A különböző textilféleségek "felokosítására" már számtalan kísérletet végeztek és több gyakorlati, kereskedelmi forgalomban is megjelent példát lehet már találni a lehetséges alkalmazásokra, amelyek hőre, pulzusra vagy egyéb körülményre reagálnak. A Google kutatólaborjában éppen sima pamutszálakat fonnak egybe tapintást érzékelő szenzorokkal, hogy egy új típusú beviteli eszközt alkossanak.
Csavaros megoldás
Az ötlet lelkét az úgynevezett Spirális Érzékelő Mátrix (Helical Sensing Matrix - HMS) adja. Ebben a rendszerben összesen négy pár elektródaszál van egybegyúrva a normál anyaggal, mégpedig oly módon, hogy az érzékelők párjai a fonat ellentétes oldalára esnek. Ennek köszönhetően a szálat érő fizikai változásokat a szenzorok relatív helyzetére támaszkodva pontosan be tudja azonosítani a rendszer mögött dolgozó algoritmus.

A HMS rendszere lehetővé teszi a különböző mozdulatok pontos felismerését és megkülönböztetését (forrás: Google)
Az ilyen típusú anyagok beviteli eszközként való használatának egyik nehézsége, hogy míg egy gomb, vagy touchpad szilárd, jól meghatározható felülettel rendelkezik, addig a szövetből font zsinór ruglamas, alakját pedig folyamatosan változtatja a fizikai behatásokra reagálva. A felhasználókat segítendő ezért vizuális megerősítést adó ledszálakkal bővítették a fonat összetételét, amelyek a fény intenzitásával és mintázatával tudják jelezni, éppen milyen típusú utasítást érzékel az e-madzag.
Kisimították a különbségeket
A projektnél szintén meg kellett küzdeni az emberek anatómiai és viselkedésbeli különbözőségével. Ha univerzális beviteli eszközt akar valaki készíteni, akkor gondoskodni kell róla, hogy az ne viselkedjen máshogy például a kéz méretének, vagy a mozdulatsorok némileg eltérő stílusa miatt.
Ennek érdekében a kutatók fogtak egy csapatnyi önkéntest, és előre definiált, illetve szabadon választott interakciókat hajtattak végre velük az okos zsinóron. Ezeket a mozdulatsorokat aztán jó párszor újra meg kellett tenni a tesztalanyoknak. Az így kapott adatkészletből a gépi tanulás módszerével kifejezetten jónak mondható pontosságot értek el. Az algoritmus ugyanis ezt követően átlagosan nagyjából 94 százalékban helyesen értelmezte a mozdulatokat.
Elégedett felhasználók
A kutatásba bevont önkénteseket nem csak kvalitatív mérésekre használták, hanem megkérdezték a véleményüket is a különleges beviteli eszköz használatával kapcsolatban. A Google írása szerint ezek meglehetősen pozitívak voltak.

A különböző beviteli módok szubjektív megítélése, illetve használatuk mért gyorsasága (forrás: Google)
Az okos zsinórt szinte minden területen jobbra, vagy legalább hasonló jóra értékelték, mint a touchpad használatát (a fenti képen Scroll), és egyértelműen felülmúlta a fejhallgatóknál megszokott gombos rendszert (Buttons). A jobb oldali grafikonból az is kitűnik, hogy miközben a fonat sokkal természetesebb érzetet ad a felhasználóknak, sebességben sem marad el a meglévő módszerekhez képest.
És hogy mire is lehetne használni egy ilyen új megoldást? A Google alábbi videójában egész komoly ízelítőt kapunk ezzel kapcsolatban.
Az ötlettől az értékteremtésig – egy jól működő adattudományi szervezet alapjai
Miért bukik el annyi adattudományi kezdeményezés már az indulás után? A válasz gyakran nem az algoritmusok összetettségében, hanem az adatok minőségében és kezelésében keresendő. Stabil adatforrások, következetes feature-kezelés és egy jól felépített Feature Store nélkül a gépi tanulás ritkán jut el a valódi üzleti értékteremtésig.
EGY NAPBA SŰRÍTÜNK MINDENT, AMIT MA EGY PROJEKTMENEDZSERNEK TUDNIA KELL!
Ütős esettanulmányok AI-ról, agilitásról, csapattopológiáról. Folyamatos programok három teremben és egy közösségi térben: exkluzív információk, előadások, interaktív workshopok, networking, tapasztalatcsere.
2026.03.10. UP Rendezvénytér
Nyílt forráskód: valóban ingyenes, de használatának szigorú szabályai vannak