JP7566801B2 - クラスタベースのセンサ割り当て - Google Patents

Description

関連出願の相互参照

本出願は、２０１９年６月１４日に出願された「ＣＬＵＳＴＥＲ－ＢＡＳＥＤ ＳＥＮＳＯＲ ＡＳＳＩＧＮＭＥＮＴ」と題された米国特許出願第１６／４４２，２９９号の優先権を主張するＰＣＴ出願であり、参照によりその全体が本明細書に組み込まれる。

ハンドヘルドコントローラは、例えば、リモートコンピューティングデバイスに入力を供給するためのアーキテクチャアレイで使用される。例えば、ハンドヘルドコントローラは、ゲーム産業で利用されており、これにより、プレイヤーは、ゲームアプリケーション、ゲームコンソール、ゲームサーバなどを実行するパーソナルコンピューティングデバイスと対話できる。ハンドヘルドコントローラは、仮想現実（ＶＲ）環境で使用され得るものであり、握持、投出、絞り等の自然な対話を可能な限り模擬することができる。現在のハンドヘルドコントローラは様々な機能を提供するが、さらなる技術的改善により、ハンドヘルドコントローラを利用したシステムを向上させることができる。

手保持具が開位置にある、本開示の例示的な実施形態によるコントローラを示す。 本開示の例示的な実施形態による、ユーザの開いた手のひらを上にした手の中にある図１のコントローラを示す。 本開示の例示的な実施形態による、ユーザの閉じた手の中にある図１のコントローラを示す。 本開示の例示的な実施形態による、ユーザの閉じた手のひらを下にした手の中にある図１のコントローラを示す。 手保持具が開位置にある、本開示の例示的な実施形態によるコントローラの対を示す。 本開示の例示的な実施形態による、図１のコントローラのタッチセンサ（またはタッチセンサアレイ）を示す。 本開示の例示的な実施形態による、図６のタッチセンサアレイのｄ個の基準センサの例示的なサブセットを示し、基準センサのサブセットは、ｎ個のセンサのセットについてのｎ×ｄ共分散行列を生成するために使用可能である。 本開示の例示的な実施形態による、タッチセンサアレイによって生成されたデータに基づいて生成され得る例示的なｎ×ｄ共分散行列を示す。 本開示の例示的な実施形態による、ｄ次元空間のスライスを表す空間ドットプロットを示し、空間ドットプロットは、クラスタリングアルゴリズムがタッチセンサアレイのセンサを記述する特徴ベクトルをどのようにクラスタリングするかを示す。 本開示の例示的な実施形態による、図６のタッチセンサのコントローラ構成を示す。 本開示の例示的な実施形態による、コントローラのタッチセンサを構成するための例示的なプロセスを示す。 本開示の例示的な実施形態による、コントローラのタッチセンサを構成するための例示的なプロセスを示す。 本開示の例示的な実施形態による、コントローラのタッチセンサを構成するための例示的なプロセスを示す。 本開示の例示的な実施形態による、コントローラのタッチセンサを構成するための例示的なプロセスを示す。 本開示の例示的な実施形態による、図１のコントローラの例示的な構成要素を示す。

本明細書では、特に、タッチセンサ式制御部を有するハンドヘルドコントローラと、タッチセンサ式制御部の出力を使用するための方法と、ハンドヘルドコントローラを操作するユーザの手のサイズおよび／または掴持に基づいて、タッチセンサ式制御部を動的に調整し、クラスタリングアルゴリズムを使用して特定のセンサを特定の指に動的に割り当てるための方法とが説明される。いくつかの事例において、本明細書に記載のハンドヘルドコントローラは、リモートデバイス（例えば、テレビ、オーディオシステム、パーソナルコンピューティングデバイス、ゲームコンソール等）を制御可能であり、これらは、ビデオゲームプレイおよび／またはそれに類するものに関与し得る。

ハンドヘルドコントローラは、１つ以上のジョイスティック、トラックパッド、トラックボール、ボタン、またはハンドヘルドコントローラを操作するユーザにより制御可能な他の制御部等の１つ以上の制御部を含み得る。追加的に、または代替的に、ハンドヘルドコントローラは、１つ以上の制御部を含み得、１つ以上の制御部には、ハンドヘルドコントローラのそれぞれの制御部で、ユーザの存在、近接度、位置、および／またはジェスチャを検出するように構成されたタッチセンサ（本明細書では「タッチセンサアレイ」と称されることもある）が含まれる。タッチセンサは、静電容量式タッチセンサ、力抵抗性タッチセンサ、赤外線タッチセンサ、音波を利用して対象の存在または場所、対象の近接度を検出するタッチセンサ、および／またはハンドヘルドコントローラでのタッチ入力またはハンドヘルドコントローラに対する１つ以上の対象の近接度を検出するために構成された他の任意の種類のセンサを含み得る。加えて、いくつかの事例では、タッチセンサは、静電容量式パッドを含む場合がある。

タッチセンサは、ハンドヘルドコントローラ（またはハンドヘルドコントローラを含むハンドヘルドコントローラシステム）の１つ以上のプロセッサに通信可能に結合して、１つ以上のプロセッサでのタッチ入力を示すタッチセンサデータを送信する。タッチセンサデータはまた、ハンドヘルドコントローラに対する１つ以上の指の近さまたは近接度を示し得る。タッチセンサデータは、潜在的に経時的な変化をする際に、ハンドヘルドコントローラ上のタッチ入力の場所を示し得、かつ／またはハンドヘルドコントローラに対する指の場所を示し得る。例えば、ユーザの指がハンドヘルドコントローラの上をホバリングするか、またはそれから離れて配設される場合、タッチセンサデータは、指がどの程度ハンドヘルドコントローラに対して伸長されているか、または近接しているかを示し得る。

