Napjainkban gyors fejlődésnek indultak a hordható elektronikus eszközök, amelyeket széles körben alkalmaznak a számítógépes játékok vezérlésétől az egészségügyi megfigyelésekig. Egy ilyen eszközzel a felhasználója kényelmesen, a betanulási fázis után természetes módon vezérelhetne robotikai eszközöket, pl. egy művégtagot vagy a mindennapi munkát megkönnyítő eszközöket, szerszámgépeket.

Egy Raspberry Pi B+ számítógép és 3–3 tengelyű gyorsulás- és elfordulásmérők felhasználásával megvalósítottam egy mozgásfelismerő rendszert, amely a felhasznált eszközök kis mérete miatt pl. övön hordható. Ez az ember–gép interfész egy konfigurálható hosszúságú időablak tartalmát hasonlítja össze a felhasználó által – meghatározott megszorítások betartása mellett – definiálható mozgásmintákkal. A mintákhoz rendelt azonosítók függvényében kapnak utasításokat a rendszerhez csatlakoztatott eszközök.

A klasszifikáció nearest-centroid eljárással történik, amelyben az alkalmazott metrika a DTW (Dynamic Time Warping, dinamikus idővetemítés) algoritmussal számított távolság. Ez az elsősorban beszéd- és mozgás- és képfeldolgozásban használt algoritmus figyelembe veszi a minták időbeli torzulásának lehetőségét, így különösen alkalmas ismételt emberi mozgás összehasonlítására. Mivel az egyes feladatok más-más érzékenységet követelnek meg, ill. az egyes felhasználók mozgásminta-reprodukciós képessége eltérő lehet, elfogadási küszöbértékeket vezettünk be minden refererenciamintához, amelyeket a mérés megkezdésekor egy kalibrációs eljárás állít be. A rendszert a felismerni kívánt mozgásminták többszöri megismétlésével taníthatjuk. Ezekből a klasszifikáció során felhasznált centroidokat a DBA (DTW Barycenter Averaging, DTW súlyponti átlagolás) algoritmusával kapjuk, amely az alkalmazott metrika miatt szintén alkalmazkodik az időtengely menti torzulásokhoz. Ezzel a módszerrel csökkenthető az egyes felvételeket érintő zaj ill. pontatlan reprodukció hatása, továbbá javítható a válaszidő.

A rendszer a tesztek során sikeresen osztályozta az emberi fej-, kéz-, és lábmozdulatokat, valamint egy, erre a célra készített robot mozgását. Külső eszköz vezérlését egy robotkéz-modellel és egy LED-sorral teszteltük. Egy eszköz ilyen módon történő vezérlése a kísérletek tanúsága szerint könnyen elsajátítható.
A keretrendszer lehetővé teszi a vezérelt eszközök és a felismerőalgoritmus könnyű cseréjét is.