首页 文章 个人博客 启用电子纺织品微交互:通过螺旋结构的手势和光

启用电子纺织品微交互:通过螺旋结构的手势和光

发布时间:2021-09-22编辑:RainNight阅读(60)

Textiles 有潜力通过改善美学、舒适度和人体工程学来帮助技术融入我们的日常环境和物品。消费设备已开始通过织物覆盖的智能扬声器和编织耳机线利用这些机会,而材料和柔性电子设备的进步使传感和显示能够融入柔软的外形,例如夹克、连衣裙和毯子。

file

在“ E-textile Microinteractions ”(ACM CHI 2020论文集)中,我们为软设备带来了交互性,并展示了机器学习 (ML) 与交互式纺织拓扑相结合如何实现离散和连续手势的并行使用。这项工作扩展了我们之前引入的 E-textile 架构(ACM UIST 2018论文集)。这项研究的重点是电线,因为它们模块化地用作服装中的拉绳,以及作为跨消费设备的数据和电源的有线连接。通过利用纺织编织技术,我们通过重复矩阵​​拓扑沿表面整合了手势感应和视觉反馈。

要深入了解这是如何工作的,请参阅此关于电子纺织品微交互的视频 和关于电子纺织品架构的视频。

file

螺旋传感矩阵 (HSM)

编织通常是指三个或更多材料股线的对角交织。虽然辫子传统上用于美观和结构完整性,但它们也可用于实现新的传感和显示功能。

虽然可以通过电容感应制作绳索来检测基本触摸手势,但我们开发了一种螺旋感应矩阵(HSM),可实现更大的手势空间。HSM是由电绝缘的导电纺织纱线和被动支撑纱线组成的编织物,其中相反方向的导电纱线起到发射和接收的作用电极以实现互电容感应。它们交叉点处的电容耦合由用户的手指调制,由于编织图案沿长度重复,因此可以在电线上的任何位置感应到这些相互作用。

file

旋转检测

一个关键的见解是,HSM 中共享一组公共电极(以及扁平矩阵图中的颜色)的两个轴向列彼此 180º 相对。因此,捏住和滚动绳索会激活一组电极,并允许我们跟踪这些列之间的相对运动。旋转检测根据偏移 90º 的一组时变正弦信号识别当前相位。编织物允许用户在任何地方开始旋转,并且可以通过一小组电极进行扩展。

file

交互技术和设计指南

这种电子纺织结构使绳索具有触感,但与刚性触摸表面相比,其柔软性和延展性限制了合适的交互。考虑到独特的材料,我们的设计指南强调: * 简单的手势。我们设计用于用户做出单个离散手势或执行连续操作的短交互。

  • 闭环反馈。我们希望帮助用户发现功能并获得对其操作的持续反馈。在可能的情况下,我们会提供集成在设备中的视觉、触觉和音频反馈。

基于这些原则,我们利用我们的电子纺织品架构来实现基于我们感知距离、面积、接触时间、滚动和压力的能力的交互技术。

file

包含可以显示不同强度颜色的光纤束,可以向用户提供动态实时反馈。

file

动作手势(轻弹和幻灯片)和抓取方式(捏、抓、捏)

我们进行了一项手势诱导研究,该研究展示了扩展手势集的机会。受这些结果的启发,我们决定研究基于轻弹和滑动的五种运动手势,以及单点触摸手势(捏、抓和拍)。

file

我们收集了 12 名新参与者的数据,产生了 864 个手势样本(12 名参与者每个手势执行 8 个手势,重复 9 次),每个样本都有 16 个特征,随着时间的推移线性插值到 80 个观察值。参与者在没有反馈的情况下以自己的风格执行八种手势,因为我们希望适应个体差异,因为分类高度依赖于用户风格(“接触”)、偏好(“如何捏/抓”)和解剖结构(例如,手的大小) )。因此,我们的管道是为依赖于用户的培训而设计的,以实现参与者之间具有差异的个人风格,例如顺时针/逆时针的不一致使用、时间手势之间的重叠(例如,轻弹与轻弹和按住,以及类似的捏和抓手势。 ) 对于独立于用户的系统,我们需要解决这些差异,例如,更严格的一致性说明、来自更大人群的数据以及更多样化的环境。训练期间的实时反馈也将有助于减少用户学习调整行为时的差异。

file

我们通过 8 次重复训练和 1 次测试,通过 9 次排列对每个用户的手势进行交叉验证,并实现了约 94% 的手势识别准确率。这一结果令人鼓舞,特别是考虑到这种低分辨率传感器矩阵(八个电极)所带来的表现力。

这里值得注意的是,重复传感矩阵中的内在关系非常适合机器学习分类。我们研究中使用的 ML 分类器可以使用有限的数据进行快速训练,这使得依赖于用户的交互系统变得合理。根据我们的经验,典型手势的训练时间不到 30 秒,这与训练指纹传感器所需的时间相当。

独立于用户的连续扭曲:量化精度和速度

每个用户训练的手势识别启用了八个新的离散手势。对于连续交互,我们还想量化独立于用户的连续扭曲在精确任务中的表现。我们将我们的电子纺织品与两个基线进行了比较,即电容式多点触控触控板(“Scroll”)和熟悉的耳机线遥控器(“Buttons”)。我们设计了一项实验室研究,其中三个设备在目标任务中控制一维运动。

我们分析了 1800 次试验的三个因变量,涵盖 12 名参与者和三种技术:任务时间(毫秒)、总运动和试验结束期间的运动。参与者还通过排名和评论提供了定性反馈。

我们的定量分析表明,我们的电子纺织品的扭曲速度比现有的耳机按钮控制更快,并且速度与触摸表面相当。定性反馈也表明电子纺织品交互优于耳机控制。

file

这些结果特别有趣,因为与刚性输入设备相比,我们的电子纺织品更敏感。一种解释可能是它的表现力——用户可以在绳索上的任何地方快速或缓慢地扭转,而且动作是对称和可逆的。耳机上的传统按钮需要用户找到他们的位置并改变操作的握把,这增加了按错按钮的高成本。我们使用高通滤波器来限制意外的皮肤接触,但需要进一步的工作来表征鲁棒性并评估实际使用环境中的长期性能。

手势原型:耳机、连帽衫拉绳和扬声器线

我们开发了不同的原型来展示我们的 e-textile 架构的功能:e-textile USB-C 耳机控制手机上的媒体播放,连帽衫拉绳可以无形地为衣服添加音乐控制,以及用于智能手势控制的交互线。扬声器。

file

file

结论和未来方向

我们引入了一种用于嵌入式传感和视觉反馈的交互式电子纺织品架构,它可以在紧凑的绳索外形中实现精确的小规模和大规模运动。通过这项工作,我们希望推进纺织用户界面,并激发微交互在未来可穿戴界面和智能织物中的使用,在这些界面中,免眼访问和随意、紧凑和高效的输入是有益的。我们希望我们的电子纺织品能够激励其他人使用可扩展的技术来增强物理对象,同时保留工业设计和美学。

网盘推荐

微信公众号

书籍标签