ハンドヘルドコントローラ（またはハンドヘルドコントローラを含むハンドヘルドコントローラシステム）はまた、タッチセンサデータを受信し、ユーザの指の存在および／またはハンドヘルドコントローラ上の指の場所（または「位置」）を決定するように構成された論理回路（例えば、ソフトウェア、ハードウェア、および／またはファームウェアなど）を含み得る。例えば、タッチセンサが静電容量式パッドを含む事例において、異なる領域またはグループの静電容量式パッドは、ユーザの異なる指を表示またはそれに対応してもよく、論理回路は、静電容量を検出する静電容量式パッドの領域および／またはグループを決定してもよい。このデータは、ゲームまたはハンドヘルドコントローラに接触するかまたは近接する指で実行するジェスチャ等の、ハンドヘルドコントローラで１つ以上の操作を実行するための他のアプリケーションに提供され得る。例えば、タッチセンサデータまたは他の表示値は、ゲームコンソール、リモートシステム、他のハンドヘルドコントローラ、またはヘッドマウントディスプレイ（ＨＭＤ）などの他のコンピューティングデバイス上で実行されるアプリケーションに送信されてもよい。アプリケーションは、タッチセンサデータおよび／または表示値を利用して、ユーザの手およびその位置および／または配向に対応する画像データ（例えば、仮想表現）を生成するなどの１つ以上のアクションを実行してもよく、これは、いくつかの事例では、ジェスチャであってもよい。

ハンドヘルドコントローラ（またはハンドヘルドコントローラに通信可能に結合されたコンピューティングデバイス）の論理回路は、クラスタリングアルゴリズムを使用して、静電容量式パッドなどのタッチセンサアレイのどのセンサをユーザの手の個々の指に割り当てるかを判定することができる。センサのサブセットを手の個々の指に割り当てるこのセンサツーフィンガーマッピングは、本明細書では「コントローラ構成」と称されることがある。本明細書に開示されるクラスタリングアルゴリズムは、所与のユーザのコントローラ構成をオンザフライで動的に判定することを可能にする。クラスタ分析は、入力としてサンプルのセットを受信することに関するものであり、各サンプルは、値のセット（例えば、多次元特徴ベクトル）によって記述され、クラスタ分析アルゴリズムを使用して、サンプルは異なるグループに分類される。例えば、コンピューティングデバイスが、花を複数の異なる種（グループ）に分類するタスクを実行している場合、サンプルセット内の各花は、（ｉ）花びらの数、（ｉｉ）色、（ｉｉｉ）平均直径、（ｉｖ）高さの値を含む値のセット（例えば、特徴ベクトル）によって記述できる。この例では、クラスタリングアルゴリズムは、サンプルセットを記述する値のセットを分析し、花を異なるグループにクラスタリングするために、これらの値のセットがサンプルセット間でどのように分布し、互いに相関しているかを判定することができる。例えば、クラスタリングアルゴリズムは、５枚の花びらを有する花が白く、第１の平均直径および高さを有する傾向があり、３枚の花びらを有する花が黄色く、第２の平均直径および高さを有する傾向があると判定してもよい。これらの決定に基づいて、サンプル（この場合、花）を、固有の種の花を表すグループなどの異なるグループに分類することができる。

ハンドヘルドコントローラの開示されたタッチセンサアレイにクラスタ分析を適用する際、タッチセンサアレイの複数のセンサ（例えば、静電容量式パッド）は、複数の異なるグループのうちの１つに分類されるサンプルを含むサンプルセットを表し得る。これらのグループのうちの少なくとも一部は、手のそれぞれの指（例えば、小指、薬指、中指、および場合によっては人差し指）に対応し得る。いくつかの実施形態では、複数の異なるグループは、接触されないか、または滅多に接触されないセンサをクラスタリングし得る「非指」グループをさらに含み得る。

例示的な例では、ユーザがコントローラのハンドルを異なる方法で（例えば、ハンドルを握持することによって、ハンドルから指を伸長させて遠ざけることなどによって）経時的に掴持すると、ハンドヘルドコントローラのタッチセンサアレイは、静電容量値などのデータを生成する。タッチセンサアレイによって生成されたデータの履歴を一定期間維持することができる。ハンドヘルドコントローラ（またはハンドヘルドコントローラに通信可能に結合されたコンピューティングデバイス）の論理回路は、タッチセンサデータを処理して、タッチセンサアレイのｎ個のセンサのセットについてのｎ×ｄ共分散行列などの共分散行列を生成し得る。この共分散行列は、センサ対の間の相関を記述するか、または示している。換言すれば、共分散行列は、どのセンサ（例えば、静電容量式パッド）が経時的に互いに変化し、逆にどのセンサが経時的に互いに変化しないかを示している。いくつかの実施形態では、共分散行列を生成するために、論理回路は、個々のセンサ（例えば、静電容量式パッド）によって検出された最後のサンプル間の平均静電容量値を計算するなど、タッチセンサアレイによって生成されたデータの履歴に基づいて統計を計算し得る。論理回路は、計算された統計を使用して、センサ対の間の相関の程度を示す相関値（例えば、負の１から正の１の範囲内の値［－１，＋１］）を決定し得、共分散行列にこれらの相関値を入力し得る。ｎ×ｄ行列は、最初に構築され、これらの相関値で継続的に更新され得る。

注目すべきことに、ｄ＜ｎであるｎ個のセンサの集合についてｎ×ｄ共分散行列を生成することにより、ｎ×ｎ共分散行列に入力される位置の数よりも少ない位置を有する共分散行列を生成することが可能となる。これにより、計算の観点から、ｄ＜ｎであるｎ×ｎ共分散行列を生成するよりも、ｎ×ｄ共分散行列を生成する方が安価であるため、計算リソースを節約できる。しかしながら、いくつかの実施形態において、ｄはｎと等価であり得ることを理解されたい。さらに、クラスタリングされるサンプルセットが、コントローラのハンドル全体にわたって実質的に水平にストライプ化されたセンサの配列に対応することから、ｄ＜ｎのｎ×ｄ共分散行列を生成することで、センサ（例えば、静電容量式パッド）を記述する特徴ベクトルを正確にクラスタリングするのに十分なデータが提供される。換言すれば、ユーザが、正しい手でコントローラを保持している場合（例えば、左利きのコントローラを右手で持っているのではなく、左利きのコントローラを左手で持っている場合）、正しい方法で（例えば、指をコントローラのハンドル上で実質的に水平に向けている場合）、特定のセンサが互いに正の相関がある可能性が高いと仮定することができる。例えば、コントローラが正しい手で正しい方法で保持されるとき、同じ水平の行にあり、手のひらに最も近い２つの隣接するセンサは、単一の指が隣接するセンサの一方に接触しているが他方に接触していない場合とは対照的に、ハンドルが握持されているときに単一の指が両方のセンサを覆う可能性が非常に高いため、互いに正の相関がある可能性が高い。したがって、特定のセンサ対が正の相関関係にある可能性が非常に高い場合に、特定のセンサ対が正の相関関係にあるかどうかを評価することは、計算上の観点から無駄となる可能性があることを理解されたい。その代わりに、ｎ×ｄ共分散行列（ｄ＜ｎ）を使用して、センサ対の可能な置換のサブセットのみを、それらのセンサ対の間の正の相関について評価することができる。さらに、共分散行列は、共分散行列の主対角線に対して対称であるため、ハンドヘルドコントローラ（またはハンドヘルドコントローラを含むハンドヘルドコントローラシステム）の論理回路は、主対角線の両側の共分散行列の値を計算する必要はない。すなわち、論理回路は、主対角線の一方の側の共分散行列の値を計算し、主対角線の他方の側のそれらの値を複製（ｄｕｐｌｉｃａｔｅ）または複製（ｒｅｐｌｉｃａｔｅ）して、対称共分散行列を作成し、それによって、主対角線の一方の側の値の計算を回避することでコンピューティングリソースを節約することができる。

