http://movet.fel.cvut.cz
Esta publicación (comunicación) es responsabilidad exclusiva de su autor. La Comisión no es responsable del uso que pueda hacerse de la información aquí difundida.
Ivan Minárik, Gregor Rozinaj, Renata Rybárová, Marek Vančo, Radoslav Vargic
Juan Antonio Ortega
Las nuevas formas de control de sistemas están basadas en las últimas tecnologías y usan el hardware correspondiente. Los sistemas actuales pueden ser controlados sin hardware adicional como ratones o teclados. Los usuarios pueden controlar el sistema o navegar por la aplicación simplemente usando sus manos (navegación gestual), su voz (navegación por voz) o sus ojos (seguimiento ocular). Algunos sistemas pueden usar un interfaz cerebro-ordenador. Este módulo introduce las tecnologías citadas con el fin de ayudar a comprender sus principios básicos que nos encontramos en nuestra vida diaria.
El objetivo principal del módulo es introducir al estudiante los conceptos fundamentales de las nuevas formas de control de sistemas en diferentes sistemas o aplicaciones. El estudiante estará claramente familiarizado con los principios básicos de navegación por gestos, navegación por comandos de voz, seguimiento ocular, interfaz cerebro-computadora y motor de recomendación.
Navegación gestual, navegación por comandos de voz, seguimiento ocular, interfaz cerebro‑computadora, motor de recomendación.
- [1] Vančo, Marek; Minárik, Ivan; Rybárová, Renata. Evolution of static gesture recognition. In: Redžúr 2014 proceedings; 8th International Workshop on Multimedia and Signal Processing; 13 May 2014, Dubrovnik, Croatia. Bratislava: Nakladateľstvo STU, 2014, p. 41-44. ISBN 978-80-227-4162-0.
- [2] Rozinaj, Gregor, et al. Extending System Capabilities with Multimodal Control. Acta Polytechnica Hungarica, 2016, 13.4.
- [3] https://medium.com/iotforall/how-gesture-control-will-transform-our-devices-32d4527a6d25
- [4] http://www.thedrive.com/aerial/10674/djis-spark-is-a-hand-gesture-controlled-drone-that-flies-off-your-hand
- [5] https://stfalcon.com/en/blog/post/intuitive-gestures-in-mobile-app-design
- [6] Parrado Rollan, Marina; Posoldová, Alexandra; Rybárová, Renata. Recommendation engine design using Bayesian network for feature inference. In Redžúr 2016, 10th International workshop on multimedia and signal processing. Bratislava, Slovakia. May 24, 2016. 1. ed. Bratislava: Nakladateľstvo STU, 2016, CD-ROM, pp. 57-60. ISBN 978-80-227-4560-4
- [7] Grau, C., Ginhoux, R., Riera, A., Nguyen, T. L., Chauvat, H., Berg, M., … Ruffini, G. (2014). Conscious Brain-to-Brain Communication in Humans Using Non-Invasive Technologies. PLoS ONE, 9(8), e105225. http://doi.org/10.1371/journal.pone.0105225
- [8] Guy V. et al. Brain computer interface with the P300 speller: Usability for disabled people with amyotrophic lateral sclerosis, 2018, Annals of Physical and Rehabilitation Medicine, 61 (1) , pp. 5-11.
- [9] Fernández, R. et al. Review of real brain-controlled wheelchairs, 2016, J. Neural Eng. 13 061001, https://doi.org/10.1088/1741-2560/13/6/061001
- [10] Kosmyna, N., Tarpin-Bernard, F., Bonnefond, N., & Rivet, B. (2016). Feasibility of BCI Control in a Realistic Smart Home Environment. Frontiers in Human Neuroscience, 10, 416. http://doi.org/10.3389/fnhum.2016.00416
- [11] Furness, D., The University of Florida just held the world’s first mind-controlled drone race, available online: https://www.digitaltrends.com/cool-tech/mind-controlled-drone-race-university-of-florida/
- [12] Chen,S., “Forget the Facebook leak’: China is mining data directly from workers’ brains on an industrial scale”, available online: https://www.scmp.com/news/china/society/article/2143899/forget-facebook-leak-china-mining-data-directly-workers-brains
- [13] Chen, A., “Brain-scanning in Chinese factories probably doesn’t work — if it’s happening at all”, published 1.5.2018, available online: https://www.theverge.com/2018/5/1/17306604/china-brain-surveillance-workers-hats-data-eeg-neuroscience
- [14] Martišius, I., Damaševičius, R., “A Prototype SSVEP Based Real Time BCI Gaming System,” Computational Intelligence and Neuroscience, vol. 2016, Article ID 3861425, 15 pages, 2016. https://doi.org/10.1155/2016/3861425.
- [15] Narayanan, A et al., “Toward domain-invariant speech recognition via large scale training,” Google, USA, arXiv:1808.05312, 2018. https://arxiv.org/abs/1808.05312