-
Stand der Technik
-
Die
Erfindung geht aus von einem Verfahren zum Betrieb einer Eingabevorrichtung
nach dem Oberbegriff des Anspruchs 1.
-
Solche
Verfahren sind allgemein bekannt. Beispielsweise geht aus der Druckschrift
DE 101 10 428 A1 ein
Verfahren zum Ausführen einer Objektverfolgung hervor,
wobei mittels einer Inertialsensoren umfassenden und auf einer flächenhaften
Unterlage bewegbaren Eingabevorrichtung, beispielsweiser einer Computermaus,
Beschleunigungsmessdaten ermittelt werden, wobei aus diesen Beschleunigungsmessdaten
Positionsdaten über die Bewegung der Eingabevorrichtung
errechnet werden, die angezeigt oder in beliebiger Weise weiterer
Datenverarbeitung zugeführt oder zu Steuerungsprozessen
verwendet werden können, wobei während der Ausführung
des Verfahrens erkannt wird, wenn sich die Eingabevorrichtung in
Ruhe befindet und wobei eine Schwellwertprüfung für
die ermittelten Beschleunigungsmessdaten durchgeführt wird,
um zu erkennen, ob die Beschleunigungsmessdaten innerhalb oder außerhalb
eines Schwellwertbereichs liegen, wobei ein Ruhen der Eingabevorrichtung
angenommen wird, wenn die ermittelten Beschleunigungsmessdaten über
eine vorgebbare Kalibrierzeitdauer innerhalb des Schwellwertbereichs
liegen, wobei aus den ermittelten Beschleunigungsmessdaten, die während
der vorgebbaren Kalibrierzeitdauer innerhalb des Schwellwertbereichs
liegen (Ruhen der Eingabevorrichtung), ein Mittelwert errechnet
wird, dass der errechnete Mittelwert als Offset zur Feinkorrektur von
Beschleunigungsmessdaten herangezogen wird. Nachteilig an diesem
Verfahren ist, dass die Auswertung der Beschleunigungsmessdaten
einen vergleichsweise hohen Rechenaufwand erfordert, wodurch eine
bauraumkompakte, stromsparende und kostengünstige Integration
eines derartigen Verfahrens in eine kom pakte Eingabevorrichtung
nicht möglich ist. Ferner sind Auswertungen von Beschleunigungsmessdaten,
welche durch vergleichsweise komplexe Bewegungsmuster erzeugt werden,
nicht möglich.
-
Offenbarung der Erfindung
-
Das
erfindungsgemäße Verfahren zum Betrieb einer Eingabevorrichtung
und die erfindungsgemäße Eingabevorrichtung gemäß den
nebengeordneten Ansprüchen haben gegenüber dem
Stand der Technik den Vorteil, dass einerseits keine vergleichsweise
komplexen Algorithmen zur Auswertung der Sensorsignale notwendig
sind und andererseits gleichzeitig eine Adaption der Auswertung
an das Benutzungsschema der Eingabevorrichtung ermöglicht wird,
d. h. das Neuronale Netzwerk ist auf die optimale Auswertung der
Sensorsignale in vergleichsweise einfacher Weise flexibel trainierbar.
