sono sempre a portata di mano. Se è vero che da un lato una cosa del genere sarebbe stata pura fantascienza fino a pochissini anni fa, i problemi iniziano quando è necessario dare alcuni alcuni input sullo schermo dello smartwatch. Parliamo di un minuscolo touch screen, dove la punta del dito è quasi la metà della larghezza dell’intero display. Per questo motivo, è difficile inserire con precisione qualsiasi tipo di input significativo.

Un duo di ricercatori del National Institute of Science and Technology in Corea ha escogitato un nuovo metodo per interagire con gli smartwatch rilevando quale dito ha toccato lo schermo, piuttosto che determinare semplicemente dove è avvenuto il tocco. Raggiungono questo obiettivo catturando le impronte digitali grezze del sonar dei tocchi delle dita e utilizzando un modello di apprendimento automatico per classificarle. In progetti di ricerca accademica come questo, quando si lima sempre di più il dettaglio, è comune scoprire che la soluzione apparentemente bella e ordinata richiede un grande apparato esterno per farla funzionare, rendendola inutilizzabile in uno scenario del mondo reale. In questo caso, tuttavia, il team è stato in grado di portare a termine l’impresa utilizzando nient’altro che uno smartwatch commerciale che si può trovare in qualsiasi negozio.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Per catturare i riflessi del sonar, hanno progettato il loro sistema chiamato SonarID, per emettere un segnale impercettibile dall’altoparlante dello smartwatch. Un microfono sull’altro lato dell’orologio riceve quindi questo segnale in più percorsi: un percorso diretto, un percorso di riflessione della mano e un percorso di riflessione del corpo. Il segnale del sonar viene quindi convertito in un’immagine spazio-temporale prima di essere immesso in una rete neurale convoluzionale (CNN). La CNN è in grado di classificare le immagini del sonar come il risultato del tocco del pollice, dell’indice o del medio.

16 partecipanti sono stati reclutati e gli è stato chiesto di toccare lo schermo di uno smartwatch con ciascuna delle tre dita target come indicato. Questi dati sono stati utilizzati per addestrare e convalidare la rete neurale. Al termine dell’allenamento, è stato riscontrato che il classificatore identificava con precisione quale dito ha toccato lo schermo il 93,7% delle volte. Questo risultato mostra che il metodo SonarID funziona abbastanza bene per un’ampia gamma di applicazioni pratiche e del mondo reale.

 

 

È stato riscontrato che lo stile di tocco aveva alcuni elementi specifici per utenti particolari. Ciò suggerisce che sarebbe necessario un set di formazione molto più ampio per addestrare il modello prima che un’ampia diffusione della tecnologia possa avere successo. Potrebbe anche essere possibile raccogliere una piccola quantità di dati di addestramento da ciascun utente prima che utilizzi SonarID per la prima volta, per riqualificare il modello e adattarlo allo stile di tocco di quell’utente.

Il prossimo passo nell’elenco dei ricercatori è esaminare casi d’utilizzo ulteriori, testando una serie diversificata di posizione delle mani che possono essere viste in natura. Notano inoltre che SonarID ha molto potenziale per essere combinato con altri metodi di input, che possono sinergizzare bene.

Iscriviti ai nostri gruppi Telegram

• Gruppo Maker Italia
• Canale Offerte per prodotti maker

Link utili

• Arduino UNO R3
• Elegoo UNO R3
• Arduino Starter Kit per principianti
• Elegoo Advanced Starter Kit
• Arduino Nano