使用机器学习优化可穿戴设备设置制造技术

描述了用于使用机器学习来优化可穿戴设备设置的技术。移动设备可以从可穿戴设备(例如，腕表)接收对应于佩戴可穿戴设备的用户对于可穿戴设备产生的输出模态的反应的传感器数据。移动设备可以请求针对可穿戴设备产生的输出模态的用户反馈。移动设备可以经由传感器组接收对应于针对输出模态的用户反馈的用户反馈数据。移动设备可以向云应用上传传感器数据和用户反馈数据。移动设备可以从云应用接收知识包，该知识包包括使用传感器数据和用户反馈数据训练的分类算法。最后，移动设备可以向可穿戴设备发送知识包。

Optimizing Wearable Device Settings Using Machine Learning

The technology for optimizing wearable device settings using machine learning is described. Mobile devices can receive sensor data from wearable devices (e.g., wristwatches) corresponding to the user's response to the output modes generated by wearable devices. Mobile devices can request user feedback for the output modes generated by wearable devices. Mobile devices can receive user feedback data corresponding to user feedback for output modes via a group of sensors. Mobile devices can upload sensor data and user feedback data to cloud applications. Mobile devices can receive knowledge packages from cloud applications, which include classification algorithms trained using sensor data and user feedback data. Finally, mobile devices can send knowledge packages to wearable devices.