Diese Trainierbarkeit der Auswerteeinheit führt darüberhinaus
zu einer erheblichen Kostenersparnis bei der Fertigung der Eingabevorrichtung,
da die Auswertung der Sensorsignale nicht starr auf den Absolutwerten
der Sensorsignale basiert, sondern sich flexibel auf das Muster
der Sensorsignale, im Folgenden auch als Signalmuster bezeichnet,
einstellt und daher im Vergleich zum Stand der Technik auf einen
kostenintensiven Abgleich der Sensoren während der Fertigung
verzichtet werden kann. Ferner sind durch die Auswertung der Sensorsignale
mit einem Neuronalen Netzwerkes im Gegensatz zum Stand der Technik
vergleichsweise komplexe Signalmuster einfach zu identifizieren,
ohne dass rechenintensive Mikroprozessoren mit hohem Leistungsbedarf
benötigt werden. Durch die parallele Datenverarbeitung
in einem Neuronalen Netzwerk ist zudem eine deutlich schnellere
Auswertung der Steuersignale erzielbar. Besonders bevorzugt ist
vorgesehen, dass ein Benutzer der Eingabevorrichtung das Neuronale
Netzwerk selbst trainiert und somit auf sein persönliches
Bewegungsprofil anpasst. Dabei ”erkennt” das Neuronale
Netzwerk insbesondere bestimmte Bewegungen der Eingabevorrichtung
durch den Benutzer und steuert die Datenverarbeitungsvorrichtung
entsprechend in Abhängigkeit dieser erkannten Bewegung.
Beispielsweise umfasst die Eingabevorrichtung einen Gamecontroller
zur Simulation eines Tennisschlägers für ein auf
einer Spielkonsole laufendes Tennissimulationsprogramm, wobei die
Datenverarbeitungsvorrichtung die Spielkonsole umfasst. Die Auswerteeinheit wertet
nun die Sensorsignale aus, um spezielle Signalmuster, d. h. insbesondere
Bewegungsmuster wie beispielsweise einen Aufschlag, einen Vorhandschlag,
Rückhandschlag, ei nen Schmetterschlag oder einen Volley,
zu erkennen und die Spielkonsole entsprechend zu steuern. Im Gegensatz
zum Stand der Technik werden dabei durch die Flexibilität
des Neuronalen Netzwerkes auch ”ähnliche” Signalmuster
von der Auswerteeinheit richtig identifiziert. Besonders bevorzugt
ist ferner vorgesehen, dass der Benutzer der Eingabevorrichtung
vor dem eigentlichen Tennisspiel die verschiedenen Schläge
in einem Trainingsmodus mehrfach ausführt und die entsprechenden
Signalmuster in die Auswerteeinheit eingespeichert werden, so dass
das Neuronale Netzwerk vom Benutzer programmiert und/oder automatisch
trainiert wird und kein komplexer Algorithmus zur Erkennung der
Signalmuster entwickelt werden muss. Durch die Trainierbarkeit bzw.
durch das Erkennen von ”Ähnlichkeiten” ist
beispielsweise eine unterschiedliche Adaption der Auswertung zwischen Linkshändern
und Rechtshändern möglich. Ganz besonders bevorzugt
ist das personalisierte, d. h. auf einen Benutzer optimierte, Neuronale
Netzwerk in der Eingabevorrichtung abgespeichert, so dass mit der gleichen
auf den Benutzer optimierten Eingabevorrichtung auch andere Datenverarbeitungsvorrichtungen
steuerbar sind. Der Begriff Eingabevorrichtung als Mensch-Maschine-Schnittstelle
umfasst im Sinne der vorliegenden Erfindung insbesondere, dass die Datenverarbeitungsvorrichtung
durch die Benutzung der Eingabevorrichtung durch einen Benutzer
mittelbar oder unmittelbar steuerbar ist.
-
Vorteilhafte
Ausgestaltungen und Weiterbildungen der Erfindung sind den Unteransprüchen,
sowie der Beschreibung unter Bezugnahme auf die Zeichnungen zu entnehmen.
-
Gemäß einer
bevorzugten Weiterbildung ist vorgesehen, dass mittels des Sensors
Sensorsignale ermittelt werden, welche von einer Beschleunigung und/oder
einer Drehrate der Eingabevorrichtung abhängig sind. Besonders
vorteilhaft umfasst der wenigstens eine Sensor einen Inertialsensor,
insbesondere einen Beschleunigungs- und/oder Drehratensensor, wobei
vorzugsweise ein 2- oder 3-kanaliger Inertialsensor Verwendung findet.
