MIT的低成本传感器手套有望使机械手通过触摸识别物体-电子发烧友网

01、MIT的低成本传感器手套有望使机械手通过触摸识别物体

麻省理工学院计算机科学与人工智能实验室（MIT-CSAIL）的研究人员近日开发了一种低成本的传感器手套，旨在使人工智能能够“弄清楚”人类如何通过触摸识别物体。它被称为可伸缩的TActile手套（STAG），使用550个微小的压力传感器来生成可用于创建改进的机械手的模式。

人类非常善于通过触摸来弄清楚物体是什么（例如在黑暗中摸索眼镜或手机）。工程师希望机器人也能效仿这种能力。这样做的一种方法是收集尽可能多的关于人类实际上如何通过触摸识别的信息。原因在于，如果有足够大的数据库，那么机器学习可以用来进行分析，不仅可以推断人手如何识别某物，还可以估计其重量 - 机器人和假肢难以做到这点。

麻省理工学院正在通过配备550个压力传感器的低成本针织手套收集这些数据。手套连接到计算机，计算机收集数据，压力测量结果被转换为视频“触觉地图”并被输入卷积神经网络（CNN）。该网络能对图像进行分类，找出特定的压力模式并将其与特定的物体相匹配。

该团队从26个常见物体（如饮料罐、剪刀、网球、勺子、钢笔和马克杯）中收集了135,000个视频帧。然后，神经网络将半随机帧与特定的夹点相匹配，直到建立了一个物体的完整图片 - 这与人们通过在手中滚动物体来识别物体的方式非常相似。通过使用半随机图像，可以给网络提供相关的图像集群，因此不会在无关数据上浪费时间。

02、T-Mobile悄然在纽约市开测5G早期网络

尽管 AT&T、Verizon 和 Sprint 都已经推出或宣布了自家的 5G 网络部署时间表，但身为全美运营商四巨头之一的 T-Mobile，其“Un-carrier”5G 发布计划似乎有些过于安静了。当然，这并不意味着该公司没有在背后发力。近日有消息称，这家运营商已经悄然迈出了在纽约地区部署 5G 服务的第一步。

近日，Ookla 雇员 Milan Milanović 在 Twitter 上晒出了一张 Speedtest.net 测速截图（使用设备为 V 版无锁三星 Galaxy S10 5G 机型）。

他表示，尽管 T-Mobile 没有正式宣布，但这家运营商确实已经开始了在部分地区的 5G 建设工作。

从实测结果来看，T-Mobile 5G 网络给我们留下了深刻的印象，下行速率已接近 500Mbps 。

尽管不如 Cnet 小编 Jessica Dolcourt 今年 5 月初在芝加哥体验过的 Verizon 5G 网络那么惊艳（超过 1Gbps），但相信给足时间的话，T-Mobile 仍有一定的优化余地。

外媒 Cnet 就此事联系了 T-Mobile，但是这家运营商重申了先前的力场，即只有在 5G 手机准备就绪的时候，它才会正式启用自家的 5G 移动网络。

该公司发言人称，T-Mobile 计划在 2020 年向全美客户提供 5G 服务。如果监管机构批准了它与 Sprint 的合并，那 T-Mobile 将带来一个比当前网速快得多的 5G 优势网络。

03、可穿戴设备Triton 2使用AI来追踪游泳指标 对运动员表现进行分析

目前已有一些用于游泳跟踪的可穿戴设备，如用于追踪基本数据的智能手表等。总部位于多伦多的TritonWear正在采取进一步措施，其刚刚宣布推出Triton 2 - 该设备同时追踪13个游泳指标，实时传输数据以进行表现分析。

防水Triton 2设备本身隐藏在佩戴者游泳帽的背后，并与教练的智能手机或平板电脑配套使用。一旦佩戴者开始游泳，该设备的惯性测量单元（加速度计/陀螺仪组合）继续追踪诸如划水类型、平均速度，划水次数/划频，划距，水下时间和换气次数等数据。

所有这些数据都无线传输到教练移动设备上的iOS / Android<飘雪H5模板
/u>应用程序。这些应用不仅记录和显示数据，而且还由基于AI的算法处理，这些算法是在精英级教练的帮助下开发的。因此，该应用程序能够提供有关游泳运动员表现的反馈 - 这包括他们如何改进的建议，以及他们应该做些什么以避免伤害。

此外，如果教练使用他们的移动设备拍摄游泳者的视频，那么该视频将在回放时与录制的表现分析同步。这意味着游泳运动员将能够真正看到他们的不足之处。该系统还可以离线使用，一旦联网，就可以将应用程序记录的数据同步至服务器涂抹H5模板
。