【技术实现步骤摘要】
【国外来华专利技术】使用机器学习优化可穿戴设备设置优先权声明本国际申请要求于2016年6月27日递交的美国专利申请No.15/193,944的优先权权益，其全部内容通过引用结合于此。
本公开总体涉及可穿戴设备，具体地涉及使用机器学习优化可穿戴设备设置。
技术介绍
人的感官提供来自各种模态—视觉(视力)、听觉(听力)、触觉(触摸)、嗅觉(气味)、味觉、本体感受(身体的相邻部分的相对位置的感觉和运动中采用的努力强度)、以及前庭系统(出于协调平衡运动的目的，其有助于平衡和空间定向的感觉)的信息—用户使用该信息进行动作。可穿戴设备可以利用各种设置来产生各种模态的输出。附图说明在不一定按比例绘制的附图中，相似的标号可以描述不同视图中的类似组件。具有不同字母后缀的相似标号可以表示类似组件的不同实例。这些附图一般地(例如而非限制地)示出了在本文档中讨论的各种实施例或示例。图1示出了根据示例实施例的其设置可以利用机器学习进行优化的可穿戴设备。图2示出了根据示例实施例的用于使用机器学习来优化可穿戴设备设置的系统。图3示出了根据示例实施例的使用机器学习来优化可穿戴设备的设置的训练处理。图4示出了根据示例实施例的使用机器学习优化可穿戴设备的设置的训练处理的模态交互会话。图5示出了根据示例实施例的其设置可以使用机器学习进行优化的可穿戴设备的实施方式。图6是示出根据示例实施例的用于使用机器学习优化可穿戴设备设置的云应用的操作的数据和控制流示意图。图7示出了根据示例实施例的由移动设备执行的用于使用机器学习优化可穿戴设备设置的方法。图8示出了根据示例实施例的由可穿戴设备执行的用于使用机器学习优化可穿戴设备设置的方法。图9是示出可以实现任意一个或多个示例实施例的机器的示例的框图。具体实施方式本公开描述了分别使用机器学习帮助优化可穿戴设备设置的方法、系统、以及计算机程序产品。在下面的详细描述中，出于说明的目的，给出了多个具体细节，以提供对于当前公开的主题的各个方面的透彻理解。但是，对于本领域技术人员易于理解的是，在阅读和理解本主题后，当前公开的主题可以在没有这些具体细节的条件下实施。在其他实例中，没有详细描述公知的方法、过程、和组件，以避免模糊当前公开的主题。诸如智能手表之类的可穿戴设备变得越来越普遍。可穿戴设备可以产生各种环境刺激，例如，光、声、振动等。尽管可穿戴设备可以具有控制可穿戴设备产生的一种或多种环境刺激的用户可配置的设置，但是可穿戴设备的用户可能并不知道哪种设置配置对于用户是最佳的(甚至是可接受的)。所公开的实施例通过使用机器学习技术优化可穿戴设备的设置，改善了可穿戴设备的用户的用户体验。感官处理失调(SPD，也称为“感觉整合障碍”)是在多感官整合没有被充分处理以提供对于环境需求的适当响应(例如，大脑在接收并响应一个或多个感官接收的信息方面有麻烦)时存在的情况。SPD与自闭症密切相关(并且通常与自闭症共存)。一些具有SPD的人对于环境刺激过敏感，而另一些具有SPD的人可能对于环境刺激欠敏感。SPD以来自身体和/或环境的组织感觉方面的重大问题为特点，并且可以通过生活的一个或多个主要领域(日常生活的活动、游戏、生产、或休闲)中的表现方面的困难显露出来。具有SPD的人在处理来自各种感官，尤其是触觉(例如，发现织物发痒且难穿，而其他人不认为是这样)、前庭(例如，在开车时经历晕动病)、以及本体感受(例如，在用以握笔以适当书写的分级力方面有困难)的输入时可能会经历各种困难。所公开的技术对于优化由具有SPD的人佩戴的可穿戴设备的设置是有用的。图1示出了根据示例实施例的其设置可以使用机器学习进行优化的可穿戴设备102。可穿戴设备102可以是戴在用户的手腕104上的手表。尽管图1示出了作为手表的可穿戴设备102，但是在其他实施例中，可穿戴设备102可以是项链、手镯、耳环、眼镜、或者可以由用户佩戴的任意其他形式的电子设备。图2示出了根据示例实施例的用于使用机器学习优化可穿戴设备设置的系统200。系统200包括可穿戴设备102、佩戴可穿戴设备102的用户202、以及在云平台(例如，AzureTM、Amazon网络服务等)中运行的云应用206。可选地，在一个实施例中，系统200包括诸如智能电话或平板计算机的移动设备204。仅仅为了图示的简单，在图2中分开示出了用户202和可穿戴设备102；但是在一般用法中，可穿戴设备102被用户202佩戴。如本文档中所使用的，“输出模态”是由设备产生的对应于人类模态并且可以由人类使用人类模态感觉到的输出(例如，光、听力、触摸、气味、味觉、本体感受、前庭等)。类似地，“输入模态”是由人类产生的对应于人类模态并且可以由人类模态生成的输入。在用户202的一般使用之前，可穿戴设备102可以经历训练处理，以针对用户202优化可穿戴设备的传感器和输出模态的设置。在该训练处理期间，移动设备204上运行的应用(“app”)可以指示用户202执行与可穿戴设备102的对应于一个或多个模态的一个或多个交互。交互可以包括用户202感应由可穿戴设备102生成的一个或多个输出模态210和/或用户202执行对于可穿戴设备102的一个或多个输入模态212。输出模态210的示例可以包括查看可穿戴设备102的显示器上显示的光、听由可穿戴设备102的扬声器产生的声音、感受由可穿戴设备102生成的振动等。输入模态212的示例可以包括触摸或按压可穿戴设备102的一部分、向可穿戴设备102的麦克风说话、按照特定模式或姿态移动可穿戴设备102等。可穿戴设备102可以使用可穿戴设备102中的一个或多个传感器收集用户对于一个或多个交互的(一个或多个)反应。可穿戴设备102可以向移动设备204提供所收集的传感器数据220。很多可穿戴设备102相比智能电话和/或平板计算机而言具有有限的用户接口；因此，尽管可以仅使用可穿戴设备102收集一些用户反馈216，但是可以使用智能电话或平板计算机上运行的应用从用户202请求有关(一个或多个)交互的反馈216，这些反馈对于用户202来说很难仅使用可穿戴设备102提供。例如，移动设备204可以询问由可穿戴设备102的显示器所显示的光太暗还是太亮，由可穿戴设备102的扬声器产生的声音太低还是太高，由可穿戴设备102生成的振动是太弱还是太强等。用户202可以通过移动设备204的一个或多个输入机构提供用户反馈216，这些输入机构包括移动设备204上的触摸控件、经由移动设备204的麦克风的听觉输入、在移动设备204上的自由形式文本输入、在移动设备204上的最好地代表用户的反应的表情符号的选择等。在一个实施例中，移动设备204可以使用相机来监控用户202响应于交互的(一个或多个)表达和/或行为。移动设备204可以向云应用206提供用户反馈和传感器数据222。云应用206可以分析数据222，训练要在可穿戴设备102上运行的机器学习算法(例如，神经网络)，并且生成包括经训练的机器学习算法、程序指令、以及优化后的设备设置的知识包224。云应用206可以向移动设备204发送知识包224，移动设备204随后可以向可穿戴设备102发送知识包224。最后，可穿戴设备102可以通过安装知识包224来更新其自身。在不包括可选的移动设备204的实施例中，可穿戴设本文档来自技高网...

