拉伸感应手套可准确捕获交互式手势

实时并获得逼真的结果来捕获交互式手势是计算中尤其是以人为中心的计算和运动捕获技术中经过仔细研究的问题。人的手很复杂-屈肌，伸肌和感觉功能的复杂系统是我们操纵物理对象并相互通信的主要手段。准确的手部动作捕捉对于许多应用(例如游戏，增强现实和虚拟现实领域，机器人技术和生物医学行业)而言都是相关且重要的。

来自苏黎世联邦理工学院和纽约大学的全球计算机科学家团队，通过开发用户友好的，可拉伸感应的数据手套，以更高精度地捕获实时，交互式手势，进一步推进了这一研究领域。

由ETH Zurich的Oliver Glauser，Shihao Wu，Otmar Hilliges和Olga Sorkine-Hornung和NYU的Daniele Panozzo组成的研究团队将在7月28日至8月1日在洛杉矶举行的SIGGRAPH 2019上展示他们的创新手套。这次年度聚会展示了在计算机图形和交互技术领域最前沿的世界领先的专业人士，学者和创造力。

研究人员说，他们的拉伸感应手套的主要优点是，它们不需要基于摄像头的装置(或任何其他外部设备)，并且可以通过最少的校准就可以开始实时跟踪手势。

“据我们所知，我们的手套是第一批完全基于拉伸传感器的精确的手动捕捉数据手套，”该研究的主要作者，博士学位的Glauser说。苏黎世联邦理工学院的学生。“手套柔软而纤细，即使戴着44个嵌入式传感器，也非常舒适且不显眼。可以通过制造实验室中常用的工具以低成本进行制造。”

Glauser和合作者着手克服在复制精确的手势方面的一些持久性挑战。在这项工作中，他们解决了一些障碍，例如在各种环境和设置中实时捕获手势，以及仅使用用户友好的设备和易于学习的设置方法。他们证明，即使在用户握住身体物体且光线不足的情况下，他们的拉伸感应软手套也能成功实时准确地计算手势。

研究人员利用配备有44个拉伸传感器的手形有机硅化合物，并将其附着在柔软，薄织物制成的手套上。为了从传感器读数中重建手势，研究人员使用了一个数据驱动模型，该模型利用了传感器本身的布局。该模型仅训练一次;为了收集训练数据，研究人员使用了一种廉价的现成的手势重建系统。