Устройства › Носимые2 мин чтения

Прототип EITWatch из Northwestern распознаёт шесть жестов руки с точностью выше 92% по сигналам запястья

Исследователи Northwestern представили на UIST 2026 две экспериментальные системы для запястья: одна читает жесты по импедансу тканей, другая учится новым действиям по коротким показам.

Northwestern's EITWatch smartwatch prototype recognizes six hand gestures with over 92% accuracy
Фото: redimin.cl

Исследователи Университета Northwestern в США представили две экспериментальные системы для запястья, которые распознают жесты руки и повседневные действия без камер, сообщает redimin.cl. redimin.clredimin.clredimin.clОткрыть источник ↗ Работа была показана 3 ноября на симпозиуме UIST 2026 в Детройте. Системы называются EITWatch и TransfHAR.

В контролируемых испытаниях EITWatch распознал шесть привычных жестов руки с точностью выше 92%, сообщили авторы. В оценке участвовали 12 человек, выполнявших заранее заданные движения.

EITWatch: импедансная томография на запястье

EITWatch использует электроимпедансную томографию — метод, который фиксирует изменения электрических свойств тканей под кожей. В прототипе восемь небольших электродов расположены в кольце диаметром 31 мм на задней стороне часов, в контакте с запястьем. Электроды подают слабые электрические сигналы и регистрируют, как они меняются при смещении мышц и сухожилий. Система делает 35 измерений импеданса за цикл при частоте 48 циклов в секунду.

Исследователи анализировали две категории: крупные жесты руки и мелкие движения пальцев. redimin.clredimin.clredimin.clОткрыть источник ↗ Результаты получены в контролируемых условиях под наблюдением, а наивысшие значения достигнуты для людей, чьи собственные данные использовались для обучения их моделей распознавания. Когда участники надевали устройство повторно через 48 часов, точность снижалась до 73,2% для крупных жестов и до 70,4% для мелких движений. Она также падала для людей, не участвовавших в обучении. Распознавание жестов разных пользователей без индивидуальной калибровки остаётся нерешённой задачей.

TransfHAR: обучение новым действиям по коротким показам

TransfHAR устроен иначе: он использует акселерометры и гироскопы — датчики, уже имеющиеся во многих умных часах. Система рассчитана на распознавание действий, не заложенных в неё изначально, и учится по коротким демонстрациям, а не по большим наборам размеченных примеров.

В тесте с десятью участниками каждый выполнил семь новых действий. Система показала сбалансированную точность 86,7% при пяти обучающих примерах на действие. При минутной записи на каждое действие результат вырос до 90,4%. В работе участвовали исследователи Northwestern, Carnegie Mellon и Google Health Research.

В материале названы возможные применения в вспомогательных технологиях, отслеживании реабилитации и на производстве. redimin.clredimin.clredimin.clОткрыть источник ↗ Эти сценарии ещё требуют клинической проверки и дополнительных испытаний. Результатов, показывающих, что какая-либо из систем может заменить промышленные системы безопасности или управлять критическим оборудованием, нет; для этого нужны проверки при вибрации, пыли, влажности и в перчатках.

Источники · 1

Нашли ошибку?
  1. ↩
RealTech в TelegramПодписаться

Читайте также

Далее

Следующая статья откроется сама

Ещё
Мы в соцсетях

Введите хотя бы две буквы — результаты появятся сразу

↑↓выбрать↵открытьescзакрыть