Guante con sensor de estiramiento captura manos interactivas con precisión

Capturar posturas de manos interactivas en tiempo real y con resultados realistas es un problema bien estudiado en la computación, en particular la computación centrada en el hombre y la tecnología de captura de movimiento.

Las manos humanas son complejas: un intrincado sistema de flexores, extensores y capacidades sensoriales que sirven como nuestro principal medio para manipular objetos físicos y comunicarse entre sí.

La precisa captura de movimiento de las manos es relevante e importante para muchas aplicaciones, como los juegos, los dominios de realidad virtual y aumentada, la robótica y las industrias biomédicas.

Un equipo global de científicos informáticos de ETH Zurich y la Universidad de Nueva York han avanzado aún más en esta área de investigación al desarrollar un guante de datos de fácil manejo y detección de estiramientos para capturar poses de manos interactivas en tiempo real con mucha más precisión.

El equipo de investigación, que incluye a Oliver Glauser, Shihao Wu, Otmar Hilliges y Olga Sorkine-Hornung de ETH Zurich y Daniele Panozzo de NYU, demostrará su innovador guante en SIGGRAPH 2019, que se celebrará del 28 de julio al 1 de agosto en Los Ángeles.

Esta reunión anual muestra a los profesionales, académicos y mentes creativas más importantes del mundo a la vanguardia de los gráficos por computadora y las técnicas interactivas.

La principal ventaja de sus guantes de detección de estiramiento, dicen los investigadores, es que no requieren una configuración basada en cámara, ni ningún equipo externo adicional, y podrían comenzar a rastrear las posturas de las manos en tiempo real con solo una calibración mínima.

“Según nuestro mejor conocimiento, nuestros guantes son los primeros guantes de datos de captura de mano precisos basados ​​únicamente en sensores de estiramiento”, dice Glauser, autor principal del trabajo y estudiante de doctorado en ETH Zurich.

“Los guantes son suaves y delgados, lo que los hace muy cómodos y discretos de usar, incluso con 44 sensores incrustados.

Se pueden fabricar a bajo costo con herramientas comúnmente disponibles en los laboratorios de fabricación”.

Glauser y sus colaboradores se dispusieron a superar algunos desafíos persistentes en la replicación de posturas de manos precisas.

En este trabajo, abordaron obstáculos como capturar los movimientos de la mano en tiempo real en una variedad de entornos y configuraciones, así como usar solo equipos fáciles de usar y un enfoque fácil de aprender para la configuración.

Demuestran que sus guantes blandos de detección de estiramiento logran calcular con precisión las posturas de las manos en tiempo real, incluso cuando el usuario sostiene un objeto físico y en condiciones tales como poca luz.

Los investigadores utilizaron un compuesto de silicona con la forma de una mano equipada con 44 sensores de estiramiento y lo sujetaron a un guante hecho de tela suave y delgada.

Para reconstruir la postura de la mano a partir de las lecturas del sensor, los investigadores utilizan un modelo basado en datos que explota el diseño del sensor en sí.

El modelo se entrena una sola vez; y para recopilar datos de entrenamiento, los investigadores utilizan un sistema de reconstrucción de posturas de mano, económico y de bajo costo.

Para el estudio, comparan la precisión de sus guantes con sensores con dos productos de guantes comerciales de última generación.

En todas las posturas con una sola mano, los guantes de detección de estiramiento de los investigadores recibieron el retorno de error más bajo para cada pose interactiva.

En trabajo futuro, el equipo tiene la intención de explorar cómo se podría utilizar un enfoque de sensor similar para rastrear todo un brazo para obtener la posición y orientación global del guante, o tal vez incluso un traje de cuerpo completo.

Actualmente, los investigadores han fabricado guantes de tamaño mediano y les gustaría expandirse a otros tamaños y formas.

“Este es un problema ya bien estudiado, pero encontramos nuevas formas de abordarlo en términos de los sensores empleados en nuestro diseño y nuestro modelo basado en datos”, señala Glauser.

“Lo que también es emocionante de este trabajo es la naturaleza multidisciplinaria de trabajar en este problema.

Requiere experiencia en diversos campos, incluidos los materiales, la fabricación, la ingeniería eléctrica, los gráficos por computadora y el aprendizaje automático”.

Fuente: Noticias de la Ciencia