用于预测性执行的生物测定制造技术

描述了一种方法，在该方法中：在接收到用户对用户控制器上的至少一个可选选项的选择之前，生物测定输入被与至少一个可选选项相关联；识别用户对用户控制器上的先前可选选项的先前输入；以及在接收到用户对至少一个可选选项的选择之前，根据生物测定输入和对先前可选选项的先前输入抢先性执行至少一个可选选项。选项的先前输入抢先性执行至少一个可选选项。选项的先前输入抢先性执行至少一个可选选项。

【技术实现步骤摘要】
【国外来华专利技术】用于预测性执行的生物测定

技术介绍

[0001]控制器是由用户使用的输入设备。控制器设备允许用户通过将用户输入提供给直接响应于用户输入或与控制器交互的那些应用程序来与应用程序交互。随后，应用程序对用户输入作出反应。
附图说明
[0002]图1描绘了示例性预测模块。
[0003]图2描绘了用于预测用户输入到用户控制器的用户输入的示例性系统。
[0004]图3A描绘了具有集成生物测定传感器的示例性用户控制器。
[0005]图3B描绘了示例性生物测定设备。
[0006]图4A描绘了具有无线连接的示例性生物测定设备。
[0007]图4B描绘了与用户控制器操作性联接的示例性生物测定设备。
[0008]图5描绘了用于使用生物测定传感数据来抢先性传送对可选项的选择的示例性流程图。
[0009]图6描绘了计算机实现的方法的示例性流程图。
[0010]图7描绘了具有能够如本文讨论的方式操作的元素和功能的示例性计算系统的示意图。
具体实施方式
[0011]在许多情况下，由用户利用的硬件控制器或用户控制器通过向在计算机系统上运行的应用程序提供用户输入来控制计算机系统。通常，用户执行动作，诸如按压按键、按压按钮、致动操纵杆等，以便发起用户输入。用户输入被从用户控制器传送到计算机系统，以便根据用户输入执行，并将结果呈现在与计算机系统联接的显示屏上。
[0012]本公开提出了使用生物测定传感数据来预测用户输入、例如在用户致动用户控制器上的按钮之前就致动该按钮的技术。这允许系统在按钮被实际按下或移动之前根据预测的按钮致动(例如，按键)抢先性执行命令。此外，这种抢先性执行能够给诸如对在线多人游戏之类的时间敏感的任务提供性能提升。具体而言，生物测定传感器被用来捕捉使用诸如游戏控制器、键盘之类的用户控制器的用户的生物测定传感数据(例如肌电图(EMG)信号)。预测引擎/模块能够在用户实际选择用户控制器上的可选按钮之前根据来自生物测定传感器的(一个或多个)生物测定信号来预测用户对该可选按钮的选择。并且，接近传感器可以设置在可选按钮上和/或靠近可选按钮设置，以检测用户的手指或手掌相对于特定可选按钮的位置，例如，触摸可选按钮、悬停在可选按钮上方和/或接近可选按钮。基于来自接近传感器的接近数据以及来自生物测定传感器的生物测定数据，预测引擎(例如，使用机器学习、统计学等)在用户作出选择之前预测可选按钮将被选择并致使该可选按钮被选择。当用户的实际选择与预测不匹配时(即选择了不同的按钮)，系统可以修正对可选按钮的预测选择。
[0013]现在转到附图，图1描绘了预测模块102A、102B的示例。预测模块102A和102B可以被称为预测模块。预测模块能够在用户实际选择用户控制器上的可选选项之前预测用户在用户控制器上的输入。预测模块可以包括预测模型或模型模块110，其被设计成用于接收生物测定传感数据并预测用户将会选择的可选选项。
[0014]对预测模型模块110的模型训练能够以接收诸如真实世界训练数据112之类的训练数据来开始。该训练数据112可以包括来自利用用户控制器来选择各种可选选项的众多用户的实际硬件用户控制器输入、以及用户的与其在用户控制器上选择各种可选选项相对应的生物测定传感数据。用户输入可以包括用户输入的顺序、用户输入的组合、和/或用户作出的对可选选项的选择的同步用户输入与相应的生物测定传感数据。可以利用统计、预测和/或基于机器学习的技术来训练预测模型模块110。模型模块110可以采用监督学习、无监督学习、强化学习、深度学习和/或任何其它技术。由预测模型模块110执行的机器学习过程或技术的示例可以包括但不限于：线性回归、逻辑回归、线性判别分析、分类和回归树、朴素贝叶斯、K
‑
近邻、学习向量量化、支持向量机、袋法和随机森林、Boosting和Adaboost等。由预测模型模块110采用的其它机器学习过程或技术可以包括但不限于：人工神经网络(ANN)、非参数高斯过程(GP)回归器等。