タッチセンサアレイの各センサ（例えば、静電容量式パッド）は、タッチセンサアレイ内のセンサと別のセンサとの間の相関度を示す各々の値のセットを有する、ｄ次元特徴ベクトル（ｄは、ｎ以下である正の整数である）によって記述され得る。例示的な例では、タッチセンサアレイは、ｎ＝３２個のセンサ（例えば、静電容量式パッド）を含んでもよい。この３２個のセンサのアレイは、ハンドル上でユーザの指を追跡するためにコントローラのハンドルにわたって分散されてもよい。例示的な例では、ｄ＝５の基準センサのサブセットなどの基準センサのサブセットを選択するか、または別様で使用して、３２×５の共分散行列を生成することができる。したがって、この例では、各センサは、五次元（５Ｄ）特徴ベクトルによって記述され、３２個の５Ｄ特徴ベクトルが得られる。この例では、第ｉセンサの５Ｄ特徴ベクトルは、３２個のセンサのうちの５個のセンサのセットとの第ｉセンサの相関度を記述し得る。数字「ｎ」は、任意の正の整数を表し得ることを理解されたい。ｎ＝３２は、タッチセンサアレイを構成し得るセンサ（例えば、静電容量式パッド）の数の単なる例である。

ｋ平均クラスタリングアルゴリズムなどのクラスタリングアルゴリズムは、ｎ個のセンサのセットの個々のセンサを記述するｄ次元特徴ベクトルの値のそれぞれのセットを処理して、どの値が互いに正の相関関係にあるかを判定することによって特徴ベクトルをクラスタリングすることができる。このようにして、クラスタリングされた特徴ベクトルによって記述されるタッチセンサアレイのセンサが、コントローラ構成を構成する異なるグループに割り当てられ得る。これらのグループのうちの少なくとも一部は、手のそれぞれの指（例えば、小指、薬指、中指、および場合によっては人差し指）に関連付けられ得る。例えば、所与のコントローラ構成において、ｎ個のセンサの第１のサブセットは、手の第１の指（例えば、中指）に対応する第１のグループに割り当てられてもよく、ｎ個のセンサの第２のサブセットは、手の第２の指（例えば、薬指）に対応する第２のグループに割り当てられてもよい。一部の場合、ｎ個のセンサの第３のサブセットは、第３の指（例えば、小指）に対応する第３のグループに割り当てられてもよい。前述のように、一部の場合では、ｎ個のセンサの第４のサブセットは、いかなる指とも関連付けられない第４のグループ（このグループは、本明細書では「非指」グループと称される）に割り当てられてもよい。例えば、ユーザがハンドヘルドコントローラを保持／使用している間、センサのサブセットが絶対に接触されないか、または滅多に接触されないことが予想される場合、非指グループが利用され得る。

開示されるクラスタベースのセンサ割り当てアプローチは、従来のタッチセンサアレイのセンサを手の指に割り当てるためのアプローチと比較して、より柔軟であり、汎用性がある。これは、少なくとも、開示されたクラスタベースのセンサ割り当てアプローチでは、センサを指にマッピングするコントローラ構成の先入観がなく、コントローラ構成が事前定義された構成のセットに限定されないためである。むしろ、センサを指にマッピングするコントローラ構成は、クラスタリングアルゴリズムを使用してオンザフライで決定される。これは、静的なコントローラ構成が使用されるか、またはコントローラ構成が事前定義されたコントローラ構成の限定されたセットから選択される従来のアプローチよりも改善されたものである。これらの従来のアプローチはどちらも、結局コントローラ構成を利用する可能性があり、特定のユーザの掴持には最適ではない。さらに、開示されたクラスタベースのセンサ割り当てアプローチを使用することは、論理回路がタッチセンサアレイ内のセンサ（例えば、静電容量式パッド）の特定の配置に依存しないことも意味する。すなわち、開示されたクラスタベースのセンサ割り当て論理回路は、コントローラのハンドル上のセンサの様々な配置および／または分布を用いて首尾よく機能する。これにより、タッチセンサアレイのセンサをハンドルに配置するために必要な設計作業が少なくてすむため、ハンドヘルドコントローラの製造コストの削減につなげることができ、かつ／または幅広いコントローラ設計で利用することができる。

タッチセンサアレイが上述のクラスタリングに基づくコントローラ構成に従って構成され、タッチセンサアレイからのデータがその後受信されたとき、ハンドヘルドコントローラ（またはハンドヘルドコントローラに通信可能に結合されたコンピュータ）の論理回路は、タッチセンサアレイによって生成されたデータをユーザの対応する指に関連付けることができる。当該データは、次に、アプリケーションによって利用されて（例えば、入力されて）、仮想の手をディスプレイ上にレンダリングし、かつ／または手のジェスチャを識別することができる。換言すれば、どのセンサ（例えば、静電容量式パッド）が手のそれぞれの指に対応するかを認識する（「指追跡」と称されることもある）ことで、論理回路は、指がハンドヘルドコントローラを掴持するとき、および／またはどの指がハンドヘルドコントローラを掴持しないかなど、ユーザの対応する手のジェスチャを決定できる。例えば、論理回路は、ユーザが、ハンドヘルドコントローラを小指ではなく、中指と薬指で掴持することを判定してもよい。そのため、どのセンサまたはどのセンサのグループが手のそれぞれの指に対応するかを認識することで、論理回路は、ジェスチャに関連付けられた事前定義されたアクションを実行するか、手、場合によってはジェスチャ（例えば、中指と薬指が対象を掴持する一方、小指は対象を掴持しない）に対応する画像データを生成するように構成されたアプリケーションに、このジェスチャの表示値を提供することができる。さらに、検出された静電容量値等のハンドヘルドコントローラに対する指の近接度に関連付けられたタッチセンサデータを利用することにより、ハンドヘルドコントローラの論理回路は、各指に関連付けられたカールまたは伸長の量（例えば、指がどの程度の距離でハンドヘルドコントローラから離れて配設されているか）を決定可能である。

