首尔国立大学和韩国高级科学技术研究所(KAIST)的研究人员最近开发了一种传感器，它可以充当电子皮肤，并将其与深度神经网络集成。在《自然通讯》发表的一篇论文中，介绍了这种深度学习增强的电子皮肤系统，它可以从远处捕捉人类的动态动作，比如快速的手指运动。

新系统源于跨学科合作，涉及机械工程和计算机科学领域的专家。领导这项最新研究的两位研究人员是魂国立大学机械工程教授Seung Hwan Ko和KAIST计算学院教授Sungho Jo。

多年来，高教授一直试图通过使用激光技术在金属纳米颗粒薄膜上产生裂纹来开发高灵敏度的应变传感器。然后，将传感器阵列应用于虚拟现实手套，用于检测手指运动。

“我的实验室通常使用至少5到10个应变传感器来预测准确的手部动作(每个手指至少1到2个传感器)，因为所需的应变传感器数量会随着目标系统的复杂性而增加。”柯说。“几年前，我开始问自己一个问题：我们能否只用一个应变传感器代替多个传感器来准确预测手部动作？起初，这似乎是一个愚蠢的问题，因为几乎不可能区分来自应变传感器的信号。”

基于迁移学习的RSL系统。图片来源：Kim等。

当高教授试图开发一种能够准确预测人手运动的应变传感器时，乔教授正在研究将机器学习技术与最新传感器相结合的策略。乔教授认为，即使人们使用单个传感器来检测这些信号，机器学习也可以用来分析手指运动产生的连续传感器模式。

乔教授说：“我们意识到，如果我们能够通过机器学习来使用这些模式，我们就可以清晰地将单个传感器观察到的不同行为区分开来。”“经过密切合作，我们可以开发一种深度学习传感器，可以预测复杂的手部动作。”

由高教授、乔教授和他们的同事开发的传感器安装在用户的手腕上。