【技术保护点】
1.一种用于使用机器学习来优化可穿戴设备设置的装置，该装置包括：处理器，其耦合到可穿戴设备的传感器组；用户接口控件，该用户接口控件控制所述可穿戴设备的用户接口，所述用户接口包括能够产生输出模态的输出机构；以及耦合到所述处理器的集成电路(IC)，该IC执行由云应用使用机器学习算法训练的分类算法，该分类算法：对由所述传感器组的传感器检测到的传感器数据进行分类；以及至少部分地基于分类后的传感器数据确定输出模态值。

【技术特征摘要】
【国外来华专利技术】2016.06.27 US 15/193,9441.一种用于使用机器学习来优化可穿戴设备设置的装置，该装置包括：处理器，其耦合到可穿戴设备的传感器组；用户接口控件，该用户接口控件控制所述可穿戴设备的用户接口，所述用户接口包括能够产生输出模态的输出机构；以及耦合到所述处理器的集成电路(IC)，该IC执行由云应用使用机器学习算法训练的分类算法，该分类算法：对由所述传感器组的传感器检测到的传感器数据进行分类；以及至少部分地基于分类后的传感器数据确定输出模态值。2.如权利要求1所述的装置，其中，所述传感器是以下各项之一：加速计、陀螺仪、倾斜计、气压计、温度计、麦克风、心率传感器、指南针、或湿度计。3.如权利要求1所述的装置，其中，所述用户接口包括以下各项中的至少一项：生成光的光显示器、生成声音的扬声器、以及促使所述可穿戴设备振动的马达。4.如权利要求1所述的装置，其中，所述可穿戴设备是腕表。5.如权利要求1所述的装置，其中，所述分类算法由所述云应用响应于训练会话训练，所述训练会话包括模态交互会话，所述模态交互会话包括以下步骤：所述可穿戴设备产生对应于输出模态的输出；所述传感器组的传感器检测与由所述可穿戴设备的用户响应于所产生的输出而产生的动作相对应的传感器数据；提示所述用户提供有关所述所产生的输出的反馈；以及接收对于所述反馈提示的响应，其中，所述云应用接收检测到的传感器数据和所述反馈响应；并且其中，所述云应用产生知识包，该知识包包括经训练的分类算法。6.如权利要求5所述的装置，其中，与所述可穿戴设备分离且不同的移动设备的输出机构向所述用户呈现反馈提示；并且其中，所述移动设备的输入机构接收对于所述反馈提示的响应。7.如权利要求6所述的装置，其中，所述移动设备的所述输入机构是以下各项中的至少一项：触觉输入、听觉输入、姿态输入、面部输入、所述移动设备的移动、自由形式文本输入、以及表情符号的选择。8.如权利要求5所述的装置，其中，所述云应用向所述移动设备发送所述经训练的分类算法；并且其中，所述移动设备向所述可穿戴设备发送所述经训练的分类算法。9.如权利要求5所述的装置，其中，所述装置通过将所述经训练的分类算法安装到所述装置中来更新其自身。10.如权利要求6所述的装置，其中，所述移动设备是智能电话。11.一种用于使用机器学习来优化可穿戴设备的设置的方法，该方法包括：从可穿戴设备接收传感器数据，该传感器数据对应于佩戴所述可穿戴设备的用户对所述可穿戴设备产生的输出模态的反应；请求针对所述可穿戴设备产生的所述输出模态的用户反馈；接收与针对所述输出模态的用户反馈相对...

【专利技术属性】
技术研发人员：黄瑾世，
申请(专利权)人：英特尔公司，
类型：发明
国别省市：美国,US