터치가 이렇게 현실적이던 적은 없었습니다! University of Southern California의 두 중국 박사가 '촉각 인식' 알고리즘을 혁신했습니다.

전자 기술의 발달로 우리는 언제 어디서나 '시청각의 향연'을 즐길 수 있게 되었고, 인간의 청각과 시각은 완전히 해방되었습니다.

최근 몇 년 동안 기기에 "촉각 터치"를 추가하는 것이 점차 새로운 연구 핫스팟이 되었습니다. 특히 "메타버스" 개념의 지원으로 터치를 추가하면 의심할 여지 없이 가상 세계의 현실감을 크게 향상시킬 수 있습니다. .

현재의 촉각 인식 기술은 주로 "데이터 기반" 모델을 통해 촉감을 시뮬레이션하고 렌더링합니다. 모델은 먼저 실제 텍스처와 상호 작용하는 사용자의 신호를 기록한 다음 해당 신호를 텍스처 생성 부분에 입력하고, 진동을 사용합니다. 이 방법은 터치 감각을 사용자에게 "재생"합니다.

일부 최근 방법은 주로 사용자 상호 작용 동작과 고주파 진동 신호를 기반으로 마찰 및 미세한 표면 특징과 같은 텍스처 특징을 모델링합니다.

데이터 기반이 시뮬레이션의 현실성을 크게 향상시키지만 여전히 한계가 많습니다.

예를 들어, 세상에는 "수많은 유형"의 텍스처가 있습니다. 각 텍스처를 기록한다면 필요한 인력과 물적 자원은 상상할 수 없을 것이며 일부 틈새 시장의 요구를 충족할 수 없을 것입니다. 사용자.

인간은 접촉 인식에 매우 민감하며, 사람마다 동일한 대상에 대해 서로 다른 감정을 가지고 있습니다. 데이터 기반 접근 방식으로는 텍스처 기록부터 텍스처 렌더링까지 인식 불일치 문제를 근본적으로 제거할 수 없습니다.

최근 University of Southern California Viterbi School of Engineering의 박사 과정 학생 3명이 텍스처 세부 사항을 해결하는 인간의 능력을 사용하여 생성된 가상 인식을 조정하고 궁극적으로 다음과 같은 새로운 "선호도 기반" 모델 프레임워크를 제안했습니다. 매우 현실적인 촉각 인식을 달성하기 위해 이 논문은 IEEE Transactions on Haptics에 게재되었습니다.

논문 링크: https://ieeexplore.ieee.org/document/9772285

선호도 중심 모델이 먼저 사용자에게 실제 터치 텍스처를 제공하고, 모델은 수십 개의 변수를 사용하여 세 개의 가상 텍스처를 무작위로 생성한 다음, 사용자는 이 중에서 실제 개체와 가장 유사하다고 느끼는 텍스처를 선택할 수 있습니다.

지속적인 시행착오와 피드백을 통해 모델은 검색을 통해 변수 분포를 지속적으로 최적화하여 생성된 텍스처를 사용자의 선호도에 더 가깝게 만듭니다. 이 방법은 컴퓨터가 읽는 것과 인간이 실제로 느끼는 것 사이에 항상 차이가 있기 때문에 텍스처를 직접 기록하고 재생하는 것보다 상당한 이점이 있습니다.

이 프로세스는 실제로 "파티 A 및 파티 B"와 유사합니다. 인식자(파티 A)로서 터치가 잘못되었다고 느끼면 다시 호출하여 알고리즘(파티 B)을 허용합니다. ) 효과가 만족스러울 때까지 생성될 때까지 수정하고 재생성합니다.

이것은 실제로 매우 합리적입니다. 왜냐하면 같은 물체를 만졌을 때 사람마다 느낌이 다르기 때문입니다. 그러나 컴퓨터에서 보내는 신호는 동일하므로 사람마다 터치를 맞춤화해야 합니다!

전체 시스템은 두 개의 모듈로 구성됩니다. 첫 번째는 잠재 공간의 벡터를 텍스처 모델에 매핑하는 데 사용되며 UPenn Haptic Texture Toolkit( 하티).

두 번째 모듈은 비교 기반 진화 알고리즘입니다. 생성된 텍스처 모델 세트에서 CMA-ES(공분산 행렬 적응 진화 전략)는 사용자 선호도 피드백을 기반으로 진화할 새로운 텍스처 모델을 생성합니다.

실제 텍스처를 시뮬레이션하기 위해 연구원은 먼저 사용자에게 맞춤형 도구를 사용하여 실제 텍스처를 터치하도록 요청한 다음 햅틱 장치를 사용하여 가상 텍스처 후보 세트를 터치합니다. 여기서 햅틱 피드백은 장치에 연결된 Haptuator를 통해 전송됩니다. 스타일러스.