Besonders vorteilhaft ist somit die Datenverarbeitungsvorrichtung
mittels einer ein-, zwei- oder dreidimensionalen Bewegung der Eingabevorrichtung
im Raum steuerbar. Besonders bevorzugt ist vorgesehen, dass die
Eingabevorrichtung einen dreikanaligen Drehratensensor und einen
dreikanaligen Beschleunigungssensor umfasst, so dass jegliche Rotations-
und Translationsbewegungen der Eingabevorrichtung von der Auswertein heit
auszuwerten sind und zur Steuerung der Datenverarbeitungsvorrichtung
nutzbar sind.
-
Gemäß einer
weiteren bevorzugten Weiterbildung ist vorgesehen, dass mittels
des Sensors Sensorsignale ermittelt werden, welche von einem Druck
auf einen drucksensitiven Bereich der Eingabevorrichtung abhängig
sind. Besonders bevorzugt sind somit mechanische Tasten bzw. Druckknöpfe auf
der Eingabevorrichtung realisierbar, welche vorzugsweise zusätzlich
zur Bewegung der Eingabevorrichtung zur Steuerung der Datenverarbeitungsvorrichtung
vorgesehen sind. Besonders bevorzugt sind die Sensorsignale abhängig
von der Größe des Drucks auf den drucksensitiven
Bereich.
-
Gemäß einer
weiteren bevorzugten Weiterbildung ist vorgesehen, dass in der Auswerteeinheit Signalmuster
und insbesondere Bewegungsmuster in Abhängigkeit der Sensorsignale
ermittelt werden, wobei die Steuersignale zumindest teilweise in
Abhängigkeit der Signalmuster und insbesondere der Bewegungsmuster
erzeugt werden. Neuronale Netze eignen sich vergleichsweise gut
zur Erkennung von Mustern, da Neuronale Netze in der Lage sind ”Ähnlichkeiten” in
Mustern zu identifizieren bzw. zu charakterisieren und darüberhinaus
durch ”Training” flexibel an veränderte
Eingangsparameter anpassbar sind. Besonders vorteilhaft wird das
Neuronale Netzwerk zur Erkennung von Signalmustern in den Sensorsignalen
genutzt, so dass mit einem vergleichsweise geringen Schaltungsaufwand
und im Vergleich zum Stand der Technik erheblich schneller in einer komplexen
Vielzahl von miteinander korrelierten Sensorsignalen bestimmte Signalmuster
identifizierbar sind, welche in die Steuerung der Datenverarbeitungsvorrichtung
miteinbezogen werden. In Anlehnung an das oben genannte Beispiel
ist beispielsweise der Bewegungsablauf der Eingabevorrichtung bei der
Ausführung eines Tennisaufschlags vergleichsweise komplex
und unterscheidet sich vergleichsweise stark bei verschiedenen Benutzern,
so dass die Erkennung eines für einen Tennisaufschlag typischen
Signalmusters in der Vielzahl von Sensorsignalen bei einer sequentiellen
Auswertung der Sensorsignale mit ”herkömmlicher” Computertechnologie entsprechend
leistungs- und zeitintensiv wäre.
-
Gemäß einer
weiteren bevorzugten Weiterbildung ist vorgesehen, dass das Neuronale
Netzwerk einen Satz von Gewichten umfasst, wobei die Steuersignale
in Abhängigkeit des Satzes von Gewichten erzeugt werden.
Ein neuronales Netz werk besteht insbesondere aus einer Vielzahl
von Knotenpunkten, welche jeweils miteinander verbunden sind, wobei
die Verbindungen und/oder die Knotenpunkte jeweils eine Gewichtung
aufweisen. Die Funktionalität des Neuronalen Netzes ist
in erster Näherung durch die Verteilung der Gewichtungen
gegeben. Besonders vorteilhaft werden die Steuersignale in Abhängigkeit
des Satzes von Gewichten erzeugt, so dass das Neuronale Netzwerk
ein Höchstmaß an Leistungsfähigkeit gewährleistet.
