1. Pengenalan
Permintaan untuk Interaksi Manusia-Komputer (HCI) yang semula jadi dan pintar berkembang pesat, didorong oleh aplikasi dalam permainan, rumah pintar, dan antara muka automotif. Walau bagaimanapun, modaliti interaksi konvensional menghadapi batasan yang ketara: skrin sentuh gagal dalam persekitaran lembap/berminyak, kamera menimbulkan kebimbangan privasi dan mempunyai penggunaan kuasa yang tinggi, dan kawalan suara bergelut dengan arahan kompleks dan isu privasi. Pasaran HMI global diunjurkan mencecah USD 7.24 bilion menjelang 2026, menekankan keperluan mendesak untuk penyelesaian yang lebih baik.
Kertas kerja ini memperkenalkan EMGesture, satu teknik interaksi tanpa sentuh yang baharu yang menggunakan semula pengecas wayarles Qi yang terdapat di mana-mana sebagai penderia isyarat. Dengan menganalisis isyarat elektromagnet (EM) yang dipancarkan semasa pengecasan, EMGesture mentafsir isyarat pengguna tanpa memerlukan perkakasan tambahan, menangani cabaran kos, privasi, dan universaliti yang wujud dalam kaedah lain.
97%+
Ketepatan Pengecaman
30
Peserta
10
Peranti Mudah Alih
5
Pengecas Qi Diuji
2. Metodologi & Reka Bentuk Sistem
EMGesture mewujudkan rangka kerja hujung-ke-hujung untuk pengecaman isyarat menggunakan "saluran sisi" EM pengecas Qi.
2.1. Perolehan & Pra-pemprosesan Isyarat EM
Sistem ini menangkap isyarat elektromagnet mentah yang dihasilkan oleh gegelung pemindahan kuasa dalam pengecas Qi. Satu pandangan utama ialah pergerakan tangan berhampiran pengecas mengganggu medan EM ini dengan cara yang boleh diukur dan berbeza. Isyarat mentah, $s(t)$, disampel dan kemudian menjalani pra-pemprosesan:
- Penapisan: Penapis laluan jalur membuang hingar frekuensi tinggi dan hanyutan frekuensi rendah, mengasingkan jalur frekuensi yang berkaitan dengan isyarat.
- Pernormalan: Isyarat dinormalisasi untuk mengambil kira variasi dalam model pengecas dan penempatan peranti: $s_{norm}(t) = \frac{s(t) - \mu}{\sigma}$.
- Segmentasi: Data berterusan dibahagikan kepada tetingkap yang sepadan dengan setiap contoh isyarat individu.
2.2. Pengekstrakan Ciri & Pengelasan Isyarat
Daripada setiap segmen yang telah dipraproses, satu set ciri yang kaya diekstrak untuk mencirikan kesan isyarat ke atas medan EM.
- Ciri Domain Masa: Min, varians, kadar persilangan sifar, dan tenaga isyarat.
- Ciri Domain Frekuensi: Sentroid spektrum, lebar jalur, dan pekali daripada Transformasi Fourier Masa Pendek (STFT).
- Ciri Masa-Frekuensi: Ciri yang diperoleh daripada transformasi wavelet untuk menangkap sifat isyarat bukan pegun.
Ciri-ciri ini membentuk vektor berdimensi tinggi $\mathbf{f}$ yang dimasukkan ke dalam pengelas pembelajaran mesin yang teguh (contohnya, Mesin Vektor Sokongan atau Hutan Rawak) yang dilatih untuk memetakan vektor ciri kepada label isyarat tertentu $y$ (contohnya, sapu kiri, sapu kanan, ketuk).
3. Keputusan Eksperimen & Penilaian
3.1. Ketepatan & Prestasi Pengecaman
Dalam eksperimen terkawal dengan 30 peserta melakukan satu set isyarat biasa (contohnya, sapuan, bulatan, ketukan) di atas 5 pengecas Qi berbeza dan 10 peranti mudah alih, EMGesture mencapai ketepatan pengecaman purata melebihi 97%. Sistem menunjukkan keteguhan merentasi model pengecas dan jenis peranti yang berbeza, satu faktor kritikal untuk penyebaran di mana-mana. Matriks kekeliruan menunjukkan pengelasan salah yang minimum antara kelas isyarat yang berbeza.
Penerangan Carta (Bayangan): Satu carta bar kemungkinan menunjukkan ketepatan bagi setiap jenis isyarat (semua di atas 95%), dan satu carta garis akan menunjukkan kependaman rendah sistem, dengan pengecaman hujung-ke-hujung berlaku dalam beberapa ratus milisaat, sesuai untuk interaksi masa nyata.
3.2. Kajian Pengguna & Penilaian Kebolehgunaan
Satu kajian pengguna pelengkap menilai metrik subjektif. Peserta menilai EMGesture tinggi pada:
- Kemudahan: Memanfaatkan peranti sedia ada (pengecas) menghapuskan keperluan untuk perkakasan baharu.
- Kebolehgunaan: Isyarat dianggap intuitif dan mudah dilakukan.