사용자가 해야 할 유일한 일은 실제 텍스처에 가장 가까운 가상 텍스처를 선택하고 간단한 슬라이더 인터페이스를 사용하여 마찰의 양을 조정하는 것입니다. 왜냐하면 마찰은 텍스처의 느낌에 중요하기 때문입니다. , 또한 사람마다 다를 수 있습니다.

그러면 사용자의 선택에 따른 진화 전략에 따라 모든 가상 텍스처가 업데이트되고 사용자가 다시 선택하고 조정합니다.

사용자가 실제 텍스처와 가깝다고 생각되는 가상 텍스처를 찾아 저장하거나, 더 가까운 가상 텍스처를 찾을 수 없을 때까지 위 과정을 반복합니다.

연구원들은 평가 과정을 두 단계로 나누었으며 각 단계에는 별도의 참가자 그룹이 포함되었습니다.

첫 번째 단계에서는 5명의 참가자가 각각 5개의 실제 텍스처에 대한 가상 텍스처를 생성하고 검색했습니다.

두 번째 단계는 최종 저장된 선호도 기반 텍스처(VTp)와 해당 실제 텍스처(RT) 간의 차이를 평가하는 것입니다.

평가 방법은 주로 형용사 등급을 사용하여 거칠기, 단단함 및 매끄러움을 포함한 지각 차원을 평가합니다.

그리고 VTp, RT 및 데이터 기반 텍스처(VTd) 간의 유사점을 비교해 보세요.

실험 결과는 또한 진화 과정을 따르면 사용자가 데이터 기반 모델보다 더 현실적인 가상 텍스처 모델을 효과적으로 찾을 수 있음을 보여줍니다.

또한 참가자 중 80% 이상이 선호도 기반 모델이 생성한 가상 텍스처 등급이 데이터 기반 모델보다 우수하다고 믿었습니다.

햅틱 장치는 비디오 게임, 패션 디자인 및 수술 시뮬레이션에서 점점 더 인기를 얻고 있으며 심지어 집에서도 노트북만큼 인기 있는 햅틱 장치를 사용하는 사용자를 보기 시작했습니다.

예를 들어, 1인칭 비디오 게임에 터치를 추가하면 플레이어의 현실감이 크게 향상됩니다.

논문의 저자는 우리가 도구를 통해 환경과 상호 작용할 때 촉각 피드백은 단지 형태일 뿐이고 감각 피드백이고 오디오는 또 다른 감각 피드백이며 둘 다 매우 중요하다고 말했습니다.

게임 외에도 이 작업의 결과는 매우 정확해야 하는 치과 또는 수술 훈련에 사용되는 가상 텍스처에 특히 유용할 것입니다.

"외과 훈련은 매우 사실적인 질감과 촉각적 피드백이 필요한 매우 넓은 분야입니다. 장식 디자인에도 개발 및 제조 과정에서 매우 정확한 질감 시뮬레이션이 필요합니다."

비디오 게임부터 패션 디자인까지 모든 것이 촉각 기술을 통합하고 있으며, 이러한 사용자 선호 접근 방식을 통해 기존 가상 텍스처 데이터베이스를 개선할 수 있습니다.

또한 텍스처 검색 모델을 사용하면 사용자가 University of Pennsylvania의 Tactile Texture Toolkit과 같은 데이터베이스에서 가상 텍스처를 가져와 원하는 결과를 얻을 때까지 다듬을 수 있습니다.

이 기술을 텍스처 검색 모델과 결합하면 이전에 다른 사람들이 기록한 가상 텍스처를 사용하고 전략에 따라 텍스처를 최적화할 수 있습니다.

저자는 미래에는 모델에 실제 텍스처가 필요하지 않을 수도 있다고 상상합니다.

우리 삶에서 흔히 느끼는 감정은 매우 직관적이며, 우리는 실제 질감을 참조하지 않고 사진을 보면서 감각을 미세 조정하도록 배선되어 있습니다.

예를 들어, 테이블을 볼 때 표면에 대한 사전 지식을 사용하여 사용자에게 시각적 피드백을 제공하고 일치하는 콘텐츠를 선택하도록 허용할 수 있습니다. .

이 기사의 첫 번째 저자인 Shihan Lu는 현재 University of Southern California의 컴퓨터 과학부에서 박사 과정을 밟고 있습니다. 그는 이전에 몰입형 기술 분야에서 사운드 관련 작업을 수행했습니다. 도구가 상호 작용할 때 일치하는 소리를 도입하여 가상 텍스처를 더욱 몰입감있게 만듭니다.

기사의 두 번째 저자인 Mianlun Zheng은 University of Southern California 컴퓨터 과학부 박사 과정 학생입니다. 그는 우한 대학교에서 학사 및 석사 학위를 취득했습니다.

​ ​

위 내용은 터치가 이렇게 현실적이던 적은 없었습니다! University of Southern California의 두 중국 박사가 '촉각 인식' 알고리즘을 혁신했습니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!