[0015]在各种实现方式中，训练数据中的生物测定传感数据被标记，例如，分类或归类，使得每块生物测定传感数据被映射(匹配)到其在用户控制器上执行的实际用户输入。具有许多类型的用户控制器，每个都有自己的可选选项的排布。预测模型模块110可以在每种类型的用户控制器上进行训练，但是用户控制器的类型可以提前注册，使得预测模型模块110得知/了解每种类型的用户控制器所期望的相应类型的生物测定传感数据。在预测模型模块110的训练阶段，训练数据可以提前被标记/分类，使得模型模块110可以针对每块生物测定传感数据学习标签对应的用户控制器上的可选选项的实际用户输入。在一些示例中，模型模块110可以在训练阶段标记训练数据，并且模型模块110可以修正任何被错误标记的生物测定传感数据，其中所述被错误标记的生物测定传感数据不能正确地对应到对用户控制器上的可选选项的实际用户输入。无论生物测定传感数据是否事先被标记并输入到模型模块110，和/或如果模型模块110对生物测定传感数据进行标记并从修正中学习，模型模块110都在训练阶段学习如何正确标记生物测定传感数据，以匹配对用户控制器上的可选选项的相应实际用户输入。模型模块110可以被调整，以确保生物测定传感数据被正确标记。如上所述，预测模型模块110可以在不同类型的用户控制器上进行训练，其中所述不同类型的用户控制器具有预先安排的可选选项，并且具有自己的生物测定传感数据。
[0016]在对模型模块110进行训练之后，预测模块102A、102B的经训练的预测模型模块110可以接收新的生物测定传感数据114。经训练的预测模型模块110被针对不同类型的用户控制器以及可选选项的预定义排布提前编程。预测模型模块可以将每块生物测定传感数据识别和匹配(例如，标记、分类和/或归类)到(预定义的)标签、分类和/或类别。
[0017]预定义模型模块110可以在从用户接收对可选选项的实际响应或选择之前使用经匹配的生物测定传感数据确定/预测用户控制器上对应于标签、分类和/或类别的可选选项。模型模块110可以从反馈模块124接收用户控制器上先前的可选选项的历史记录(例如，按键、操纵杆移动等)，并且先前可选选项的位置可以与生物测定传感数据一起用作对下一个可选选项的指引。反馈模块124从用户控制器收集对(一个或多个)先前可选选项的先前
用户输入。例如，反馈模块124可以检索用户在用户控制器上选择的(一个或多个)最近的可选选项(例如，先前按压的按键)。先前可选选项可以占据一定权重，该权重在达到阈值时加强所匹配的标签和/或改变所匹配的标签。该权重可以基于距离用户作出的(一个或多个)先前可选选项的经历时间，其中用户在用户控制器上作出的先前可选选项和被预测的可选选项之间的较短时间间隔比较长的时间间隔权重更大。预测模型模块110在用户在用户控制器上选择可选选项之前基于生物测定传感数据和先前由用户在用户控制器上选择的可选选项输出(一个或多个)预测的可选选项作为预测的用户输入。
[0018]本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种方法，包括：在接收到对用户控制器上的至少一个可选选项的用户选择之前，将生物测定输入与所述至少一个可选选项相关联；识别用户对所述用户控制器上的先前可选选项的先前输入；以及在接收到对所述至少一个可选选项的所述用户选择之前，根据所述生物测定输入和对所述先前可选选项的所述先前输入抢先性执行所述至少一个可选选项。2.根据权利要求1所述的方法，其特征在于，所述方法包括响应于根据所述生物测定输入和对所述先前可选选项的所述先前输入抢先性执行所述至少一个可选选项来致使对应于所述至少一个可选选项的抢先性命令被执行。3.根据权利要求1所述的方法，其特征在于，所述用户对所述用户控制器上的所述先前可选选项的所述先前输入包括所述用户控制器上的所述先前可选选项的位置信息。4.根据权利要求1所述的方法，其特征在于，所述用户对所述用户控制器上的所述先前可选选项的所述先前输入包括限定所述用户选择所述先前可选选项的手指的最后位置的位置信息。5.根据权利要求1所述的方法，其特征在于，所述用户对所述用户控制器上的所述先前可选选项的所述先前输入包括限定所述用户选择所述先前可选选项的手指的最后位置的位置信息，所述最后位置被与所述生物测定输入一起用于预测所述用户控制器上的所述至少一个可选选项作为所述用户的未来选择。6.根据权利要求1所述的方法，其特征在于，所述生物测定输入包括所述用户的生物测定传感数据。7.根据权利要求1所述的方法，其特征在于，所述生物测定输入包括所述用户的肌肉活动信号。8.根据权利要求1所述的方法，其特征在于，所述生物测定输入是从所述用户佩戴的生物测定装置接收到的。9.根据权利要求1所述的方法，其特征在于，所述方法包括接收与所述用户控制器上的所述至少一个可选选项相关联的接近指示；其中，所述用户控制器上的所述至少一个可选选项被根据所述生物测定输入和对所述先前可选选项的所述先前输入并且根据所述接近指示抢先性执行；以及其中，所述接近指示包括所述用户的手指相对于所述户控制器上的所述至少一个可选选项的接近度。10.一种系统，包括：处理器；被联接到所述处理器的存储器；以及计算机可执行指令，所述计算机可执行指令与所述存储器和所述处理器协作，以：在接收到对...

【专利技术属性】
技术研发人员：R，
申请(专利权)人：惠普发展公司，有限责任合伙企业，
类型：发明
国别省市：