Onderzoekers hebben een 'slimme' stof ontwikkeld die niet-metalen objecten, variërend van avocado's tot creditcards, kan herkennen, zo laten Dartmouth College en Microsoft Research weten.
De stof, die de naam Capacitivo kreeg, kan veranderingen in elektrische lading waarnemen om objecten in uiteenlopende vormen en maten te kunnen herkennen.
Een onderzoek en demonstratievideo, waarin het systeem wordt toegelicht, werd gepresenteerd tijdens het ACM Symposium over User Interface Software and Technologie (UIST 2020).
"Dit onderzoek heeft de potentie om de manier waarop mensen met computergebruik omgaan via alledaagse voorwerpen te veranderen," legt Xing-Dong Yang uit, assistent-professor computer science en senior onderzoeker van de studie.
Bestaande detectietechnologieën waarvoor stoffen worden gebruikt, zijn meestal afhankelijk van input zoals de aanraking van de gebruiker. Dit nieuwe interactieve systeem werkt volgens de 'implicit input technique' waarvoor er geen actie vereist is van het object dat de stof waarneemt.
Het systeem herkent objecten aan de hand van verschuivingen van elektrische ladingen in haar elektrodes die worden veroorzaakt door veranderingen in het elektrische veld van een object. Het verschil in lading kan worden gekoppeld aan een soort materiaal en de maat of vorm van het contactoppervlak.
De waargenomen informatie over de elektrische lading wordt vergeleken met gegevens die zijn opgeslagen in het systeem door middel van machine learning-technieken.
Het vermogen om niet-metalen objecten, zoals voedingsmiddelen, vloeistoffen, keukenspullen, plastic en papieren producten te herkennen, maken dit systeem uniek.
"Het kunnen waarnemen van niet-metalen objecten betekent een doorbraak voor slimme stoffen omdat het gebruikers in staat stelt op een totaal nieuwe manier om te gaan met alledaagse objecten," zegt Te-Yen Wu, hoofdauteur van het onderzoek.
Er werden voor de studie twintig objecten van verschillende afmetingen en materialen getest op het 'slimme tafelkleed'. Het team gebruikte ook een glas water en een kom om te bepalen of het systeem ook accuraat kan waarnemen in hoeverre deze gevuld waren.
Over de hele linie bedroeg de betrouwbaarheid van de testen 94,5%
Het systeem was met name accuraat in het onderscheiden van diverse fruitsoorten, zoals kiwi's en avocado's. De status van een bakje met vloeistof bleek het systeem eveneens relatief eenvoudig te kunnen bepalen.
Tijdens een aanvullende studie bleek het systeem onderscheid te kunnen maken tussen verschillende vloeistoffen, zoals water, melk, appelcider en frisdrank. Bij het detecteren van objecten die een minder zware druk op de stof uitoefenden, zoals een creditcard, was het systeem echter minder betrouwbaar.
Het prototype was voorzien van een netwerk van ruitvormige elektrodes, gemaakt van een geleidend materiaal, die waren aangebracht op een stuk katoenen stof. Het formaat van de elektrodes en de onderlinge tussenruimtes ervan werden ontworpen om het detectiebereik en de gevoeligheid te maximaliseren.
Onderzoekers verwachten dat het systeem geschikt is voor verschillende toepassingen, waaronder het terugvinden van verloren objecten, het geven van notificaties en het leveren van informatie over andere slimme systemen, zoals dieet trackers.
Het systeem zou zelfs kunnen helpen bij het koken door receptideeën en en bereidingstips te geven.
Voor meer informatie:
www.dartmouth.edu