Investigadores de Dartmouth College y Microsoft Research, entre otros centros académicos, han creado un sorprendente mantel inteligente que realiza innumerables tareas en el hogar, como por ejemplo reconocer frutas y verduras o hallar cosas perdidas. Según un comunicado, puede detectar objetos no metálicos con una precisión superior al 90% en las pruebas realizadas.

La innovación fue detallada en un estudio presentado en UIST 2020, un simposio sobre software y tecnología de interfaz de usuario, ocasión en la cual los creadores también presentaron un video de demostración que describe el sistema de detección. Básicamente, la tela llamada Capacitivo logra identificar cambios en las cargas eléctricas, reconociendo así elementos de diferentes formas y tamaños.

Mientras otras técnicas de detección existentes en la actualidad que emplean tejidos necesitan del tacto del usuario para poder realizar sus funciones, el nuevo sistema interactivo se basa en una metodología denominada «entrada implícita». Gracias a la misma, el tejido que compone el mantel no requiere de estímulos externos o del movimiento del objeto a detectar.

El innovador sistema de tejido reconoce objetos a través de cambios en las cargas eléctricas, que identifica mediante sus electrodos. De esta manera, es capaz de discriminar si las variaciones en el campo eléctrico de un objeto se deben al tipo de material, a las dimensiones del mismo o a la forma que presenta la superficie de contacto.

Tejidos inteligentes y aprendizaje automático

Vale destacar que la información que detecta el mantel inteligente se compara con datos almacenados en una base de datos integrada, utilizando técnicas de aprendizaje automático. Esta característica, y la posibilidad de reconocer una enorme variedad de objetos no metálicos, desde alimentos hasta productos de plástico, hacen de este nuevo desarrollo un avance único en el campo de los tejidos inteligentes.

Según el profesor Xing-Dong Yang, autor principal del estudio, «esta investigación tiene el potencial de cambiar la forma en que las personas interactúan con la informática a través de objetos cotidianos hechos de telas». Es que realmente la diversidad de funciones que puede realizar este mantel inteligente es asombrosa: además de detectar objetos perdidos o clasificar frutas, puede colaborar en la cocina aportando ideas y sugerencias de recetas.

Las pruebas realizadas arrojaron una efectividad del 94,5%, después de haberse testeado el sistema con veinte objetos. Los elementos que se colocaron sobre el mantel inteligente presentaban distintas formas, tamaños y materiales. En los experimentos, el tejido destacó principalmente al momento de identificar y reconocer distintas variedades de frutas.

Por si esto fuera poco, al realizar un estudio complementario el tejido inteligente logró distinguir diferentes tipos de líquidos, como por ejemplo leche, agua o refrescos. Sin embargo, el sistema fue menos efectivo cuando los objetos no dejaban marcas o huellas firmes en la tela, como por ejemplo en el caso de las tarjetas de crédito.

Trabajo integrado con otros sistemas inteligentes

El prototipo diseñado cuenta con una rejilla de electrodos en forma de diamante, confeccionados con tela conductora. Dicha tela se encuentra adherida a una hoja de algodón. Además, las dimensiones de los electrodos y la distancia que los separa fueron especialmente pensadas para optimizar la sensibilidad y la capacidad de detección del mantel inteligente.

Como el tejido no solamente identifica los objetos sino que también puede detectar cambios en sus estados, emite un aviso si una planta ubicada en una maceta necesita ser regada, por ejemplo. Los investigadores creen que este mantel puede trabajar incluso integrado con otros sistemas inteligentes, como los rastreadores de dieta.

Referencia

Capacitivo: Contact-Based Object Recognition on Interactive Fabrics using Capacitive Sensing. Te-Yen Wu, Lu Tan, Yuji Zhang, Teddy Seyed and Xing-Dong Yang. UIST (2020).DOI: https://doi.org/10.1145/3379337.3415829

Foto:

El tejido inteligente puede identificar frutas y encontrar objetos perdidos. En general, el sistema logró una precisión del 94,5% en las pruebas. Imagen: XDiscovery Lab.

Video y podcast: editados por Pablo Javier Piacente en base a elementos y fuentes libres de derechos de autor.