Der Satz von Gewichten ist vorzugsweise in der Eingabevorrichtung dauerhaft
und/oder temporär gespeichert. Besonders bevorzugt ist
vorgesehen, dass in der Eingabevorrichtung einer Mehrzahl von Sätzen
von Gewichten abspeicherbar sind, so dass einer Mehrzahl von Benutzern
der Eingabevorrichtung jeweils ein Satz von Gewichten zuzuordnen
ist.
-
Gemäß einer
weiteren bevorzugten Weiterbildung ist vorgesehen, dass der Satz
von Gewichten voreingestellt wird und/oder in Abhängigkeit
der Sensorsignale erzeugt wird und/oder in Abhängigkeit
der Sensorsignale modifiziert wird. Besonders bevorzugt wird der
Satz von Gewichten in einem ”Trainingsmodus” hergestellt,
so dass bei der Fertigung der Eingabevorrichtung kein komplexer
Algorithmus zur Erkennung von Signalmustern entwickelt werden muss
und somit die Entwicklungskosten in erheblicher Weise reduzierbar
sind. Ferner ist besonders vorteilhaft die Modifikation des Satzes
von Gewichten während der Benutzung der Eingabevorrichtung
vorgesehen, so dass das Neuronale Netzwerk trainiert wird und eine Qualitätssteigerung
bzw. eine fortschreitende Individualisierung der Funktionalität
der Auswerteeinheit während der Benutzung durch einen bestimmten
Benutzer ermöglicht wird. Besonders bevorzugt wird ein Training
des Neuronalen Netzwerks in einem Trainingsmodus durchgeführt,
wobei einem Benutzer durch die Datenverarbeitungsvorrichtung, insbesondere
auf einem Display, sequentiell verschiedene Bewegungsabläufe
angezeigt werden und das Neuronale Netzwerk nach der entsprechenden
Nachahmung der Bewegungsabläufe durch den Benutzer die entsprechenden
Signalmuster erlernt bzw. trainiert.
-
Gemäß einer
weiteren bevorzugten Weiterbildung ist vorgesehen, dass die Steuer-
und/oder Sensorsignale in Abhängigkeit des Satzes von Gewichten
kalibriert werden und/oder dass die Empfindlichkeit der Sensorsignalerfassung
in Abhängigkeit des Satzes von Gewichten eingestellt wird.
Besonders vorteilhaft wird die Eingabevorrichtung bzw. die Auswerteinheit
im Trainingsmodus kalibriert, so dass ein vergleichsweise kostenintensiver
Abgleich der Sensoren während der Fertigung der Eingabevorrichtung
einsparbar ist.
-
Gemäß einer
weiteren bevorzugten Weiterbildung ist vorgesehen, dass der Satz
von Gewichten in Abhängigkeit eines Feedbacks von der Datenverarbeitungsvorrichtung
modifiziert wird. Besonders vorteilhaft wird in einem Testmodus
das richtige Erkennen von Signalmustern durch die Auswerteeinheit
verifiziert, wobei der Benutzer einen vorgegebenen Bewegungsablauf
durchführt, die Auswerteeinheit eine entsprechende Auswertung
der Sensorsignale vornimmt und die entsprechenden Steuersignal an
die Datenverarbeitungsvorrichtung leitet. In der Datenverarbeitungsvorrichtung
wird die Auswertung visualisiert, wobei anschließend der
Benutzer durch die Eingabevorrichtung oder durch weitere Eingabemittel
der Datenverarbeitungsmittel ein Feedback über die Qualität
der Auswertung abgibt. Mittels dieses Feedbacks wird in der Auswerteeinheit
die Neugewichtung des Satzes von Gewichten fortgesetzt oder rückgängig
gemacht. Die Auswertung durch das Neuronale Netzwerk ist somit durch ”Trial
und Error”-Zyklen im Testmodus beständig verbesserbar.