- Persepsi Privasi: Pengguna menyatakan tahap keselesaan yang jauh lebih tinggi berbanding sistem berasaskan kamera, kerana tiada data visual terlibat.
4. Analisis Teknikal & Inti Pati Utama
Inti Pati Utama
EMGesture bukan sekadar satu lagi kertas kerja pengecaman isyarat; ia adalah satu kelas induk dalam penggunaan semula infrastruktur. Penulis telah mengenal pasti platform perkakasan piawai yang meresap—pengecas Qi—dan mengubah pancaran EM yang tidak diingini menjadi saluran penderiaan yang berharga. Ini melangkaui makmal dan terus ke ruang tamu dan kereta berjuta-juta orang, memintas halangan penerimaan yang membelenggu kebanyakan penyelidikan HCI baharu. Ia adalah pendekatan pragmatik, hampir licik, kepada pengkomputeran di mana-mana.
Aliran Logik
Logiknya menarik dan mudah: 1) Masalah: Kaedah HCI sedia ada mempunyai kelemahan (privasi, kos, persekitaran). 2) Pemerhatian: Pengecas Qi ada di mana-mana dan memancarkan medan EM yang kuat dan boleh diubah suai. 3) Hipotesis: Isyarat tangan boleh memodulasi medan ini dengan cara yang boleh dikelaskan. 4) Pengesahan: Saluran paip ML yang teguh membuktikan ketepatan >97%. Keanggunannya terletak pada melangkaui langkah "bina penderia baharu" sepenuhnya, sama seperti bagaimana penyelidik menggunakan semula isyarat Wi-Fi untuk penderiaan (contohnya, penderiaan Wi-Fi untuk pengesanan kehadiran) tetapi dengan sumber isyarat yang lebih terkawal dan berkuasa.
Kekuatan & Kelemahan
Kekuatan: Aspek privasi-melalui-reka-bentuk adalah ciri utama dalam iklim hari ini. Keberkesanan kos tidak dapat dinafikan—sifar perkakasan tambahan untuk pengguna akhir. Ketepatan 97% mengagumkan untuk sistem pertama seumpamanya. Kelemahan: Isu yang jelas ialah jarak dan perbendaharaan kata isyarat. Kertas kerja ini membayangkan batasan jarak dekat; ini bukan penderia seluruh bilik seperti beberapa sistem berasaskan radar. Set isyarat kemungkinan asas dan terhad kepada pergerakan 2D terus di atas pengecas. Tambahan pula, prestasi sistem mungkin merosot dengan pengecasan serentak pelbagai peranti atau dalam persekitaran elektrik yang bising—satu cabaran dunia sebenar yang tidak ditangani sepenuhnya.
Pandangan Boleh Tindak
Untuk pengurus produk dalam rumah pintar dan automotif: Uji rintis ini sekarang. Integrasikan SDK EMGesture ke dalam sistem infotainmen generasi seterusnya atau peralatan dapur pintar. Pulangan pelaburan (ROI) adalah jelas—fungsi dipertingkat tanpa peningkatan kos BoM. Untuk penyelidik: Ini membuka sub-bidang baharu. Terokai tatasusunan pelbagai pengecas untuk penderiaan 3D, pembelajaran teragih untuk model diperibadikan tanpa data meninggalkan peranti, dan gabungan dengan penderia lain berkuasa rendah (contohnya, mikrofon untuk arahan "EM + suara"). Kerja Yang et al. mengenai penderiaan berasaskan RF (ACM DL) menyediakan asas teknikal yang relevan untuk memajukan paradigma ini.
Analisis & Perspektif Asal
Kepentingan EMGesture melangkaui metrik teknikalnya. Ia mewakili peralihan strategik dalam penyelidikan HCI ke arah penderiaan oportunistik—menggunakan infrastruktur sedia ada untuk tujuan yang tidak diingini tetapi berharga. Ini selari dengan trend yang lebih luas dalam pengkomputeran di mana-mana, seperti yang dilihat dalam projek seperti CycleGAN untuk terjemahan imej-ke-imej tidak berpasangan, yang secara kreatif menggunakan domain data sedia ada untuk menjana yang baharu tanpa pasangan langsung. Begitu juga, EMGesture secara kreatif menggunakan domain EM sedia ada pengecasan untuk domain penderiaan baharu.
Dari sudut teknikal, pilihan isyarat EM berbanding alternatif seperti Wi-Fi (contohnya, penderiaan Wi-Fi) atau ultrasonik adalah bijak. Piawaian Qi beroperasi pada frekuensi tertentu (100-205 kHz untuk profil kuasa asas), menyediakan isyarat yang kuat, konsisten, dan agak terpencil berbanding jalur 2.4/5 GHz yang sesak. Ini mungkin menyumbang kepada ketepatan tinggi. Walau bagaimanapun, pergantungan kepada pembelajaran mesin untuk pengelasan, walaupun berkesan, memperkenalkan elemen "kotak hitam". Kerja masa depan boleh mendapat manfaat daripada menggabungkan lebih banyak teknik AI yang boleh dijelaskan atau membangunkan model fizikal yang secara langsung menghubungkan kinematik isyarat kepada gangguan medan EM, seperti yang diterokai dalam literatur penderiaan EM asas yang boleh diakses melalui IEEE Xplore.
