Una Internet táctil es potencialmente la siguiente fase de la Internet de las cosas, en el que los humanos pueden tocar e interactuar con objetos remotos o virtuales mientras experimentan una retroalimentación háptica realista.

Un equipo de investigadores dirigido por Elaine Wong en la Universidad de Melbourne, Australia, desarrolló un método para mejorar las experiencias de retroalimentación háptica en aplicaciones de persona a máquina que son típicas de la Internet táctil. Los investigadores creen que su método puede usarse para pronosticar la retroalimentación adecuada en aplicaciones que van desde la atención médica electrónica hasta los juegos de realidad virtual.

Wong y sus colegas presentarán su módulo propuesto, que utiliza una red neuronal artificial para pronosticar el material tocado, en la Conferencia y Exposición de Comunicación de Fibra Óptica (OFC), que se celebrará del 8 al 12 de marzo de 2020 en el Centro de Convenciones de San Diego, California, ESTADOS UNIDOS.

Dependiendo de la dinámica de la interacción, una aplicación óptima de persona a máquina puede requerir un tiempo de respuesta de la red de tan solo un milisegundo.

"Estos tiempos de respuesta imponen un límite a la distancia entre humanos y máquinas, "dijo Wong." Por lo tanto, soluciones para desacoplar esta distancia de la red, el tiempo de respuesta es fundamental para lograr la Internet táctil ".

Como paso hacia este objetivo, el equipo entrenó un algoritmo de aprendizaje por refuerzo para adivinar la retroalimentación háptica apropiada en un sistema de persona a máquina antes de que se conozca la retroalimentación correcta. El módulo, denominado Pronóstico de muestras hápticas basado en eventos (EHASAF), acelera el proceso al proporcionar una respuesta táctil basada en una predicción probabilística del material con el que interactúa el usuario.

"Para facilitar las aplicaciones de persona a máquina en redes de larga distancia, confiamos en la inteligencia artificial para superar los efectos de la latencia de propagación prolongada, "dijo Sourav Mondal, un autor en el papel.

Una vez que se identifica el material real, la unidad adapta y actualiza su distribución de probabilidad para ayudar a elegir la retroalimentación adecuada en el futuro.

El grupo probó el módulo EHASAF con un par de guantes de realidad virtual utilizados por un humano para tocar una pelota virtual. Los guantes contienen sensores en los dedos y muñecas para detectar toques y rastrear movimientos. fuerzas y la orientación de la mano.

Dependiendo de la bola de material que el usuario elija tocar de las cuatro opciones virtuales proporcionadas, la respuesta del guante debería variar. Por ejemplo, una bola de metal será más firme que una de espuma. Cuando una red neuronal determina que uno de los dedos ha tocado la pelota, el módulo EHASAF comienza a recorrer las opciones de retroalimentación para generar hasta que resuelve el material real de la pelota elegida.

En la actualidad, con cuatro materiales, la precisión de predicción del módulo es de aproximadamente el 97%.

"Creemos que es posible mejorar la precisión de la predicción con una mayor cantidad de materiales, "dijo Mondal." Sin embargo, se necesitan modelos más sofisticados basados ​​en inteligencia artificial para lograrlo ".

"Se pueden desarrollar modelos cada vez más sofisticados con rendimiento mejorado basados ​​en la idea fundamental de nuestro módulo EHSAF propuesto, "Dijo Mondal.

Estos resultados y la investigación adicional se presentarán in situ en la OFC 2020.