ハンドヘルドコントローラは、ハンドヘルドコントローラを操作するユーザまたは異なるユーザの様々な掴持を動的に調整、検出、および収容し得る。例えば、ユーザの掴持は、ユーザがハンドヘルドコントローラを把持する方法、ユーザがプレイするゲーム、および／またはユーザの手の物理的特徴（例えば、指の長さ、指の幅等）によって変化し得る。したがって、タッチセンサアレイは、クラスタリングアルゴリズムを使用して、実行時にコントローラ構成をユーザの掴持に最も適したものに動的に更新することによって、ユーザの様々な掴持に適応できる。これには、ユーザがハンドヘルドコントローラを異なる方法で保持する例が含まれ得、タッチセンサアレイは、更新されたコントローラ構成に従ってタッチセンサアレイを再構成することによってユーザの掴持に適応し得る。換言すれば、同じような手を持つ異なるユーザであっても、またはユーザが、ゲームプレイ中に進行するにつれて、ユーザの掴持は変わる場合がある（例えば、ユーザの指は、ハンドヘルドコントローラの異なる部分を掴持し得る）。様々な掴持に対応し、ゲームプレイ体験を強化するために、論理回路は、動的に決定される様々なコントローラ構成に従って、タッチセンサアレイのセンサ（静電容量式パッドなど）を再マッピングまたは再関連付けすることができる。これを行う際に、コントローラの論理回路は、タッチセンサデータを、ユーザの特定の指に関連付けることがだでき、ディスプレイ上の仮想の手および／またはユーザの手のジェスチャを正確に表現する。

ハンドヘルドコントローラはまた、タッチセンサアレイおよび／または圧力センサにより、ハンドヘルドコントローラでタッチ入力に関連付けられた力の量を感知、検出、または測定可能である。例えば、ユーザの指がハンドヘルドコントローラを押す際、タッチセンサおよび／または圧力センサの上に配設されたカバー等のコントローラの一部分は、歪んでタッチセンサアレイおよび／または圧力センサに接する場合がある。圧力センサは、指のタッチ入力が力データを１つ以上のプロセッサに提供する結果となるように、１つ以上のプロセッサに結合し得る。圧力センサは、タッチ入力の力の量を示す力データを１つ以上のプロセッサに提供し得る。いくつかの事例では、圧力センサは、力感知レジスタ（ＦＳＲ）センサ、圧電センサ、ロードセル、歪みゲージ、静電容量性力の測定値を測定する静電容量式圧力センサ、または他の任意の種類の圧力センサを含み得る。加えて、いくつかの事例において、タッチセンサデータおよび／または力データは、ともに解釈され、所定の命令（例えば、絞り）と関連付け可能である。

従来のハンドヘルドコントローラが、タッチ入力を感知するためのセンサを含み得る一方、多く従来のコントローラは、タッチセンサを静的にマッピングする。しかしながら、かかるマッピングは、静電容量式パッド等のタッチセンサアレイの部分を特定の指に再割り当てせず、またはユーザの掴持によっては、タッチセンサアレイを異なる指に動的に適応させない。この静的マッピングにより、ゲームプレイ環境内のユーザ体験が、決して理想的にならない結果になり得る。例えば、タッチセンサデータが、ユーザのそれぞれの指に正確にマッピングしないと、生成された手の画像は、ハンドヘルドコントローラを操作するユーザの手を正確に描写しない場合がある。他の従来のハンドヘルドコントローラは、コントローラ構成を動的に切り替えることができるが、事前定義されたコントローラ構成を使用してユーザの掴持を可能な限り最適に調整しようとするために使用される、事前定義された構成のセットに限定される。しかしながら、これらの事前定義されたコントローラ構成は、特定のユーザの固有の掴持に対して最適化することはできない。本明細書に記載の技術およびシステムは、クラスタリングアルゴリズムを使用して、ユーザの手の特定の指にタッチセンサアレイのどのセンサ（例えば、静電容量式パッド）を割り当てるかを動的に決定することによって、従来のハンドヘルドコントローラを改善するものである。これを行う際に、センサ（例えば、静電容量式パッド）を異なる方法で指にマッピングし、より柔軟で汎用的な指追跡アプローチを可能にする、より多くの可能な構成が存在する。これにより、タッチセンサデータから生成された画像データでユーザの指をより正確に描写できるようになり、ゲームプレイ体験および／またはハンドヘルドコントローラにより制御される他のアプリケーションの品質向上が可能になる。

図１は、１つ以上のタッチセンサ式制御部を含み得る、例示的なコントローラ１００の正面図である。本明細書記載のとおり、タッチセンサ式制御部は、ユーザの手のジェスチャを作成するために、コントローラ１００および／または他のコンピューティングデバイスにより利用されるタッチセンサデータを生成可能である。タッチセンサデータは、コントローラ１００を操作するユーザの指の存在、場所、近さ、および／またはジェスチャを表示可能である。いくつかの事例において、コントローラ１００は、ＶＲビデオゲームシステム、ロボット、武器、または医療機器等の電子システムにより利用可能である。

図示のとおり、コントローラ１００は、ハンドル１１２を有するコントローラ本体１１０と、手保持具１２０と、を含み得る。コントローラ本体１１０は、コントローラ１００のハンドル１１２と遠位端部１１１との間に配設されたヘッド部を含み得、ヘッド部は、１つ以上の親指操作式制御部１１４、１１５、１１６を含み得る。例えば、親指操作式制御部は、傾斜ボタン、または他の任意のボタン、つまみ、輪部分、ジョイスティック、またはコントローラ１００がユーザの手に保持される場合の通常操作中に、ユーザの親指により都合よく操作されるトラックボールを含んでよい。

