Kinesthetic Perception: A Machine Learning Approach

این کتاب بر مطالعه مکانیسم‌های نمونه‌گیری تطبیقی ​​ممکن برای فشرده‌سازی داده لمسی با هدف برنامه‌هایی مانند عملیات از راه دور و جراحی از راه دور تمرکز دارد. با نشان دادن اینکه انتخاب مناطق مرده ادراکی یک مشکل غیر پیش پا افتاده است، توضیحی از مسائل مختلفی را ارائه می دهد که محققان باید هنگام طراحی الگوریتم های فشرده سازی بر اساس تفاوت قابل توجه (JND) در نظر بگیرند. این کتاب با شناسایی استراتژی‌های نمونه‌گیری تطبیقی ​​ادراکی برای سیگنال‌های لمسی 1 بعدی آغاز می‌شود و در ادامه یافته‌های مربوط به سیگنال‌های چند بعدی را برای مطالعه حساسیت جهت، در صورت وجود، گسترش می‌دهد. این کتاب همچنین تأثیر نرخ تغییر محرک‌های جنبشی را بر JND، وضوح زمانی برای قابل درک بودن محرک‌های نیروی جنبشی، وابستگی ادراک جنبشی به کار در حال انجام، تأثیر متوالی بر ادراک جنبشی، و به همین ترتیب، در مورد بحث می‌کند. منطقه مرده ادراکی این کتاب که منبع ارزشمندی برای محققان، متخصصان و دانشجویان فارغ التحصیل است که روی مطالعات لمسی و ادراک ماشین کار می‌کنند، می‌تواند از کارهای بین‌رشته‌ای متمرکز بر اتوماسیون در جراحی نیز پشتیبانی کند.

This book focuses on the study of possible adaptive sampling mechanisms for haptic data compression aimed at applications like tele-operations and tele-surgery. Demonstrating that the selection of the perceptual dead zones is a non-trivial problem, it presents an exposition of various issues that researchers must consider while designing compression algorithms based on just noticeable difference (JND). The book begins by identifying perceptually adaptive sampling strategies for 1-D haptic signals, and goes on to extend the findings on multidimensional signals to study directional sensitivity, if any. The book also discusses the effect of the rate of change of kinesthetic stimuli on the JND, temporal resolution for the perceivability of kinesthetic force stimuli, dependence of kinesthetic perception on the task being performed, the sequential effect on kinesthetic perception, and, correspondingly, on the perceptual dead zone. Offering a valuable resource for researchers, professionals, and graduate students working on haptics and machine perception studies, the book can also support interdisciplinary work focused on automation in surgery.