Neuigkeiten aus unserer Forschung
Hier finden Sie u.a. Studien-Updates und Informationen zu abgeschlossenen Studien.
2023-11 | CeTI-Age - Studie veröffentlicht
In der Studie, die ein Teil des größeren Projektes "MultiSensP" ist, wurde die Datenbank "CeTI-Age-Kinematic-Hand" entwickelt, um Handbewegungen von Menschen verschiedener Altersgruppen zu erfassen. Diese Datenbank liefert wertvolle Einblicke in die Variationen der Handbewegungen und trägt zur Verbesserung der Interaktion zwischen Mensch und Maschine bei. Lesen Sie weiter um mehr zu erfahren oder lesen Sie in dem orginal Behind the paper Artikel: https://communities.springernature.com/posts/empowering-inclusive-technology-exploring-and-exploiting-the-diversity-of-hand-movements-with-the-ceti-age-kinematic-hand-database.
In der Welt der Digital- und Kommunikationstechnologie gibt es das taktile Internet und das Metaverse, die die Interaktion zwischen Menschen und Maschinen revolutionieren sollen. Diese Konzepte ermöglichen ein immersiveres Gefühl der Präsenz in digitalen oder entfernten Umgebungen. Dabei gehen sie über die traditionellen Kommunikationsformen hinaus, indem sie haptische Eingaben und Rückmeldungen einbeziehen, um zu einem immersiveren und realistischeren Gefühl der Präsenz in realen, digitalisierten oder entfernten Umgebungen beizutragen.
Wir haben eine Datenbank erstellt, die Handbewegungen von Menschen verschiedener Altersgruppen enthält, um mehr über die Variationen der Handbewegungen zu erfahren. Wir haben spezielle Datenhandschuhe verwendet, um die Bewegungen der Hand aufzuzeichnen. Die darin integrierten Sensoren sind in der Lage, genaue Daten über die Handbewegungen zu erfassen. In unserer Studie haben 63 Teilnehmer im Alter von 20 bis 80 Jahren sechs Wiederholungen von 40 verschiedenen natürlichen Handbewegungen in ihrem eigenen Tempo durchgeführt. Durch die Einbeziehung von Menschen unterschiedlichen Alters konnten wir sicherstellen, dass unsere Datenbank die natürlichen Variationen der Handbewegungen über das gesamte Erwachsenenalter abbildet.
Zusätzlich haben wir 3D-Handmodelle erstellt, um ein besseres Verständnis für die Handbewegungen zu ermöglichen. Zusätzlich dazu, dass sie ein besseres Verständnis für die Handbewegungen ermöglichen und die Genauigkeit der Klassifizierung verbessern, können sie auch Informationen für die Handrehabilitation liefern und das Design von bewegungsunterstützenden (Assistenz)Robotern unterstützen.
Die Datenbank, die durch Open Science ermöglicht wurde, ist eine wertvolle Ressource für Forscher und Entwickler, um Anwendungen zu entwickeln und die Interaktion zwischen Mensch und Maschine zu verbessern. Sie liefert Informationen über die Bewegungen der Hand und unterstützt die Entwicklung von altersgerechten Anwendungen und ergonomisch gestalteten Handgeräten oder Datenhandschuhen. Desweiteren fördert die offene Wissenschaft (OpenScience) die Zusammenarbeit und Transparenz, indem sie Forschern und Entwicklern Zugang zu einer Vielzahl von kinematischen Handbewegungsdaten ermöglicht, was zur Verbesserung von KI-Algorithmen und der Mensch-Maschine-Interaktion beiträgt.
Dieses Bild zeigt t-SNE-Einbettungen von Sensordaten, die für eine Teilmenge von Handbewegungen verwendet wurden. t-SNE (t-Distributed Stochastic Neighbor Embedding) ist eine Methode zur Visualisierung von Datenpunkten in niedrigeren Dimensionen. Dabei werden komplexe Daten, wie Sensordaten von Handbewegungen, in einem zweidimensionalen oder dreidimensionalen Raum dargestellt. Die Streuungen im Bild repräsentieren einzelne Einbettungen, wobei die Handbewegungen als Zentren dargestellt werden. Copyright: Diese Bild wurde ursprünglich in einem Beitrag in communities.springernature.com geteilt: [https://go.nature.com/3t3MwLn].
Sie können den Forschungsartikel und die Datenbank hier abrufen: https://rdcu.be/dCvIE
Diese Projekt ist gefördert durch die Deutsche Forschungsgemeinschaft (DFG) im Rahmen der Exzellenzstrategie des Bundes und der Länder – EXC 2050/1 – Projektnummer 390696704 – als Exzellenzcluster „Centre for Tactile Internet with Human-in-the-Loop“ (CeTI) der Technischen Universität Dresden. Diese Projekt wurde auch teilweise unterstützt durch das Bundesministerium für Bildung und Forschung (BMBF) und den Deutschen Akademischen Austauschdienst (DAAD) im Rahmen des Projekts 57616814 (SECAI, School of Embedded and Composite AI).
Open-Access-Finanzierung ermöglicht und organisiert von Projekt DEAL.