根據(jù)統(tǒng)計，2020年10月，中國在線音樂月活用戶超6.2億，在線音樂付費用戶超7000萬，音樂在現(xiàn)代人生活中占據(jù)了不小的地位。

不知道有多少人和文摘菌一樣，每次一聽到某種類型的音樂，就會感到異常興奮，就像是心臟被觸動了，有時候還會起雞皮疙瘩。

這種狀態(tài)，用專業(yè)一點的說法叫做Frisson，用通俗的說法就是，起雞皮疙瘩了。

往往，這種Frisson的狀態(tài)是一種獨特的個人經(jīng)歷和體驗，很難用言語表達出來，也很難和他人分享，畢竟你的雞皮疙瘩只屬于你一個人。

不過最近，日本慶應(yīng)大學(xué)的研究人員就開發(fā)了一種貼身設(shè)備，能夠收集你的Frisson狀態(tài)和數(shù)據(jù)，然后和周圍的人共享。

這么說的話，那就是要共享我的雞皮疙瘩？emmm...

據(jù)了解，這個貼身設(shè)備共有兩部分組成，一個用于檢測Frisson的傳感腕帶，和一個用于誘發(fā)Frisson的觸覺頸帶。

目前該研究已經(jīng)以論文的形式進行了發(fā)表，鏈接如下：

論文鏈接：https://dl.acm.org/doi/pdf/10.1145/3476122.3484847

如何檢測你的Frisson狀態(tài)

接下來我們就來看看這個腕帶和頸帶是如何工作的。

首先，這個自動Frisson檢測是使用生理感應(yīng)腕帶進行的，主要用來測量血容量脈搏和皮膚電活動。據(jù)了解，該設(shè)備基于ESP32單片機，主要使用WiFi傳輸數(shù)據(jù)。

心臟活動是用一個基于反射的光學(xué)測壓儀測量的。皮膚電活動是用惠斯通電橋和差分ADC測量的皮膚電導(dǎo)的變化。心率變異性和皮膚電活動相關(guān)的特征被提取出來并被支持向量機分類器使用。

Frisson分類模型在一系列的預(yù)研究中進行訓(xùn)練，研究團隊共招募到了32名參與者，分類器每10秒為每個參與者激活一次，并以可變的滑動窗口大小進行操作，通常以5-10分鐘左右的數(shù)據(jù)為一個計量單位。

在最終的訓(xùn)練集結(jié)果上，模型的準確率為85%，并進行了交叉驗證。

熱觸覺頸帶包括2個Peltier熱電模塊和最多6個固定在頸帶上的觸覺振動執(zhí)行器，主要通過驅(qū)動物理感覺來驅(qū)動情感的互感技術(shù)。

每個Peltier熱電模塊都用暴露在空氣中的散熱器進行冷卻，該設(shè)備由一個ESP32模塊控制，使用WiFi與軟件進行通信。

在激活后，每個熱電模塊被打開5秒，并有連續(xù)5秒的冷卻時間，讓散熱片擴散積累的熱量，這確保了熱啟動的持續(xù)性能。

在實驗中，為了測試頸帶是否被觸發(fā)，其中的15名參與者佩戴了頸帶，并于脖子后面安裝一塊設(shè)置為24°C的模塊，持續(xù)一分鐘。

當Frisson被觸發(fā)時，這些參與者需要要求按下按鈕，以及需要在隨后指出整個過程中明顯的刺激狀態(tài)，以及強烈程度。就結(jié)果而言，15人中有11人按下按鈕52次，14名受訪者報告表示，在測試過程中體驗到了類似Frisson的感覺，11人報告說有意識地體驗到了更明顯的Frisson。

這些結(jié)果表明，對Frisson的檢測可能有溢出效應(yīng)，可以與他人分享。

共享你的雞皮疙瘩吧！

通過上述方式收集到用戶的心率變化和皮膚電活動等特征后，F(xiàn)risson共享服務(wù)器會首先處理這些原始生理數(shù)據(jù)，使用機器學(xué)習(xí)來確認該狀態(tài)是否屬于Frisson。

接下來，服務(wù)器會激活坐在被檢測到Frisson觀眾的附近的人的頸帶，從而使他們也能夠接收到Frisson。如果頸帶成功地誘發(fā)了Frisson，在參與者的腕帶數(shù)據(jù)中就能檢測出來。

于此，F(xiàn)risson得以在全場觀眾之間進行傳播，每個觀眾都能接收并誘導(dǎo)Frisson到其附近的觀眾身上，形成一種漣漪般的傳播態(tài)勢。

整個過程可以支持5到25個用戶同時參與。

研究人員讓參與者戴上這些設(shè)備后，用耳機播放不同的樂譜，讓系統(tǒng)檢測、觸發(fā)并相互分享他們的刺激感，整個體驗過程持續(xù)10分鐘左右。

如此看來，以后要賣安利的話，你就可以和你的朋友們更切身地表達你的感受了，如果實在不行，就讓他/她也來感受一下你的Frisson狀態(tài)！

不得不說，文摘菌還是被日本研究者們的腦洞又一次震撼到了，不知道這個Frisson共享設(shè)備什么時候可以用起來呢，搓手期待ing...

本文來自微信公眾號 “大數(shù)據(jù)文摘”（ID：BigDataDigest），作者：常田小希，36氪經(jīng)授權(quán)發(fā)布。