KAIST团队采用了一项新技术“敲门器”，该技术可通过用智能手机敲击对象来识别对象并执行动作。由机器学习的声音，振动和其他反应支持的软件将执行用户的指示。

敲门器与现有技术的不同之处在于声音和运动的传感器融合。以前，对象识别要么使用带有摄像头的计算机视觉技术，要么使用诸如RFID(射频识别)标签的硬件。这些解决方案都有其局限性。对于计算机视觉技术，用户需要为每个项目拍照。更糟糕的是，该技术在光线不足的情况下无法很好地工作。使用硬件会导致额外的成本和人工负担。

另一方面，即使在黑暗环境中，敲门器也可以仅使用智能手机识别物体，而无需任何专用硬件或使用相机。敲门器利用智能手机的内置传感器(例如麦克风，加速计和陀螺仪)来捕获当智能手机撞击物体时产生的一组独特的响应。机器学习用于分析这些响应以及对对象进行分类和识别。

计算学院的李成菊教授领导的研究小组证实，可通过使用23种日常物品(例如书籍，笔记本电脑，水壶和自行车)来实现Knocker技术的适用性。在嘈杂的环境中，例如繁忙的咖啡馆或路边，它可以达到83%的识别精度。在安静的室内环境中，精度提高到98%。

敲瓶的例子。敲门器通过分析敲门声的唯一响应集来识别对象，并自动启动适当的应用程序或服务。

该团队相信Knocker将开启对象交互的新范例。例如，通过敲一个空的水瓶，智能手机可以从商家应用程序自动订购新的水瓶。与物联网设备集成后，在睡觉前敲床床头板可能会关灯并设置警报。该团队在上个月于伦敦举行的2019 ACM普及与普适计算国际联合会议(UbiComp 2019)上提出的论文中提出并实施了15个应用案例。

Lee Sung-Ju教授说：“这项新技术不需要任何专门的传感器或硬件。它仅使用智能手机上的内置传感器，并利用了机器学习的功能。这是日常智能手机用户可以立即使用的软件解决方案从。。得到好处。” 他继续说：“这项技术使用户可以方便地与自己喜欢的对象进行交互。”