早在 2014 年，谷歌 ATAP 团队就曾与 Levi’s 互助，推动 “Project Jacquard（缇花项目）”，并于次年推出了一款带有导电纱线的智能夹克，能够借助小型终端设备，在衣服上实现基本的音频播放操作和手机掌握。
该项目目前已经拓展到背包和球鞋，而谷歌的其他团队正在进行类似的努力。
这一次，谷歌的人工智能团队将重点放在了智能线绳上。
比如下面这条看似平平无奇的线绳，实在暗藏玄机：
如果结合手势识别技能，就可以掌握手机：
研究职员希望在很多衣服和电子产品都有的软线绳上做文章，探索出更符合直觉的人机交互办法，比如轻轻挤压耳机线，就可以播放或停息歌曲，或者用旋转帽衫线绳的办法滑动网页等等。
目前谷歌 AI 团队已经做出三款原型产品，有耳机线、帽衫抽绳和交互式电源线，均采取新型螺旋感应矩阵技能来识别触摸手势，支持六种操作种别，包括旋转，轻弹 / 轻拂，滑动，挤压，抓握和拍打。合营上力度、速率和方向等参数，每种操作类型还可以衍生出五花八门的相应动作。
这项事情实在是该团队在 2018 年进行的另一项研究的拓展，他们将其命名为 “电子纺织微交互”，以论文的形式揭橥于人机交互领域顶级学术会议 ACM CHI 2020 上。
谷歌研究科学家亚历克斯 · 奥尔瓦尔（Alex Olwal）表示，“通过改进美学、舒适度和人体工程学，纺织物可以帮助高科技融入我们的日常环境和物品中。材料和柔性电子技能的进步，使得带有传感和显示功能的衣服成为可能。”
螺旋感应矩阵在织物中加入导电纤维并非新鲜技能，只要加入一些电容感应传感器，就可以实现基本的手势捕捉和掌握。但谷歌 AI 团队没有采取这种传统办法制作线绳，而是开拓了一种新型的螺旋感应矩阵（Helical Sensing Matrix）构造，可以识别更大的手势操作空间，同时减少误操作。
大略来说，采取 HSM 构造的编织物由包裹了绝缘层的导电纱线和无导电能力的支撑纱线组成，个中一部分支撑纱线还可以用光纤代替，从而实现高效的视觉反馈。从官方图片来看，其外表险些和普通线绳没什么差异。
织物中的导电纱线有正负方向之分，承担着在多个电极中通报电流的任务，以实现电容感应，捕捉和识别手势。由于导电纱线是沿着整条线绳编织的，因此理论上在任何一个位置都可以施加操控手势。
经由分外设计的螺旋构造可以分辨单根纱线的相对角度。对付旋转类的动作来说，这是非常关键的特色。在电极被激活后，通过追踪纱线之间的角度变革，就可以捕捉它们的相对运动，进而准确识别用户的手势操作。
举个例子，如果两条对称纱线的相对初始位置偏移超过 90 度，就意味着用户可能正在故意旋转线绳。当然，触碰的力度、面积和韶光等参数也会纳入考量，以减少误判。
图 | 纺织绳的基本构造（来源：谷歌）
基于软线绳的触敏性，其交互原则不同于玻璃或塑料这样的硬性构造，研究团队为此设计了两条交互准则：大略手势和闭环反馈。
前者强调操作手势必须是简短的，无论是一触即发，还是连续操作，都必须符合直觉。后者则意味着，在全体交互过程中，用户会得到适当且持续的视觉、触觉和听觉反馈，减少不愿定性。
前文提到的在织物中加入光纤，便是供应视觉反馈的核心办法，不同颜色的光束可以向用户供应多样化的动态实时反馈。
为了进行观点验证，谷歌团队已经开拓了三种结合电子纺织线的产品，都是生活中常见的东西，包括能够掌握手机媒体播放的 USB-C 耳机（线），在衣服上添加音乐掌握功能的帽衫抽绳，以及能够掌握智能音箱的电源线。
恰当的操作手势
为了确定什么是大略的、符合直觉的操作手势，谷歌团队曾经进行过手势操作研究。针对新研究，他们又额外网络了 12 位志愿者的 864 个手势样本，每个人被哀求实行 8 种手势，重复 9 次。
在重复相同动作时，人们不可能做到完备同等，而且每个人又有个体差异，比如有的人习惯用拇指和食指捏住并旋转，有的人习惯用拇指和中指，有的人力量大，有的人力量小，等等。因此对付手势的剖析必须经由演习和筛选，减少个人风格和偏好的影响。
为了增强同等性，团队还对志愿者进行了培训，并且引入了实时反馈系统，帮助他们调度其行为差异。
对付动作捕捉系统来说，每种手势有 16 个特色，随着韶光的变革线性分布在 80 个不雅观察点中。换句话说，每种手势从开始到结束都会被仔细不雅观察，捕捉到的关键特色会用于演习一套与用户风格无关的系统。
终极，志愿者的操作数据显示，在软线绳上实行的手势识别精度可以达到 94%。谷歌团队认为这一结果是积极的，由于实验中的观点验证线绳只有 8 个电极，精度较低，仍旧有很大的提升空间。
图 | 不同手势造成的形变和位移
除此之外，他们还对不同操作手段进行了量化比拟，用电子纺织线绳，比拟传统耳机控件和触摸板。
结果显示，操控电子线绳的速率比按钮式传统耳机线控件更快，与条记本电脑上的触控板相称。而且比较耳机控件，纯线绳操作的交互体验更受青睐。个中一个缘故原由是电子线绳更加敏感，而且可以在耳机线的任何一个位置施加有效操作，不用特意探求按钮的位置，也不会按错键。
作为一条耳机线，触碰皮肤和衣服在所难免。为了避免误操作，研究团队还加入了高通滤波器。但他们也承认，未来须要完成更多的事情来评估其耐用性，以及实际利用情形下的长期表现是否稳定。
谷歌 AI 团队末了表示，希望未来能够拓展更多的运用处景，在现有可穿着设备和传统纺织物中引入微交互技能，在保留工业设计精髓的同时提升人与科技的交互体验。