ハンドル１１２は、略円筒形の管状ハウジングを含み得る。この文脈において、実質的に円筒形の形状は、一定の直径、または完全に円形の断面を有する必要はない。

ハンドル１１２は、ハンドル１１２上に部分的に、もしくは完全に（例えば、ハンドル１１２の表面の周りに）空間的に分散されているか、または別様でハンドル１１２の周りに広がっている、静電容量式パッドなどの複数のセンサを有する近接センサおよび／またはタッチセンサ（本明細書で「タッチセンサアレイ」と称されることもある）を含み得る。このタッチセンサアレイの例を図６に示す。一例では、センサ（例えば、静電容量式パッド）は、ハンドル１１２の外面の下に空間的に分布し得、かつ／またはハンドル１１２の外面の下に埋め込まれ得る。センサ（例えば、静電容量式パッド）は、ユーザが、ハンドル１１２と接触する、掴持する、または握持するのに応答可能であり、ユーザの１つ以上の指の存在、位置、および／またはジェスチャを識別する。加えて、センサ（例えば、静電容量式パッド）は、１つ以上の指が、ハンドル１１２の上をホバリングするか、または配設されるのに応答し得る。例えば、ユーザの１つ以上の指は、コントローラ１００を握持またはその周りを包まないが、その代わりに、ハンドル１１２の外面の上に移動し得る。このように収容し、指の近接度および／またはタッチ入力を検出するために、ハンドル１１２の外面は、電気的絶縁材料を含み得る。

手保持具１２０は、コントローラ１００に結合可能であり、ハンドル１１２の外面に対して、ユーザの手を付勢する。図１に示すように、手保持具１２０は、開位置にある。手保持具１２０は、任意選択で、ユーザがコントローラ１００を握持する場合、手保持具１２０とコントローラ本体１１０との間にユーザの手を挿入しやすくするために、湾曲した弾性部材１２２により、開位置で付勢し得る。例えば、湾曲した弾性部材１２２は、弾性的に屈曲する可撓性の金属片を含み得、または略弾性的に屈曲し得るナイロン等の代替プラスチック材料を含み得る。布材料１２４（例えば、布、ネオプレン、または任意の適切な材料で作られたシース）は、ユーザの快適さを緩和または増大させるように、湾曲弾性部材１２２を部分的または完全に覆い得る。代替的に、クッションまたは布材料１２４は、ユーザの手に面する湾曲弾性部材１２２の側にのみ付着し得る。

手保持具１２０は、例えば、ばね付勢チョック１２８によって締め付けられるドローコード１２６を含むことによって長さを調整し得る。ドローコード１２６は、首ひもとして使用するための余分な長さを任意選択的に有し得る。いくつかの実施例では、クッションまたは布材料１２４は、ドローコード１２６に取り付け得る。加えて、湾曲弾性部材１２２は、締め付けられたドローコード１２６の張力によって予荷重をかけられ得、かかる実施形態では、湾曲弾性部材１２２が（開位置に付勢するために）手保持具１２０に付与する張力は、ドローコード１２６が締め付けられていないときに手保持具１２０を自動的に開放させ得る。しかしながら、クリート、（手が挿入される場合に一時的に伸長するので、手の甲を押すために弾性張力を加える）弾性バンド、長さ調節を可能にするフックアンドループストラップアタッチメント等の、手保持具１２０の長さを調節するための代替的な従来の方法を使用してよい。

手保持具１２０は、ハンドル１１２と追跡部材１３０との間に配設され得、ユーザの手の甲に接触し得る。追跡部材１３０は、コントローラ本体１１０に固定され得、２つのノーズ１３２、１３４を任意選択的に含み得、ここで、各ノーズは、追跡部材１３０の２つの対向する遠位端のうちの対応する１つから突出し得る。いくつかの事例では、追跡部材１３０は、実質的に円弧形状を有する円弧を含み得る。いくつかの事例では、追跡部材１３０は、その中で配設された追跡変換器（例えば、赤外線（ＩＲ）光センサまたはＩＲ光ビーコンなどのセンサまたはビーコン）を含み得、例えば、少なくとも１つの追跡変換器が、各突出ノーズ１３２、１３４内に配設されている。コントローラ本体１１０は、遠位端１１１に隣接して配設された追跡変換器などの追加の追跡変換器を含み得る。

コントローラ１００は、コントローラ本体１１０内に配設された充電式電池を含み得、手保持具１２０は、充電式電池に電気的に結合された電導性充電ワイヤを含み得る。コントローラ１００はまた、電子システムの残部（例えば、ハンドヘルドコントローラシステムの構成要素であり得るゲームコンソール）と通信するための無線周波数（ＲＦ）送信機を含み得る。充電式電池は、ＲＦ送信機に電力供給し得、ＲＦ送信機を介して送信されるＲＦは、親指操作式制御部１１４、１１５、１１６、ハンドル１１２内のタッチセンサ（例えば、静電容量式センサ）、および／または追跡部材１３０内の追跡センサに応答して生成されたデータであり得る。

いくつかの事例において、コントローラ本体１１０は、ユーザの指からタッチセンサまで力を伝達するのに十分な剛性があり、ユーザの指とタッチセンサとの間で静電容量結合を可能にするのに十分に薄い、射出成形プラスチックまたは他の任意の材料の単一片を含んでよい。その代わりとして、コントローラ本体１１０と追跡部材１３０は、別々に作製可能であり、後でともに組立可能である。

図２は、コントローラ１００の正面図を図示しており、その中にユーザの左手が挿入されているが、コントローラ本体１１０を握持していない、操作中のコントローラ１００を示す。図２では、手保持具１２０は、ユーザの手のひらをハンドル１１２の外面に対して物理的に付勢するように、ユーザの手の上で締め付けられている。ここで、手保持具１２０は、閉じられたとき、手がコントローラ本体１１０を握持していないときであっても、コントローラ１００をユーザの手の中または手の周囲に保持し得る。示されるように、手保持具１２０がユーザの手の周囲で緊密に閉じられているとき、手保持具１２０は、コントローラ１００がユーザの手から落下することを防止し得る。したがって、いくつかの実施形態において、手保持具１２０により、ユーザは、コントローラ１００が実際に、手から離れ、投げ出され、および／または床上に落下することなく、コントローラ１００から「手を放す」ことが可能であり、追加の機能を可能にする場合がある。例えば、ユーザのコントローラ本体１１０のハンドル１１２の握持の解放または復元が感知されると、この解放または握持は、ゲームに組み込み可能であり、（例えば、ＶＲ環境において）投出または握持する対象を表示する。手保持具１２０は、かかる機能が繰り返しかつ安全に達成されることを可能にし得る。手保持具１２０はまた、ハンドル１１２の周りに分散されたタッチセンサアレイに対してユーザの指が過度に並進するのを防ぎ、指の動きおよび／またはハンドル１１２上の配置をより確実に感知することができる。