Tuntutan ketepatan 97% menarik, tetapi adalah penting untuk meletakkannya dalam konteks. Ini kemungkinan ketepatan dalam persekitaran makmal yang terkawal dengan set isyarat yang terhad. Penyebaran dunia sebenar akan menghadapi cabaran seperti saiz tangan yang berbeza, perbezaan budaya dalam pelaksanaan isyarat, dan gangguan elektromagnet persekitaran. Keteguhan sistem terhadap faktor-faktor ini akan menjadi ujian sebenar kelayakannya, satu cabaran biasa kepada banyak sistem penderiaan seperti yang dinyatakan dalam penilaian daripada institusi seperti Institut Piawaian dan Teknologi Kebangsaan (NIST).
Contoh Kes Rangka Kerja Analisis
Skenario: Menilai EMGesture untuk kawalan paip dapur pintar.
Aplikasi Rangka Kerja:
- Kebolehlaksanaan Isyarat: Adakah lokasi pengecas (contohnya, kaunter) sesuai untuk isyarat tangan berhampiran paip? (Ya, munasabah).
- Pemetaan Isyarat: Petakan isyarat intuitif kepada fungsi: Sapu kiri/kanan untuk suhu, gerakan bulat untuk kawalan aliran, ketuk untuk hidup/mati.
- Semakan Keteguhan: Kenal pasti mod kegagalan: Percikan air (bukan isu untuk EM), tangan basah (tiada masalah vs. skrin sentuh), periuk logam berhampiran (gangguan EM berpotensi—memerlukan ujian).
- Perjalanan Pengguna: Seorang pengguna dengan tangan berminyak melaraskan suhu air melalui sapuan di atas pad pengecasan, tanpa menyentuh sebarang kawalan fizikal.
Kajian kes bukan berasaskan kod ini menggambarkan cara menilai kesesuaian teknologi untuk aplikasi tertentu secara sistematik.
5. Aplikasi Masa Depan & Hala Tuju Penyelidikan
EMGesture membuka jalan untuk banyak aplikasi inovatif:
- Automotif: Kawalan isyarat untuk sistem infotainmen daripada pad pengecasan wayarles konsol tengah, mengurangkan gangguan pemandu.
- Rumah Pintar: Kawal lampu, muzik, atau perkakas melalui isyarat di atas pengecas tepi katil atau meja.
- Aksesibiliti: Sediakan antara muka kawalan tanpa sentuh untuk individu dengan gangguan motor.
- Kiosk Awam/Peruncitan: Interaksi tanpa sentuh yang bersih dengan paparan maklumat atau terminal pembayaran.
Hala Tuju Penyelidikan Masa Depan:
- Jarak Diperluas & Penderiaan 3D: Menggunakan pelbagai gegelung pengecas atau tatasusunan berfasa untuk melanjutkan jarak penderiaan dan membolehkan penjejakan isyarat 3D.
- Pemperibadian & Penyesuaian Isyarat: Melaksanakan pembelajaran dalam peranti untuk membolehkan pengguna menentukan isyarat tersuai dan menyesuaikan diri dengan gaya individu.
- Gabungan Pelbagai Modal: Menggabungkan data isyarat EM dengan konteks daripada penderia lain (contohnya, pecut meter peranti, cahaya ambien) untuk menjelaskan niat dan membolehkan interaksi yang lebih kompleks.
- Pemiawaian & Keselamatan: Membangunkan protokol untuk memastikan keselamatan data isyarat dan mencegah pemalsuan isyarat EM yang berniat jahat.
6. Rujukan
- Wang, W., Yang, L., Gan, L., & Xue, G. (2025). The Wireless Charger as a Gesture Sensor: A Novel Approach to Ubiquitous Interaction. In Proceedings of CHI Conference on Human Factors in Computing Systems (CHI '26).
- U.S. National Highway Traffic Safety Administration (NHTSA). (2023). Distracted Driving Fatality Data.
- Zhu, H., et al. (2020). Privacy Concerns in Camera-Based Human Activity Recognition: A Survey. Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies.
- Grand View Research. (2023). Human Machine Interface Market Size Report.
- Zhang, N., et al. (2021). Your Voice Assistant is Mine: How to Abuse Speakers to Steal Information and Control Your Phone. In Proceedings of the ACM SIGSAC Conference on Computer and Communications Security.
- Yang, L., et al. (2023). RF-Based Human Sensing: From Gesture Recognition to Vital Sign Monitoring. Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies.
- Zhu, J.-Y., Park, T., Isola, P., & Efros, A. A. (2017). Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks. In Proceedings of the IEEE International Conference on Computer Vision (ICCV).
- IEEE Xplore Digital Library. Foundational papers on Electromagnetic Sensing and Modeling.
- National Institute of Standards and Technology (NIST). Reports on Evaluation of Sensing Systems.