في خطوة غير مسبوقة نحو دمج التعلم العميق في تكنولوجيا الألعاب التفاعلية، أعلن باحثو مختبرات التحليل العاطفي عن تصميم شبكة عصبية خفيفة من نوع CNN (شبكة عصبية تلافيفية) لتحليل اللمس العاطفي في رفاق الألعاب اللينة. تقدم هذه الدراسة إطاراً مفتوح المصدر قائمًا على MATLAB لتطوير نماذج حجمها مضغوط مع القدرة على التعرف على اللمس العاطفي.

تعتبر الألعاب القابلة للتشكل، المدعومة بأجهزة استشعار متعددة، وسيلة آمنة جسديًا وواجهة عاطفية بديهية للتكنولوجيا المساعدة الاجتماعية. ومع ذلك، فإن القابلية للتشكل ومدخلات اللمس المتعددة تجعل تفسير المشاعر البشرية تحديًا حقيقيًا. ولهذا السبب، تقدم هذه الدراسة مجموعة بيانات شاملة ومطابقة لمعايير FAIR تحتوي على 1326 تسلسلًا مُعلمًا لجلسات اللمس، تم جمعها من 25 مشاركًا بما في ذلك الأطفال والمراهقين والبالغين، مما يوفر موردًا يمكن إعادة استخدامه لأبحاث مستقبلية في هذا المجال.

تم استكشاف العمارة والمعلمات عبر 468 نموذجًا من CNN، مما أظهر أن الشبكات العصبية التلافيفية ذات الأبعاد الواحدة (1D CNN) المدمجة هي الحل الأكثر فاعلية، حيث حققت نموذجًا مؤلفًا من 13.2 ألف معلمة دقة اختبار تصل إلى 75% و85% دقة متوسطة خلال التحقق من صحة التقاطع. أظهرت التحليلات النظرية أن التطبيق الكمي يحتاج إلى 3.2 MMAC لكل نافذة، مما يتوافق مع تشغيل حقيقي بسرعة 20 هرتز على المتحكم الدقيق المستهدف.

علاوة على ذلك، أظهرت المحاكاة الحقيقية القائم على الكمبيوتر مع بيانات مستشعر الألعاب الفعلية، أن النموذج الجديد قادر على حل الأبعاد الاجتماعية الدقيقة لللمسات، والتي لم يتمكن النظام السابق من اكتشافها، بينما تعكس التفاعلات القوية السلبية بدقة أعلى من خلال منطق العتبة البسيط. يُقترح كاستراتيجية نشر مدمجة، إنشاء مسار استنتاج مختلط يجمع بين تصفية هيورية فورية متبوعة بتصنيف إيماءات معتمد على CNN.

تتضح أهمية هذه الدراسة في أنه بالرغم من تقديم لمسة ذات دلالات عاطفية، فإنه يمكن حمايتها خصوصية المستخدم مع جعل تفسير التفاعل العاطفي ممكنًا بشكل قابل للتطبيق على الأجهزة المتداخلة في الألعاب العلاجية اللينة. وفي سياق تقديم هذا البحث، تم الإشارة إلى دراسة قادمة تتعلق بالتكامل Hardware.

ما رأيكم في هذه التطورات المذهلة في تكنولوجيا المداعبات العاطفية؟ شاركونا أفكاركم وتجاربكم في التعليقات!