Ein Forscher-Team der University of Melbourne möchte die Interaktion von Mensch und Maschine noch interaktiver und flüssiger gestalten. Hierfür haben sie einen „predictive touch response“ Mechanismus entwickelt, der die Berührungsempfindlichkeit in der Maschinensteuerung enorm optimiert.
Die Entwicklung des Predictive Touch Response Mechanismus ist der nächste Schritt in der Maschinensteuerung. Nach aktuellen Vorhersagen, wird besonders das Internet der Dinge die Interaktion mit entfernten oder virtuellen Objekten voranbringen. Diese Art der Interaktion nennen die Experten „Taktiles Internet“. Das Forscherteam aus Melbourne hat diese Vision ein Stück mehr zur Realität gemacht.
Durch ihren neuen Mechanismus wird die Interaktion mit den Maschinen erheblich optimiert. Ihre prädiktive Berührungsreaktion verkürzt die Netzwerk-Reaktionszeiten und gestaltet die Interaktion dynamischer, als es heute der Fall ist.
“These response times impose a limit on how far apart humans and machines can be placed,” – Elaine Wong, University of Melbourne
Um die geringe Reaktionsgeschwindigkeit zu optimieren, arbeiten die Forscher mit einem Lernalgorithmus, der dank Machine Learning das entsprechende Feedback vorhersagen kann.
Bevor das wirkliche Feedback bekannt ist, verwendet das Modul, welches den Namen Event-based HAptic SAmple Forecast, kurz EHASAF, trägt, ein neurnales Netz zur Vorhersage des berührten Materials. Nachdem das vorliegende Material erkannt wurde, passt EHASAF ihre Wahrscheinlichkeitsberechnung an und aktualisiert sie, um das geeignete Feedback vorherzusagen.
Um die Funktionalität ihrer Entwicklung zu testen, kombinierte das Team ihr Modul mit VR Handschuhen. Bei der Berührung, beispielsweise eines virtuellen Balls, durchlief das Modul Feedback-Schleifen, die so lange generiert wurden, bis es das tatsächliche Material des gewählten Balls definiert hat.
Diese Entwicklung ist zwar noch ein ganz kleiner Schritt zur optimierten Mensch-Maschinen Interaktion, doch kann sie den Weg zum taktilen Internet ebnen.