-
Ein
weiterer Gegenstand der vorliegenden Erfindung ist eine Eingabevorrichtung
zur Steuerung einer Datenverarbeitungsvorrichtung, wobei die Eingabevorrichtung
eine Mensch-Maschine-Schnittstelle für die Datenverarbeitungsvorrichtung
umfasst, wobei die Eingabevorrichtung wenigstens einen Sensor zur
Erzeugung von Sensorsignalen, eine Auswerteinheit zur Erzeugung
von Steuersignalen in Abhängigkeit der Sensorsignale und
eine Ausgabeeinheit zur Ausgabe der Steuersignale an die Datenverarbeitungsvorrichtung
aufweist und wobei ferner die Auswerteinheit ein Neuronales Netzwerk
umfasst. Wie oben bereits detailiert ausgeführt, ermöglicht
die Ausbildung der Auswerteeinheit als Neuronales Netzwerk im Vergleich
zum Stand der Technik besonders vorteilhaft eine Reduktion der Herstellungskosten
der Eingabevorrichtung, sowie eine effiziente Auswertung von komplexen
Sensorsignalen und insbesondere von komplexen Muster von Sensorsignalen
mit einem vergleichsweise geringen Rechen- und Leistungsaufwand.
Darüberhinaus ist die Auswertung der Sensorsignale trainierbar
und somit besonders flexibel einsetzbar bzw. im Hinblick auf einen
bestimmten Benutzer individualisierbar.
-
Gemäß einer
bevorzugten Weiterbildung ist vorgesehen, dass der Sensor einen
Inertialsensor, insbesondere einen Beschleunigungs- und/oder Drehratensensor,
und/oder einen Drucksensor umfasst, so dass in vorteilhafter Weise
die Datenverarbeitungsvorrichtung durch einen Benutzer per Rotations-
und/oder Translationsbewegungen der Eingabevorrichtung, insbesondere
jeweils in allen drei Raumrichtungen, und/oder Druckbelastungen
der drucksensitiven Bereiche, ähnlich wie beispielsweise bei
Schaltern und Tasten, intuitiv steuerbar ist.
-
Gemäß einer
weiteren bevorzugten Weiterbildung ist vorgesehen, dass das Neuronale
Netzwerk ein software- und/oder hardwarebasiertes Neuronales Netzwerk
umfasst. Besonders vorteilhaft ermöglicht die Implementierung
des Neuronalen Netzwerks in die Auswerteeinheit als hardwarebasiertes, insbesondere ”hardwired”,
Neuronales Netzwerk eine Verringerung der Leistungsaufnahme und
eine Reduzierung der Herstellungskosten, da vergleichsweise aufwändige
und kostenintensive Mikroprozessoren einsparbar sind. Gleichzeitig
wird die Auswertungsgeschwindigkeit durch die parallele Informationsverarbeitung
in einem hardwarebasierten Neuronalen Netzwerk in erheblicher Weise
erhöht. Aufgrund der Einsparung von leistungsintensiven
Mikroprozessoren ist zudem eine Kühlung der Auswerteeinheit
einsparbar. Auf der anderen Seite ermöglicht ein softwarebasiertes
Neuronales Netzwerk die Verwendung von Standardhalbleiterbauteilen,
wie Mikroprozessoren, so dass vergleichsweise kostenintensiv und
aufwändig herzustellende ASIC's zur Implementierung hardwarebasierter
Neuronaler Netzwerke einsparbar sind. Ferner sind softwarebasierte
Neuronale Netzwerke im Gegensatz zu hardwarebasierten Neuronalen
Netzwerken nachträglich modifizierbar.
-
Gemäß einer
weiteren bevorzugten Weiterbildung ist vorgesehen, dass die Eingabevorrichtung einen
Speicher und insbesondere eine Lookup-Tabelle zur Speicherung wenigstens
eines Satzes von Gewichten aufweist, wobei vorzugsweise einem bestimmten
Benutzer der Eingabevorrichtung ein bestimmter Satz von Gewichten
zugeordnet vorgesehen ist, so dass der bestimmte Satz von Gewichten besonders
vorteilhaft individuell auf die Bewegungscharakteristik der entsprechenden
Person optimierbar ist.
