以壓電感測器與蘭姆波為基礎之超音波觸覺平板位置感測器

"本計畫提出一種新型的超音波平面觸控感測器，以在平板中傳遞的蘭姆波 (Lamb Waves) 為基礎，配合壓電材料做為信號的發送器 (Transmitter, TX) 與接收器 (Receiver, RX)，之後針對指尖碰觸平板表面時所引起之蘭姆波波傳特性與聲波信號的變化，反推出指尖碰觸在平板上的二維座標 (x and y) 位置，進而實現二維平面觸控與位置感測的最終目標。本計畫中使用的平板可以是任何具彈性力學性質的材料，例如鋼、鋁、玻璃、高強度塑膠、….等等，因此未來應用的範圍會遠遠超越現有之電子或光學式的觸控平面。
本計畫將採用壓電材料進行聲波的發送與接收，其壓電片的配置方式將會對整體觸控感測效果產生根本性的影響；因此，本計畫提出三種壓電片的配置方式：(1) 直線波前傳遞與線陣列偵測的架構、(2) 四角激發與邊緣接收的架構、與(3) 板側壁激發與接收的架構；針對此三種架構，本計畫將會對其進行理論分析、數值模擬、與實驗量測，同時根據分析與實驗的結果，決定此一壓電式蘭姆波平面觸控感測器最佳的：(1). 壓電片配置方式、(2). 壓電片的形狀與尺寸、(3) 激振頻率與模態、(4) 最敏感的信號特徵。
由與本計畫的目標是實現「即時」(real time)且2D的觸覺感測，且希望未來能有多點觸覺感測的能力，因此，本計畫在觸控位置判別上將採用人工智慧 (Artificial Intelligence, AI) 中的深度學習 (Deep Learning) 演算法；深度學習中的監督式訓練提供一種可以根據大量資料數據 (Big Data) 與反覆訓練 (Training)，以產生出一種最佳的演算法模型 (Model)，此模型其精準度完全倚賴於訓練數據 (Training Data) 的數量與複雜程度。根據此演算法中對於大量數據的要求，本計畫將會建立一套完整的自動化資料擷取系統，使用：(1)三軸位移平台、(2)多通道資料擷取卡、(3)模擬手指，配合所發展之三種不同壓電配置的蘭姆波平面觸控感測器，擷取大量的數據資料，進而得出勝過傳統演算法的AI模型。
本計畫根據上述方法，目標是完成一套可運用在任何彈性板材的觸控面板架構，配合最佳化的壓電片配置，提供出一套可靠的人工智慧演算法，達到高反應速率、高準確性、低成本、甚至多點觸控感測的平面觸控感測方法與系統。"