Согласно исследованию Дартмутского колледжа и Microsoft Research, исследователи разработали интеллектуальную ткань, которая может обнаруживать неметаллические объекты, начиная от авокадо и заканчивая кредитными картами.
Ткань, получившая название Capacitivo, воспринимает изменения электрического заряда, чтобы идентифицировать предметы различной формы и размера.
Исследование и демонстрационный видеоролик с описанием сенсорной системы были представлены на симпозиуме ACM по программному обеспечению и технологиям пользовательского интерфейса (UIST 2020).
«Это исследование может изменить способ взаимодействия людей с компьютером посредством повседневных мягких предметов из тканей», — сказал Син-Донг Ян, доцент кафедры информатики и старший научный сотрудник исследования.
Существующие методы распознавания с использованием тканей обычно полагаются на вводимые данные, такие как прикосновение пользователя. Новая интерактивная система основана на технике «неявного ввода», при которой ткань не требует действий от объекта, который она обнаруживает.
Тканевая система распознает объекты на основе сдвигов электрического заряда на электродах, вызванных изменениями электрического поля объекта. Разница в заряде может относиться к типу материала, размеру объекта и форме области контакта.
Обнаруженная информация об электрическом заряде сравнивается с данными, хранящимися в системе, с использованием методов машинного обучения.
Возможность распознавать неметаллические предметы, такие как продукты питания, жидкости, кухонная утварь, пластик и бумажные изделия, делает систему уникальной.
«Способность распознавать неметаллические предметы — это прорыв для умных тканей, потому что она позволяет пользователям взаимодействовать с широким спектром повседневных предметов совершенно по-новому», — сказал Те-Йен Ву, аспирант из Дартмута и ведущий автор исследования.
В рамках исследования на «умной скатерти» было протестировано 20 объектов. Предметы различались по размеру, форме и материалу. Команда также включила стакан с водой и таз, чтобы проверить, насколько надежно система может распознать заполненность контейнера.
В целом система достигла точности 94,5% при тестировании.
Система была особенно точной для различения разных фруктов, таких как киви и авокадо. Состояние емкости с жидкостью также было относительно просто для определения системы.
В дополнительном исследовании система смогла различить разные типы жидкостей, такие как вода, молоко, яблочный сидр и сода.
Система была менее точной для объектов, которые не оставляют твердых следов на ткани, таких как кредитные карты.
Конструктивный прототип представляет собой сетку ромбовидных электродов из проводящей ткани, прикрепленных к листу хлопка. Размер электродов и расстояние между ними были спроектированы так, чтобы максимально увеличить площадь чувствительности и чувствительность.
Когда объект или статус объекта определяется тканью — например, когда растение в горшке нуждается в поливе, — интеллектуальная ткань может вызвать желаемое действие или запрос.
Исследователи ожидают, что система может выполнять множество функций, включая помощь в поиске потерянных предметов, предоставление предупреждений или уведомлений, а также предоставление информации другим интеллектуальным системам, таким как трекеры питания.
Система может даже помочь с приготовлением, предлагая рецепты и давая инструкции по приготовлению.
Тедди Сейед из Microsoft Research, Лу Тан из Уханьского университета и Юджи Чжан из Юго-Восточного университета также внесли свой вклад в это исследование.