-
Gemäß einer
weiteren bevorzugten Weiterbildung ist vorgesehen, dass die Eingabevorrichtung ein
portables elektrisches und/oder elektronisches Gerät und
in sbesondere eine Computermaus, einen Joystick, einen Gamecontroller,
einen Laserpointer, eine Tastatur und/oder ein Telefon umfasst und/oder dass
die Datenverarbeitungsvorrichtung einen Personalcomputer, eine Spielkonsole,
ein Sportgerät und/oder ein Telefon umfasst.
-
Ausführungsbeispiele
der Erfindung sind in den Zeichnungen dargestellt und in der nachfolgenden
Beschreibung näher erläutert.
-
Kurze Beschreibung der Zeichnungen
-
Es
zeigen:
-
1 eine
schematische Ansicht einer Eingabevorrichtung gemäß einer
ersten Ausführungsform der vorliegenden Erfindung und
-
2 eine
schematische Ansicht einer Eingabevorrichtung gemäß einer
zweiten Ausführungsform der vorliegenden Erfindung.
-
Ausführungsformen
der Erfindung
-
In 1 ist
eine schematische Ansicht einer Eingabevorrichtung 1 gemäß einer
ersten Ausführungsform der vorliegenden Erfindung dargestellt, wobei
in 1 die Eingabevorrichtung 1 zur Steuerung
einer Datenverarbeitungsvorrichtung 2, als auch die Datenverarbeitungsvorrichtung 2 illustriert
sind. Die Eingabevorrichtung 1 umfasst eine Mensch-Maschine-Schnittstelle
für die Datenverarbeitungsvorrichtung 2, so dass
die Datenverarbeitungsvorrichtung 2 von einem menschlichen
Benutzer mittels der Eingabevorrichtung 1 mittelbar oder
unmittelbar steuerbar ist. Die Eingabevorrichtung 1 weist
dazu eine Mehrzahl von Sensoren 3 auf, wobei ein dreikanaliger
Beschleunigungssensor 3' zur Sensierung von einer Translationsbewegung
der Eingabevorrichtung 1 in eine der drei Raumrichtungen
vorgesehen ist, wobei ferner ein dreikanaliger Drehratensensor 3'' zur
Sensierung einer Rotationsbewegung um eine der drei Raumrichtungen
und wobei ferner ein Drucksensor 3''' zur Sensierung wenigstens
eines Druckes auf einen drucksensitiven Bereich 1' (beispielsweise eine
Taste oder ein Schalter) der Eingabevorrichtung 1 vorgesehen
ist. Die Sensorsignale 30' des Beschleunigungssensors 3',
die Sensorsignale 30'' des Drehratensensors 3'' und
die Sensorsignale 30''' des Drucksensors 3''' werden
von einer Auswerteeinheit 4 ausgewertet, wobei die Auswerteeinheit 4 ein
Neuronales Netzwerk 6 (lediglich schematisch bzw. beispielhaft
dargestellt) umfasst. Die Auswerteeinheit 4 erzeugt in
Abhängigkeit der Sensorsignale 30, 30', 30'', 30''' Steuersignale 40,
welche von einer Ausgabeeinheit 5 an die Datenverarbeitungsvorrichtung 2 geleitet
werden und zur Steuerung der Datenverarbeitungsvorrichtung 2 vorgesehen
sind. Die Funktionalität des Neuronalen Netzwerks 6 wird
zumindest teilweise von einem Satz 9 von Gewichten charakterisiert,
welcher in einer Lookup-Tabelle 7' eines Speicher 7 in
der Eingabevorrichtung 1 abgespeichert wird. Das Neuronale
Netzwerk 6 ist vorzugsweise dazu vorgesehen, Signalmuster
in den Sensorsignalen 30, 30', 30'', 30''' zu
identifizieren und entsprechende Steuersignale 40 in Abhängigkeit
der Sensorsignale 30, 30', 30'', 30''' und
der Signalmuster zu erzeugen. In einem Trainingsmodus werden vorzugsweise
bekannte bzw. durch die Datenverarbeitungsvorrichtung 2 vorgegebene
