编者按：本文来自微信大众号“量子位”（ID:QbitAI），作者：梅宁航，36氪经授权发布。
谷歌在开发可穿戴设备上从未停歇，比方和李维斯协作推出的智能夹克衫Commuter Trucker。
衣服上的袖口加装一块传感器，用户都能够经过蓝牙链接与之进行交互。
能够终究靠双击、滑动等操作进行切歌等操作。
再接再厉，谷歌期望能够把设备做的小一点，功用更丰厚一点。
谷歌随后盯上了耳机线。
谷歌AI工程师开发了一款电子交互式织造物（E-Textile），能够让人经过捏、搓、握、拍等手势完成以往触摸屏的大部分功用。
音量控制、切歌换歌等操作更是不在话下，谷歌的新功用指向的是下一步的感知交互，终究意图解放咱们的双手。
手势数据集的练习进程
谷歌开发的此款设备是机器学习算法和传感器硬件的结合，而耳机线仅仅承载物。
实践上线不是一般的耳机线，是柔性电子资料，并且将传感器织造进内，因而能够直接进行人机交互。
假如你喜爱，连帽衫也能够改造。
首要谷歌招募12名参与者进行数据收集，各做8个手势，重复9次，合计864个试验样本。
为处理样本量过小的坏处，研讨者运用线性插值对每个手势时刻序列进行再采样。
每个样本提取16个特征，终究得到80个调查成果。
每位用户经过练习的手势辨认可启用8个新的离散手势。
不只有定量的数字，还有参与者的切身感受，研讨者期望供给以人为本的交互体会。
参与者还经过排名和谈论供给了定性反应，参与者还提出了多种交互方法，包含滑动、弹指、按压、捏、拉、挤等。
定量分析成果标明，交互式织造品的感知速度比现有的耳机按钮控件要快，并且速度可与触摸屏比美。
而定性反应还标明，与耳机线控比较，电子纺织交互更受喜爱。
考虑到不同的运用场景，研讨者为不同的运用场景开发了不同的设备：
电子纺织USB-C耳机，用于控制手机上的媒体播映；帽衫抽绳，以无形地向衣服增加音乐控制。
算法对手势的精准辨认
谷歌能做出电子织造物，难点并不在于机器学习的算法，而在于如安在耳机线上进行手势捕捉和交互。
耳机线等织造物出于体积考虑，无法装置大型和很多的传感器，感知和分辩才能十分受限。
其次是人手姿势的含糊性和多义性，比方捏和抓究竟怎样区别，拍击和上拉怎样分辩？
谷歌工程师用8个电极组成传感器矩阵，对数据集进行划分为8次为练习数据，1次为测试数据，得到9个手势的改换。
他们发现传感矩阵中存在固有联系，很合适机器学习分类算法，这使得分类算法能够运用有限数据集进行练习，大约只需求30s，便可完成一个手势辨认。
终究准确率为93.8%，考虑到他们所运用的数据集规划和练习时刻，这个精度满足日常运用了。
耳机控制的下一步
谷歌此次对耳机线的练习，触及手势姿势辨认和微观互动两个内容。
在触摸屏设备上，屏幕下方空间可包容很多传感器，比方苹果的3D Touch辨认模块。
但在比如耳机线等体外设备上，或许就没有这么轻松了，由于传感器数量和体积要受到限制。
试验进程中，工程师们发现需求对多种手势的屡次练习，并且不同个别手势需求屡次捕捉动作。
这项研讨显现了一种能够在一个紧凑的外形尺寸物体中完成准确的小规划运动或许，咱们咱们能够等待智能可交互织造物的开展。
有一天。可穿戴式界面和智能织物的微交互能够恣意运用，终究让体外设备如影随形，随时交互，终究解放咱们的双手。
你等待这一天吗？
参阅链接：
https://ai.googleblog.com/2020/05/enabling-e-textile-microinteractions.html
https://dl.acm.org/doi/fullHtml/10.1145/3313831.3376236