図３および４は、ユーザの手がコントローラ本体１１０を握持している間に手保持具１２０が締め付けられたときの操作中のコントローラ１００を示している。図３および４に示されるように、ユーザの親指は、１つ以上の親指操作式制御部１１４、１１５、１１６を操作し得る。

図５は、特定の実施形態では、コントローラ１００が、同様の右コントローラ５００を含む一対のコントローラにおける左コントローラであり得ることを示している。特定の実施形態では、コントローラ５００は、同様の左コントローラ１００を含む一対のコントローラ内の右コントローラであり得る。特定の実施形態では、コントローラ１００および５００は、例えば、ＶＲ経験を増強するために、ユーザの両手の動きおよび掴持を（一緒に）追跡し得る。本開示全体を通して使用されるとき、参照番号１００は、本開示の基本的特性を変更することなく、図５に示される左または右コントローラのいずれかを説明するために参照番号５００で置き換えられ得ることを理解されたい。

図６は、コントローラ１００に対する１つ以上の対象（例えば、指）の近接度に加えて、コントローラ（例えば、コントローラ１００）上のタッチ入力を検出するように構成された複数のセンサ６０２（例えば、静電容量式パッド６０２）を有する近接センサまたはタッチセンサ６００（本明細書では「タッチセンサアレイ６００」と称されることもある）を示している。いくつかの実施形態では、タッチセンサ６００は、静電容量式パッドとは異なるタイプのセンサを追加的または代替的に含み得、これらは、コントローラ１００でのタッチ入力、または赤外線または音響センサなどのコントローラ１００に対する指の近接度を検出するように構成されている。任意の適切なタイプのセンサ技術に関してタッチセンサアレイ６００を説明するために、本明細書における「静電容量式パッド６０２」への言及が、適切な場合、「センサ６０２」と置き換えられ得ることを理解されたい。図６に示すように、タッチセンサ６００の静電容量式パッド６０２はアレイに配置されているが、静電容量式パッド６０２は必ずしも同じサイズである必要はなく、それらの間の間隔は必ずしも等しいとは限らない。しかしながら、いくつかの実施形態において、静電容量式パッド６０２は、それらの間で略同一の間隔で、略同一のサイズを備えたグリッドを含み得る。

タッチセンサ６００は、静電容量式パッド６０２が配設された可撓性のプリント回路アセンブリ（ＦＰＣＡ）６０４を含み得る。ＦＰＣＡ６０４は、１つ以上のプロセッサを含むコントローラ１００のプリント回路基板（ＰＣＢ）に接続するためのコネクタ６０６を含み得る。静電容量式パッド６０２は、ＦＰＣＡ６０４上に配設されたトレース６０８により、コネクタ６０６に通信的に接続可能である。静電容量式パッド６０２は、トレース６０８およびコネクタ６０６を介して、コントローラ１００（またはコントローラ１００を含むハンドヘルドコントローラシステム）の１つ以上のプロセッサにタッチセンサデータ（例えば、静電容量値）を提供することができる。本明細書で詳細に記載のとおり、タッチセンサデータは、コントローラ１００に対する指の近接度を示し得る。すなわち、タッチセンサ６００は、個々の静電容量式パッド６０２の静電容量を測定可能であり、静電容量は、（例えば、コントローラ１００のハンドル１１２と接触するか、またはその上に配設される）コントローラ１００に対する指の近接度に関連付けることができる。

タッチセンサ６００は、コントローラ本体１１０のハンドル１１２内に取り付けされた構造体、またはコントローラ本体１１０のハンドル１１２の下に取り付けされた構造体等のコントローラ本体１１０内の内面に結合可能である。これを行う際に、タッチセンサ６００は、ハンドル１１２の外面の下に配設されてもよく、センサ６０２がハンドル１１２の周りに分散されていることによって、ハンドル１１２に対する指の近接度を検出するように構成されてもよい。タッチセンサ６００は、コントローラ１００に結合される場合、ハンドル１１２の外周または一部分の周りに角度を付けて伸長することができる。例えば、ＦＰＣＡ６０４は、ハンドル１１２でコントローラ本体１１０の内面に結合（例えば、粘着）可能であり、ハンドル１１２に対する指の近接度を検出する。いくつかの実施形態において、タッチセンサ６００は、ハンドル１１２の外周の周りに少なくとも１００度であるが１７０度を越えないで延伸可能である。追加的に、または代替的に、タッチセンサ６００は、ハンドル１１２の外面等のコントローラ１１０の外面に結合可能である。

静電容量式パッド６０２は、互いに間隔をあけて配置可能であり、コントローラ１００に対する異なる指、またはユーザの指の異なる部分（例えば、指先）の近接度を検出する。例えば、図６に示すように、静電容量式パッド６０２は、行、列、グリッド、セット、サブセット、またはグループ６１０に配列され得る。以下でより詳細に説明されるように、クラスタリングアルゴリズムが個々の静電容量式パッド６０２を記述する特徴ベクトルをクラスタリングするために使用されるとき、静電容量式パッド６０２のサブセットは、動的に決定されたコントローラ構成に従って、ユーザの特定の指（例えば、中指、薬指、小指、および場合によっては人差し指）に割り当てられ得る。

図６に示されるように、例示的なタッチセンサ６００は、６行の静電容量式パッド６０２を含み得、ここで、行は、ＦＰＣＡ６０４の表面にわたって実質的に水平に延伸する。しかしながら、いくつかの実施形態では、タッチセンサ６００は、６行より多くまたは６行未満を含み得る。これらの行は、タッチセンサ６００がコントローラ１００に統合されるときに、ハンドル１１２上で実質的に水平に配向される。さらに、例示的なタッチセンサ６００は、６列の静電容量式パッド６０２を含むように示されており、ここで、列は、ＦＰＣＡ６０４の表面にわたって実質的に垂直に延伸する。しかしながら、いくつかの実施形態では、タッチセンサ６００は、６列より多くまたは６列未満を含み得る。これらの列は、タッチセンサ６００がコントローラ１００に統合されるときに、ハンドル１１２上で実質的に垂直に配向される。タッチセンサ６００は、ｎ個のセンサ６０２のセットを有し得る。図６に示される例示的なタッチセンサ６００は、ｎ＝３２個のセンサのセットを有する。これは、すべての行が等しい数のセンサ６０２を有するわけではないためである。