Bewegungsabläufe der Eingabevorrichtung 1 durch
den Benutzer zur Programmierung bzw. zum Training des Neuronalen Netzwerkes 6 durchgeführt,
so dass der Satz 9 von Gewichten entsprechend erzeugt und/oder
angepasst wird (bspw. Perzeptron-Lernregel, Backpropagation). Dieser
Satz 9 von Gewichten wird besonders bevorzugt speziell
für diesen bestimmten Benutzer im Speicher 7 abgespeichert,
wobei im Speicher 7 besonders bevorzugt weitere Sätze 9 von
Gewichten für andere Benutzer abgespeichert sind. Bewegungsabläufe,
deren charakteristische Signalmuster von dem Neuronalen Netzwerk 6 identifiziert
werden, sind beispielsweise eine Bewegung der Eingabevorrichtung 1 auf
einer bestimmten Bewegungsbahn im Raum bzw. eine entsprechend gerichtete
rotatorische und/oder translative Beschleunigung der Eingabevorrichtung 1 im
Raum und/oder eine bestimmten zeitlichen Druckabfolge im drucksensitiven
Bereich 1' der Eingabevorrichtung 1 und/oder eine
Kombination einer Bewegung auf einer bestimmten räumlichen Bewegungsbahn
und einer bestimmte zeitlichen Druckabfolge. Ferner wird vorzugsweise
die Empfindlichkeit bei der Auswertung der Sensorsignale 30, 30', 30'', 30''' auf
das Signalmuster angepasst. Das Neuronale Netzwerk 6 umfasst
insbesondere ein hardwarebasiertes und/oder ein softwarebasiertes Neuronales
Netz, wobei die Gewichte insbesondere jeweils die Wichtung zwischen
einer Verbindung zweier Neuronen und/oder den Schwellwert eines Neurons
umfasst. Besonders bevorzugt ist vorgesehen, dass Verbindungen und/oder
Neuronen angepasst, zugefügt und/oder gelöscht
werden. In einem bevorzugten Anschauungsbeispiel umfasst die Datenverarbeitungsvorrichtung 2 ein
Handy, wobei die Eingabevorrichtung 1 in das Handy integriert
ist. Aufgrund von bestimmter mit dem Handy durchgeführter Bewegungen
werden bestimmte den Bewegungen zugeordnete Funktionen am Handy
gesteuert (”Gesture Recognition”). Alternativ
ist denkbar, dass die Eingabevorrichtung 1 in ein Handy
integriert ist und die Datenverarbeitungsvorrichtung 2 ein
anderes Handy oder ein elektrisches bzw. elektronisches Gerät,
wie beispielsweise ein Fernseher, umfasst, so dass mittels der Eingabevorrichtung 1 in
Form des Handys das andere Handy oder das elektrische bzw. elektronische
Gerät gesteuert wird. In einem anderen Anschauungsbeispiel
umfasst die Eingabevorrichtung 1 vorzugsweise einen Gamecontroller
für eine Datenverarbeitungsvorrichtung 2 in Form
eines Computers oder einer Spielkonsole. Der Gamecontroller stellt
besonders bevorzugt beispielhaft einen Tennisschläger dar,
während auf der Datenverarbeitungsvorrichtung 2 ein
Tennissimulationsprogramm abläuft, wobei von der Auswerteeinheit 4 verschiedene von
einem bestimmten Benutzer durchgeführte Bewegungsabläufe
des Gamecontrollers von der Auswerteeinheit 4 bestimmten
Signalmustern zugeordnet werden. Die Auswerteeinheit 4 wertet
die Sensorsignale 30, 30', 30'', 30''' aus,
um spezielle Signalmuster, d. h. insbesondere Bewegungsmuster wie beispielsweise
einen Aufschlag, einen Vorhandschlag, Rückhandschlag, einen
Schmetterschlag oder einen Volley, zu erkennen und den Computer bzw.
