許多人日常在用的智能手錶，它的文本輸入要麼靠語音，要麼靠打字或手寫。但有時你可能不方便說話，或者在那麼小的屏幕上戳鍵盤實在有點“局促”。那咋辦？也許可以試試“隔空打字”法。浙江大學就開發了這樣一個名叫
AirText 的應用，只需你動動手指和手腕，手錶就確識別空中字符，錯誤率低至 3.9%。還配備聯想和推薦功能，讓拼寫速度更快。
給智能手錶配上“隔空打字”功能
開發 AirText 的一個主要挑戰在於如何讓它理解手腕運動和指尖拼寫動作的對應關係。
就像下面這張圖所展示的，拼寫時手腕呈現出來的軌跡和正常字母差得還挺多的。
為此，研究團隊先藉助了一個現成工具 Leap Motion，它可以用紅外傳感器跟蹤手勢。
然後八名志願者使用五種不同的智能手錶拼出超過 25000 個字符，用 Leap Motion 收集相關的手腕和手指運動數據。
再將數據輸入神經網絡模型，進行訓練，最終 AirText 可以根據用戶手腕微小的動作變化推斷指尖的軌跡。
然後，僅通過智能手錶就可以高效、準確地將推斷出的軌跡識別為相應的字符。
為了加快拼寫速度，他們還給系統配上了單詞預測和推薦功能。
預測單詞會顯示在手錶屏幕的四個方向，我們可以將手錶向上下左右傾斜就能進行選擇（晃動手錶可以退格）。
詞錯誤率為 3.9%
首先來看 AirText 的準確性測試。
衡量指標為 WER（詞錯誤率，Word Error Rate），計算方法就是將錯誤字 / 識別正確的字。
其中錯誤字涉及三種類型：漏字（用 I 表示，即校對成正確的拼寫時需要再插入的字的數量）、多字（用 D 表示，即需要刪除的字數量）、錯字（用 S 表示，即需要替換的字數量）。
將 AirText 與倆基線方法（IMU-CNN 和 BLSTM）相比，最終 AirText 得分最低，也就是準確性最高。
三者平均分分別為 3.9%、30.9% 和 57.1%。
以上是單用戶在單設備上的測評結果。
為了更準確，他們還測試了多用戶和多設備，結果如下：
左圖中，同一個用戶使用 5 種不同智能手錶測試 AirText 獲得的準確率得分分別為：8.3%、7.5%、6.5%、7.7% 和 3.9%。
研究人員表示，7% 的 WER 意味着平均每 15 個單詞中有一個識別錯誤，這對於隔空手寫來說還是可以接受的。
右圖中，8 位不同用戶使用同一手錶獲得了 11.2%、5.9%、4.3%、4.0%、3.6%、5.9%、4.7% 和 3.9% 的 WER。
從中我們可以看出，與不同的設備相比，不同的用戶對準確性的影響更大。
不過研究人員表示，藉助模型更新組件，AirTex 仍然可以針對不同用戶實現較高的準確率。
然後是速度測試。
由於 BLSTM 基線的 WER 約為 57%，錯誤率太高，研究人員只比較了 AirText 和 IMU-CNN 兩者的速度。
衡量指標是 WPM（單詞 / 每分鐘，Word Per Minute），其計算方式為用總體輸入字數-錯誤字數 / 時間。
結果 AirText 的平均 WPM 為 8.1，而 IMU-CNN 基線的 WPM 僅為 4.6。
研究人員指出，此輸入速度與一些基於雙手觸摸屏的文本輸入方法相當（這些方法在實際應用中的 WPM 為 9.1、9.8WPM）。
總體來看，AirText 的準確率不錯，但速度還需要進步。
慢的主要原因還是因為它每拼寫一個字符就需停頓一會兒。
研究人員正在研究破解辦法，並表示最終有興趣將 AirText 商業化。
作者介紹
一作為浙江大學計算機學院助理教授高藝，浙江大學博士畢業，研究方向包括嵌入式軟件、無線和移動計算、傳感器網絡和信息物理系統。
通訊作者為浙大計算機學院副教授、博導董瑋，同樣為浙大博士畢業，研究方向包括物聯網系統和網絡、邊緣計算、無線和移動計算。
其谷歌學術引用次數總計 3000+。
論文地址：
https://ieeexplore.ieee.org/document/9625777
參考鏈接：
https://spectrum.ieee.org/smartwatch-input-finger-writing