Sorry, you need to enable JavaScript to visit this website.

volver al observatorio

An Interface for Audio Control Using Hand Gesture Recognition and IMU Data

Descripción del servicio

El proyecto presenta un sistema de inteligencia artificial que mediante el sensado de señales musculares superficiales sEMG, permite clasificar gestos voluntarios de una persona para controlar y manejar de forma remota una aplicacion musical. El sistema permite controlar dispositivos electronicos de audio y de video en general mediante el reconocimiento de los gestos de la mano. El sistema no necesita ser entrenado nuevamente cada vez que se va a usar. Los resultados muestran un porcentaje superior al 94% de exito en el control de la aplicacion musical mediante el reconocimiento de gestos de la mano y tecnicas de inteligencia artificial.

Problemática que resuelve

Crear una nueva interfaz de control de aplicaciones musicales, dispositivos electrónicos o aplicaciones electrónicas en general para personas con movilidad restringida o no.

Tipo de aplicación de IA utilizada

Apoyo a la interacción (chatbots, asistentes virtuales y otros), Personalización, Reconocimiento, Predicción

Principales resultados a junio 30 de 2021

Se pudo construir un modelo general que permite manejar aplicaciones electrónicas mediante el reconocimiento de gestos de la mano. Una aplicación musical es controlada mediante el reconocimiento de gestos voluntarios de la mano de una persona. Datos de 612 personas, 6 gestos por persona, 50 repeticiones por gesto comprende la base de datos (183600 datos). Se obtuvo un modelo de inteligencia artificial que reconoce con una precisión del 94% cada uno de los gestos realizados. El modelo ha sido probado en una aplicación con diferentes sensores tipo brazalete obteniendo resultados similares. El modelo es robusto y permite la adaptabilidad de diferentes sensores tipo brazalete sin necesidad de entrenar nuevamente el modelo. Las aplicación musical testeada puede ser controlada satisfactoriamente y ademas el sistema permite controlar nuevos dispositivos de forma remota con cambios mínimos.

Tres principales cuellos de botella que enfrentó durante la implementación

Recolección de datos, etiquetado de datos, segmentación de datos, limpieza de datos.

Lecciones aprendidas

Crecimiento de conocimiento / Profundizar la aplicabilidad de diferentes algoritmos/ Transferencia de modelos y construcción de un modelo de reconocimiento de gestos (HGR) global para todo usuario

País de origen

Ecuador

Alcance geográfico de las operaciones

Quito, Ecuador

Tipo de ejecutor

Alianza de 2 o más de las anteriores

Sector/industria

Educación
Inclusión social
Salud

Objetivo(s) de Desarrollo Sostenible a los cuales su solución de IA aporta

3 (salud y bienestar)

4 (educación de calidad)

8 (trabajo decente y crecimiento económico)

9 (industria, innovación e infraestructura)

10 (reducción de las desigualdades)

La aplicación de IA fue desarrollada internamente o por un tercero

Internamente

Nombre de la entidad implementadora

Laboratorio de Investigacion en Inteligencia y Vision Artificial "Alan Turing"

Actores involucrados

Laboratorio de Investigacion en Inteligencia y Vision Artificial "Alan Turing"

Porcentaje del equipo desarrollador que son mujeres

30%

Año en que empezaron a usar la IA

2012
Te puede interesar
Publicaciones

Promesas y desafíos

Herramientas

En conjunto con la OECD publicamos el manual de ciencia de datos, el cual busca proveer recomendaciones técnicas a los equipos desarrolladores de sistemas de IA.