Forschende der Georgia Tech stellten winzige, batterielose Metallmarken vor, die bei Berührung kurze Ultraschallsignale aussenden. Die Marken sind Metallscheiben mit einem Loch in der Mitte und Randaussparungen; sie werden mit einer kleinen, 3D-gedruckten Basis an Schränken, Türrahmen oder Wasserhähnen befestigt. Beim Öffnen trifft eine Lasche auf die Scheibe und erzeugt einen kurzen Ultraschallimpuls, den nahe Mikrofone oder Wearables erkennen können.
Die Form jeder Scheibe bestimmt ihre Resonanzfrequenz, sodass jede Marke einen einzigartigen Ton liefert. Yibo Fu, ein Doktorand für Robotik, erklärt, dass diese eindeutigen Fingerabdrücke für Smart-Home-Erkennung und Aktivitätserkennung genutzt werden können. Bolei Deng leitete die Modellierung und Simulation der Vibrationen; die Simulationen erzeugten nahezu 1,300 erste Entwürfe und lieferten jeweils eine Ultraschallfrequenz über 20 kilohertz. Die Forschenden testeten 15 dieser Entwürfe und sehen Potenzial für Dutzende, Hunderte oder sogar Tausende unterschiedlicher Marken.
Ultraschall lässt sich auch in lauten Umgebungen gut erkennen und breitet sich nicht weit aus, sodass nur nahe Mikrofone eine Marke hören würden. Das Team vermied komplexes maschinelles Lernen und nutzte stattdessen einen einfachen, fest kodierten Algorithmus, um Rechen- und Energiebedarf zu reduzieren. Die Arbeit entstand in Zusammenarbeit zwischen Ingenieur- und Informatikforschenden und wurde in den Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies veröffentlicht.
- Beispiele: Zählen im Fitnessstudio
- Überwachen von Wasserhähnen und Toilettendeckeln
- Knöpfe zum Starten von Timern oder Protokollieren
Schwierige Wörter
- ultraschallimpuls — kurzer Schallstoß mit sehr hoher Frequenz
- resonanzfrequenz — Frequenz, bei der ein Objekt stark mitschwingt
- wearables — tragbare Geräte, die Daten messen oder senden
- simulation — rechnerische Nachbildung eines realen VorgangsSimulationen
- maschinelles lernen — Verfahren, mit Daten Muster automatisch erkennen
- energiebedarf — Menge an Energie, die ein System braucht
- smart-home-erkennung — Erkennung von Aktivitäten in vernetzten Wohnungen
Tipp: Fahre über markierte Wörter oder tippe darauf, um kurze Definitionen zu sehen – während du liest oder zuhörst.
Diskussionsfragen
- Welche Vor- und Nachteile sehen Sie bei batterielosen Marken im Smart Home?
- Wie könnte der Verzicht auf komplexes maschinelles Lernen die Privatsphäre beeinflussen?
- An welchen weiteren Alltagsgegenständen würden Sie solche Marken anbringen und warum?
Verwandte Artikel
KI‑Chatbots beeinflussen politische Meinungen
Eine Studie zeigt, dass kurze, faktische Antworten von KI‑Chatbots die politischen Ansichten der Menschen leicht verändern können. Forschende sehen die Ursache in latenten Verzerrungen großer Sprachmodelle und warnen vor mangelnder Transparenz.
Touchscreens im Auto erhöhen visuelle Belastung
Eine Studie im Fahrsimulator zeigt: Touchscreens lassen Autofahrer öfter von der Spur abkommen und machen die Bedienung langsamer. Forschende messen Blick, Handbewegungen und andere Signale und empfehlen Sensoren zur Überwachung der Aufmerksamkeit.
Algorithmen erklären, wie Propan zu Propylen wird
Forscher der University of Rochester entwickelten Algorithmen, die auf atomarer Ebene zeigen, wie nanoskalige Katalysatoren Propan in Propylen umwandeln. Die Ergebnisse erklären selektives Oxidwachstum an defekten Metallstellen und haben industrielle Anwendungen.