［本站讯］近日，集成电路学院李阳教授团队联合北京理工大学、韩国光云大学等高校团队在电子皮肤领域取得突破性进展，相关成果以“Wearable thumb sleeves enabled by self-supervised learning with few stretchable sensors and few-shot data for switchable finger tasks”为题，发表于国际顶级期刊Science Advances，李阳教授为论文共同通讯作者，山东大学为通讯作者单位。
图1 深度学习赋能的HMI电子皮肤系统：监督学习与自监督学习方法的对比分析
在本研究中，研究团队开发了一种集成自监督学习的可穿戴拇指袖套，用于精确跟踪和高效识别拇指运动。该系统能够快速适应各种手势识别场景，而无需复杂的用户操作。拇指袖套采用与离子水凝胶结合的可拉伸传感器作为电极，紧密贴合拇指，适应其自然的屈伸动作。分层三角棱柱设计显著提高了敏感度，以确保精确捕捉微妙的拇指运动。通过将传感器置于拇指IP和MCP，该系统能够有效地从低维数据中重构精确的运动信息，消除了对笨重或复杂传感器阵列的需求。最终形成了一种紧凑的拇指感知平台，可以舒适地佩戴和操作，无需任何外部工具。此外，作者提出了一种时间序列信息对比学习（TICL）算法，该算法从未标记的随机拇指运动信号中学习表示，并构建一个编码先前手势知识的时间运动潜在空间（TMLS）。通过迁移学习，该模型可以仅使用少量标记样本适应新用户和任务，有效消除了广泛数据收集和特定任务模型设计的需求。这使得不同手势识别任务之间能够自由切换，使系统能够动态适应用户意图和交互需求的变化，而无需重新训练模型。实验结果表明，预训练模型在复杂手势任务（如方向识别和指关节按键输入）上可以达到94%以上的准确率，仅使用五次标记样本和20个训练周期。此外，作者在多种现实世界的HMI场景中验证了所提出的系统，包括无人机控制、字母数字输入和在线购物。这些演示突显了系统在多功能性、实用性和强适应性方面的优势，展示了其在多样应用环境中的广阔前景，为下一代智能交互界面提供了有希望的解决方案。
相关研究成果得到国家自然科学基金、山东省泰山学者项目等计划的资助和支持。
