6、基于人工智能的可访问培训导师：原理、实践与挑战

基于人工智能的可访问培训导师：原理、实践与挑战

1. AI 导师设计目标

AI 导师的设计目标和原则旨在为手势学习提供有效的支持。以美国手语（ASL）导师为例，我们可以看到其在多个方面的创新设计。

1.1 模型中嵌入动作

混合系统利用一组微分方程对瞬态行为进行编码，这有助于表示手势的运动学特征。例如，通过高清视频捕捉从一种手形到另一种手形的过渡行为，再利用 Posenet 估计手腕位置。基于人类手部运动专业知识的运动学模型，能够表达手形之间运动的瞬态动力学。可解释机器学习系统的识别结果可视为离散状态，而学习到的运动学模型则是手势混合系统表示的动态组件，状态转换可通过时间约束来表达。

以 ASL 中的“Day”手势为例，它涉及两种手形：左手指向右侧，右手指向头部，还有一个过渡手部动作，即右手臂在指向时以右肘为轴做四分之一圆周运动并落在左肘上。我们将“Day”手势分为三个不同的状态：指向头部（状态 A）、从头部移动到左臂顶部（状态 B）、从左臂顶部移动到肘部（状态 C）。在状态转换时，左右手臂手掌中心点的移动遵循以下模型：
[
\frac{d\overrightarrow{p}}{dt} = \overrightarrow{v}, \frac{d\overrightarrow{v}}{dt} = \overrightarrow{a}, \frac{d\overrightarrow{a}}{dt} = x_1\overrightarrow{a} + x_2\overrightarrow{v} + x_3\overrightarrow{p} + x_4
]
其中，(\overrightarrow{p}) 是右臂的位置向量，(