谷歌利用AI训练“耳机线”实现触屏的大部分功能谷歌从未停止研发可穿戴设备，比如与李维斯合作推出的智能夹克CommuterTrucker。传感器附在衣服的袖口上，用户可以通过蓝牙链接与之交互。可以通过双击、滑动等操作来切换歌曲。再接再厉，谷歌希望将设备做得更小、功能更强大。谷歌随后将目光投向了耳机线。谷歌AI工程师开发了一种电子交互编织布（E-Textile），可以让人们通过捏、揉、握、拍等手势实现以往触摸屏的大部分功能。音量控制、歌曲切换等操作都不是问题。谷歌的新功能指向了感知交互的下一步，最终目标是解放我们的双手。手势数据集的训练过程谷歌开发的设备是机器学习算法和传感器硬件的组合，耳机线只是一个负载。其实，线材并不是普通的耳机线材，而是一种柔性电子材料，传感器编织在里面，人机交互成为可能。如果您愿意，连帽衫也可以变形。首先，谷歌招募了12名参与者进行数据收集，每人做了8个手势，重复9次，共864个实验样本。为了解决样本量小的弊端，研究人员使用线性插值对每个手势时间序列进行重采样。每个样本提取16个特征，最终得到80个观测值。每个用户训练有素的手势识别支持??8个新的离散手势。既有量化的数字，也有参会者的切身感受。研究人员希望提供以人为本的互动体验。参与者还通过排名和评论提供定性反馈，参与者建议了多种交互方式，包括滑动、轻弹、按压、捏合、拉动、挤压等等。定量结果表明，交互编织的感知速度比现有的耳机按钮控件更快，并且速度可与触摸屏相媲美。定性反馈还表明，电子纺织品交互比耳机线控更受青睐。考虑到不同的使用场景，研究人员针对不同的使用场景开发了不同的设备：电子纺织USB-C耳机控制手机媒体播放；一件束带连帽衫，可以在无形中为衣服添加音乐控制。通过算法准确识别手势谷歌可以制造电子织物。难点不在于机器学习的算法，而在于如何捕捉耳机线上的手势并进行交互。出于体积考虑，耳机线等编织物无法安装大而多的传感器，感知和分辨能力非常有限。二是人类手势的多义性和多义性，比如怎么区分捏和抓，怎么区分拍和拉？谷歌工程师用8个电极组成传感器矩阵，将数据集分成8次作为训练数据，1次作为测试数据，得到9种手势变换。他们发现感知矩阵中存在一种内在关系，非常适合机器学习分类算法，可以让分类算法用有限的数据集进行训练，只需要大约30秒就可以实现一个手势识别。最终准确率为93.8%，考虑到他们使用的数据集大小和训练时间，这足以满足日常使用。耳机控制的下一步谷歌这次对耳机线的培训涉及到手势识别和微交互。在触摸屏设备上，屏幕下方的空间可以容纳很多传感器，比如苹果的3DTouch识别模块。但在耳机线等外部设备上，可能就没那么容易了，因为传感器的数量和体积是有限的。在实验过程中，工程师们发现需要对多个手势进行多次训练，不同的个体手势需要多次捕捉。这项研究展示了在紧凑的形状因子物体中实现精确小尺度运动的可能性，我们可以期待智能交互织物的发展。一天。可穿戴界面与智能面料的微交互，随心所欲，最终让体外设备如影随形，随时交互，最终解放我们的双手。你期待这一天吗？