die Spielkonsole entsprechend zu steuern. Durch die Flexibilität
des Neuronalen Netzwerkes werden dabei auch ”ähnliche” Signalmuster
von der Auswerteeinheit identifiziert. Besonders bevorzugt ist ferner
vorgesehen, dass der Benutzer der Eingabevorrichtung vor dem eigentlichen
Tennisspiel die verschiedenen Schläge in einem Trainingsmodus
mehrfach ausführt und die entsprechenden Signalmuster in
die Auswerteeinheit 4 bzw. in den Speicher 7 in Form
des Satzes 9 von Gewichten eingespeichert werden, so dass
das Neuronale Netzwerk automatisch trainiert wird. Die genannten
Anschauungsbeispiele haben selbstverständlich einen rein
beispielhaften Charakter. Analog ist die erfindungsgemäße Eingabevorrichtung 1 ferner
zu Steuerung weiterer Sportartensimulationen auf einer Datenverarbeitungsvorrichtung 2,
wie zum Beispiel eines Golfsimulators (Eingabevorrichtung 1 in
Form eines Golfschläger), Fahrzeugsimulators (Eingabevorrichtung 1 in Form
eine Joysticks oder Lenkrads) oder eines Fußballsimulators
(Eingabevorrichtung 1 in Form eines Fußballschuhs)
etc., als auch zur Steuerung von anderen Programmen auf einer Datenverarbeitungsvorrichtung 2,
wie beispielsweise von Standardanwendungen wie MS-Office, Text-
und Tabellenkalkulation, CAD-Programmen, Internet, etc. vorgesehen,
wobei die Eingabevorrichtung 1 beispielsweise eine Computermaus,
einen Laserpointer und/oder einen Trackball umfasst und bestimmte
Bewegungsmuster der Eingabevorrichtung bestimmte Funktionen und/oder Programme
ausführt. Besonders bevorzugt wird die Eingabevorrichtung 1 als
Hilfsmittel zur Steuerung von Datenverarbeitungsvorrichtungen 2 für
körperlich und/oder geistig behinderte Personen verwendet,
wobei die Datenverarbeitungsvorrichtungen 2 ganz besonders
bevorzugt zur Steuerung von Rollstühlen und/oder Notrufgeräten
vorgesehen sind.
-
In 2 ist
eine schematische Ansicht einer Eingabevorrichtung 1 gemäß einer
zweiten Ausführungsform der vorliegenden Erfindung dargestellt, wobei
die zweite Ausführungsform im Wesentlichen identisch der
ersten Ausführungsform dargestellt in 1 ist,
wobei die Sensoren 3, 3', 3'', 3''' der
Eingabevorrichtung 1 in einen Gamecontroller integriert sind
und wobei die Auswerteeinheit 4, der Speicher 7 und
die Datenverarbeitungsvorrichtung 5 in ein Gerät 20,
welches einen Computer oder eine Spielkonsole umfasst, integriert
sind, wobei das Gerät 20 zusätzlich einen
weiteren Speicher 21 für benutzerspezifische Daten
aufweist. Ferner wird der Auswerteeinheit 4 die dem Programm
zugrunde liegende Software 22 zugeführt, beispielsweise
das Computerspiel bzw. das Simulationsprogramm. Die Bewegungsabläufe
des Gamecontrollers werden auf einem Bildschirm 23 visualisiert.
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste
der vom Anmelder aufgeführten Dokumente wurde automatisiert
erzeugt und ist ausschließlich zur besseren Information
des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen
Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt
keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-