任何表面變身AR觸控螢幕

🔑 增強重點摘要

• •該技術採用了基於聲學感測（Acoustic Sensing）的原理，透過分析手指敲擊表面產生的微小振動波來定位輸入位置，而非僅依賴視覺追蹤。
• •此系統整合了機器學習演算法，能即時過濾環境噪音與非意圖性的表面接觸，顯著提升了在非平整或嘈雜環境下的輸入準確度。
• •研究團隊已成功將此演算法輕量化，使其能直接運行於現有AR頭戴裝置的邊緣運算晶片上，無需依賴雲端處理即可實現低延遲互動。

🛠️ 技術深入

• •感測機制：利用AR頭戴裝置內建的麥克風陣列，捕捉手指敲擊平面時產生的結構傳導聲波（Structure-borne sound）。
• •定位演算法：採用到達時間差（TDOA）技術，結合多麥克風輸入，計算出敲擊點的二維座標。
• •模型架構：使用卷積神經網路（CNN）進行波形特徵提取，並透過長短期記憶網路（LSTM）進行時序上的輸入意圖分類。
• •校準流程：系統啟動時會進行短暫的環境聲學特徵學習，以適應不同材質（如木材、玻璃、金屬）的聲學響應差異。

🔮 前景展望AI analysis grounded in cited sources

⏳ 時間線