許多人日常在用的智能手表，它的文本輸入要么靠語音，要么靠打字或手寫。

但有時你可能不方便說話，或者在那么小的屏幕上戳鍵盤實在有點“局促”。

那咋辦？

也許可以試試“隔空打字”法。

浙江大學就開發(fā)了這樣一個名叫AirText的應用，只需你動動手指和手腕，手表就確識別空中字符，錯誤率低至3.9%。

還配備聯(lián)想和推薦功能，讓拼寫速度更快。

給智能手表配上“隔空打字”功能

開發(fā)AirText的一個主要挑戰(zhàn)在于如何讓它理解手腕運動和指尖拼寫動作的對應關(guān)系。

就像下面這張圖所展示的，拼寫時手腕呈現(xiàn)出來的軌跡和正常字母差得還挺多的。

為此，研究團隊先借助了一個現(xiàn)成工具Leap Motion，它可以用紅外傳感器跟蹤手勢。

然后八名志愿者使用五種不同的智能手表拼出超過25000個字符，用Leap Motion收集相關(guān)的手腕和手指運動數(shù)據(jù)。

再將數(shù)據(jù)輸入神經(jīng)網(wǎng)絡模型，進行訓練，最終AirText可以根據(jù)用戶手腕微小的動作變化推斷指尖的軌跡。

然后，僅通過智能手表就可以高效、準確地將推斷出的軌跡識別為相應的字符。

為了加快拼寫速度，他們還給系統(tǒng)配上了單詞預測和推薦功能。

預測單詞會顯示在手表屏幕的四個方向，我們可以將手表向上下左右傾斜就能進行選擇（晃動手表可以退格）。

詞錯誤率為3.9%

首先來看AirText的準確性測試。

衡量指標為WER（詞錯誤率，Word Error Rate），計算方法就是將錯誤字/識別正確的字。

其中錯誤字涉及三種類型：漏字（用I表示，即校對成正確的拼寫時需要再插入的字的數(shù)量）、多字（用D表示，即需要刪除的字數(shù)量）、錯字（用S表示，即需要替換的字數(shù)量）。

將AirText與倆基線方法（IMU-CNN和BLSTM）相比，最終AirText得分最低，也就是準確性最高。

三者平均分分別為3.9%、30.9%和57.1%。

以上是單用戶在單設(shè)備上的測評結(jié)果。

為了更準確，他們還測試了多用戶和多設(shè)備，結(jié)果如下：

左圖中，同一個用戶使用5種不同智能手表測試AirText獲得的準確率得分分別為：8.3%、7.5%、6.5%、7.7%和3.9%。

研究人員表示，7%的WER意味著平均每15個單詞中有一個識別錯誤，這對于隔空手寫來說還是可以接受的。

右圖中，8位不同用戶使用同一手表獲得了11.2%、5.9%、4.3%、4.0%、3.6%、5.9%、4.7%和3.9%的WER。

從中我們可以看出，與不同的設(shè)備相比，不同的用戶對準確性的影響更大。

不過研究人員表示，借助模型更新組件，AirTex 仍然可以針對不同用戶實現(xiàn)較高的準確率。

然后是速度測試。

由于BLSTM基線的WER約為57%，錯誤率太高，研究人員只比較了AirText和IMU-CNN兩者的速度。

衡量指標是WPM（單詞/每分鐘，Word Per Minute），其計算方式為用總體輸入字數(shù)-錯誤字數(shù)/時間。

結(jié)果AirText的平均WPM為8.1，而IMU-CNN基線的WPM僅為4.6。

研究人員指出，此輸入速度與一些基于雙手觸摸屏的文本輸入方法相當（這些方法在實際應用中的WPM為9.1、9.8WPM）。

總體來看，AirText的準確率不錯，但速度還需要進步。

慢的主要原因還是因為它每拼寫一個字符就需停頓一會兒。

研究人員正在研究破解辦法，并表示最終有興趣將AirText商業(yè)化。

作者介紹

一作為浙江大學計算機學院助理教授高藝，浙江大學博士畢業(yè)，研究方向包括嵌入式軟件、無線和移動計算、傳感器網(wǎng)絡和信息物理系統(tǒng)。

通訊作者為浙大計算機學院副教授、博導董瑋，同樣為浙大博士畢業(yè)，研究方向包括物聯(lián)網(wǎng)系統(tǒng)和網(wǎng)絡、邊緣計算、無線和移動計算。

其谷歌學術(shù)引用次數(shù)總計3000+。

論文地址：

https://ieeexplore.ieee.org/document/9625777

參考鏈接：

https://spectrum.ieee.org/smartwatch-input-finger-writing

本文來自微信公眾號“量子位”（ID:QbitAI），作者：豐色，36氪經(jīng)授權(quán)發(fā)布。

關(guān)鍵詞： 就能 浙大 手表