センサ６０２の特定のサブセットが手の指に対応するグループに割り当てられるとき、コントローラ１００（または別の通信可能に結合されたコンピューティングデバイス）は、センサ６０２からのタッチセンサデータ（例えば、静電容量値）を利用して、ユーザの手のジェスチャなどの仮想の手の画像データを生成することができる。すなわち、タッチセンサ６００は、コントローラ１００を掴持するユーザの指の存在、場所、および／またはジェスチャを検出するのに使用するためにタッチセンサデータを生成可能である。静電容量式センサ６０２を利用する実施形態では、ユーザがコントローラ１００を特定の指で掴持し、コントローラ１００上で特定の指をホバリングし、静電場が生じるように、電圧が静電容量式パッド６０２される印加する。したがって、ユーザの指等の導体が、静電容量式パッド６０２に接触するか、または接近する場合、静電容量の変化が生じる。静電容量は、ＲＣ発振回路をタッチセンサ６００に接続し、時定数（したがって、振動の周期と周波数）が静電容量とともに変化することを認識することで、感知可能である。このように、ユーザが、コントローラ１００から指を解放し、コントローラ１００を特定の指で掴持し、またはコントローラ１００に接近する際に、コントローラ１００は、静電容量の変化を検出可能である。

静電容量式パッド６０２、または各静電容量式パッド６０２上のグリッド内の個々の静電容量式センサの静電容量値は、静電容量式パッド６０２に対する導体の近接度に加えて、導体の場所を決定するために使用される。すなわち、ユーザがコントローラ１００を掴持する際、特定の指および／または指の部分は、コントローラ１００のハンドル１１２に接触可能である。指が導体として作用するため、ユーザがハンドル１１２に接触するハンドル１１２の下にあるそれらの静電容量式パッド６０２は、静電容量値を測定可能である。これらの静電容量値は、ユーザのジェスチャを識別するのに使用するため、経時的に測定される。しかしながら、ユーザが、指または指の特定の部分をコントローラ１００から離れてホバリングする事例において、静電容量値は、指がどの程度コントローラ１００から離れて配設されるかを表すか、または関連付けることができる。したがって、タッチセンサデータは、コントローラ１００に対する指の近接度および／または場所を決定するために利用され得る。ユーザの掴持がゲームプレイ体験全体を通じて、または異なるユーザ間で変化し得るので、指をタッチセンサ６００の異なる静電容量式パッド６０２と関連付けることが有益になり得る。例えば、第１の例では、ユーザは広範な広い掴持を有する場合があり、タッチセンサ６００のすべての静電容量式パッド６０２は、仮想の手に関連付けられた画像データを生成する際に使用され得る静電容量値を検出し得る。この第１の例では、静電容量式パッド６０２の特定のサブセットは、本明細書で説明されるように、クラスタリングアルゴリズムを使用して、手の特定の指に割り当てられ得る。第２の例では、ユーザの掴持は狭い場合があり、タッチセンサ６００の静電容量式パッド６０２のすべてよりも少ない数が、仮想の手に関連付けられた画像データを生成する際に使用され得る静電容量値を検出し得る。この第２の例では、指が異なる静電容量式パッド６０２に接触し得るため、第１の例と比較して、静電容量式パッド６０２の異なるサブセットは、更新されたタッチセンサデータを伴うクラスタリングアルゴリズムを使用して手の指に割り当てられ得る。したがって、手を描写する正確な画像データ（例えば、手のジェスチャ）を生成するために、静電容量式パッド６０２は、開示されたクラスタベースのセンサ割り当てアプローチを使用して、手の特定の指に動的に割り当てられ得る。手のそれぞれの指に関連付けられたタッチセンサ６００の静電容量式パッド６０２を認識することで、タッチセンサ６００により検出された静電容量値を使用して、対応する手のジェスチャが生成可能である。したがって、ユーザの掴持が変化しても、静電容量式パッド６０２は、静電容量値が手のジェスチャを描写する正確な画像データを生成するように、異なる指を再編成するか、またはそれと関連付けすることができる。

１つ以上のプロセッサは、指の解剖学的に可能な動きを例示するアルゴリズムおよび／または機械学習手法を含み得、タッチセンサデータをうまく使用して、ユーザの手の開き、指の指さし、またはコントローラ１００に対するか、または互いに対する指の他の動きを検出する。このように、コントローラ１００および／またはユーザの指の動きは、ＶＲゲームシステム、防御システム、医療システム、産業ロボットまたは機械、または別のデバイスを制御する一助となり得る。ＶＲアプリケーション（例えば、ゲーム、トレーニング等用）において、タッチセンサデータは、ハンドル１１２の外面からのユーザの指の解放を感知したことに基づいて、対象を解放させるために利用可能である。追加的に、または代替的に、コントローラ１００が対話する、通信的に結合されたコンピューティングデバイスの１つ以上のプロセッサ（例えば、ホストコンピューティングデバイス、ゲームコンソール等）は、タッチデータを使用して、ジェスチャを検出可能である。

いくつかの事例において、静電容量式パッド６０２はまた、コントローラ１００の関連部分に加えられる力（例えば、少なくとも１つの親指操作式制御部１１４、１１５、１１６等に対する、ハンドル１１２の外面に加えられる力）の量に対応する静電容量値を検出可能である。追加的に、または代替的に、タッチセンサ６００、またはコントローラ１００の他の部分（例えば、ハンドル１１２）は、力感知レジスタ（ＦＳＲ）を含み得、可変抵抗を使用して、ＦＳＲに加えられる力の量を測定する。コントローラ１００が、ユーザの手によって保持されるように構成可能であるため、ＦＳＲは、コントローラ本体１１０のハンドル１１２内に取り付けられた構造体、またはコントローラ本体１１０の下に取り付けられた構造体等のコントローラ本体１１０内の構造体の平面上に取り付け可能である。特定の実施形態において、ＦＳＲは、静電容量式パッド６０２とともに、ユーザによる握持の開始、およびユーザによるかかる握持の相対強度の両方の感知を容易にし得、特定のゲームプレイの特徴を容易にし得る。いずれかの実施例において、ＦＳＲは、コントローラ１００を握持するユーザの指の存在、場所、および／またはジェスチャを検出するのに使用するための力データを生成可能である。ＦＳＲおよび／または静電容量式パッド６０２は、コントローラ１００に実装される場合、コントローラ１００の関連部分に加えられる力の量にそれぞれ対応する、抵抗値、または静電容量値を測定可能である。

いくつかの実施形態において、コントローラ１００の１つ以上のプロセッサは、タッチセンサデータおよび／または力データを利用可能であり、ハンドル１１２を握持する手のサイズを検出および／または手のサイズにしたがって、静電容量式パッド６０２および／またはＦＳＲでタッチ入力を登録するために必要な閾値力を調整する。これは、より小さい手を有するユーザにとって力ベースの入力をより容易にするために有用であり得る（より大きい手を有するユーザにとっては、より難しくなるが、困難ではない）。

図７は、本開示の例示的な実施形態による、図６のタッチセンサアレイ６００のｄ個の基準センサの例示的なサブセットを示し、基準センサのサブセットは、ｎ個のセンサのセットについてのｎ×ｄ共分散行列を生成するために使用可能である。すなわち、図７において、「影付き」静電容量式パッド６０２は、基準センサのサブセットを表す。したがって、図７の例では、ｄ＝５であるが、ｄは、タッチセンサアレイ６００内のセンサ６０２の総数を表すｎ以下の任意の整数であり得ることを理解されたい。上述のように、タッチセンサアレイ６００は、行および列に分散された複数のセンサ６０２（例えば、静電容量式パッド６０２）を含み得る。例えば、センサ６０２は、第１の行７０２、第２の行７０４、第３の行７０６、第４の行７０８、第５の行７１０、および第６の行７１２に分散され得る。センサ６０２はまた、第１の列７１４、第２の列７１６、第３の列７１８、および第４の列７２０、第５の列７２２、および第６の列７２４に分散され得る。この場合も、分布が行および列内にあり得るが、センサ６０２は必ずしも等しいサイズではなく、必ずしもそれらの間に実質的に等しい間隔を有していないことを理解されたい。さらに、行および列は、完全に整列する必要はない（例えば、行および／または列は、わずかな曲線を有してもよく、センサ６０２は、行間、列間で交錯してもよい）。図７の例では、基準パッドのサブセット（すなわち、「影付き」パッド６０２）は、タッチセンサアレイ６０２の中央付近にあるパッド６０２の第４の列７２０などのパッド６０２の列を含む。タッチセンサアレイ６０２の中央付近の列として基準パッドを選択することで、センサ対６０２の間の相関関係を評価することが可能になり得、ここで、これらのセンサ対の間に正の相関が存在する確実性が高い可能性であるか、または高い可能性がないことは未知である。これは、ヒューリスティックまたは経験的証拠に基づき得る。

図８は、本開示の例示的な実施形態による、タッチセンサアレイ６００によって生成されたデータに基づいて生成され得る例示的なｎ×ｄ共分散行列８００を示している。経時的に、データがタッチセンサアレイ６００の複数のセンサ６０２によって生成されると、このタッチセンサデータは、図８に示される例示的なｎ×ｄ共分散行列８００などの共分散行列を生成するように処理することができる。ここで、数「ｎ」は、タッチセンサアレイ６００内のセンサ６０２の数を表し、「ｄ」は、図７に示される「影付き」センサ６０２などの一連の基準センサを表している。この例では、ｄ＜ｎであるが、ｄ＝ｎの場合、ｄ個の基準センサのセットがサブセットではない場合があることを理解されたい。例示的な例では、ｎ＝３２およびｄ＝５である。

一般に、共分散行列８００は、タッチセンサアレイ６００の複数のセンサ６０２のセンサ対６０２の間の相関を示している。いくつかの実施形態では、共分散行列８００を生成するために、ハンドヘルドコントローラ１００の論理回路（またはコントローラ１００を含むハンドヘルドコントローラシステムの論理回路）は、一定期間にわたってタッチセンサ６００によって生成されたタッチセンサデータに少なくとも部分的に基づいて統計を計算し得る。例えば、統計は、個々のセンサ（例えば、静電容量式パッド）によって検出された最後のサンプル間の平均静電容量値を計算するなど、タッチセンサアレイ６００によって生成されたデータの履歴に基づいて計算され得る。論理回路は、計算された統計を使用して、センサ対６０２の間の相関の程度を示す相関値を決定し得、次いで、論理回路は、共分散行列８００にこれらの相関値を入力し得る。共分散行列８００の様々な位置に入力される相関値は、負の１（－１）～正の１（＋１）の範囲内の値であってよく、包含的であり、負の１は最も正の相関であり、正の１は最も正の相関である。相関値は、ゼロ（０）から正の１（＋１）までの範囲など、他の可能な範囲内の値であってもよい。したがって、共分散行列８００の所与の位置に入力される相関値は、センサ対６０２の間の相関の程度を、それらが互いに経時的に変化するかどうかという観点から示している。タッチセンサアレイ６００によってタッチセンサデータが継続的に生成されるとき、ｎ×ｄ共分散行列８００は、最初に構築され得、経時的にこれらの相関値を用いて継続的に更新され得る。例示のために、共分散行列８００の位置（ｉ，ｊ）における相関値は、第ｉセンサ６０２と第ｊセンサ６０２との間の相関の程度を示してもよい。

共分散行列８００の内部に示されるドット８０２は、そのセンサ対６０２に関する相関値に従って、互いに正の相関があり得る例示的なセンサ対６０２を示している。例えば、共分散行列８００のｉ、ｊ位置の相関値が閾値を満たす場合、第ｉセンサ６０２は、第ｊセンサ６０２と正の相関があるとみなされ得、その逆も同様である。図８のドット８０２によって示されるように、共分散行列８００は、すべての共分散行列と同様に、共分散行列８００の主対角線に対して対称である。ハンドヘルドコントローラ１００（またはハンドヘルドコントローラ１００を含むハンドヘルドコントローラシステム）の論理回路は、主対角線の一方の側の共分散行列８００の値を計算することによって、および主対角線の反対側のそれらの値を複製（ｄｕｐｌｉｃａｔｅ）または複製（ｒｅｐｌｉｃａｔｅ）することによって、共分散行列８００のこの特性を利用して、対称共分散行列８００を作成し、それによって、主対角線の一方の側の値の計算を回避することによってコンピューティング資源を節約し得る。

共分散行列８００に少なくとも部分的に基づいて、ハンドヘルドコントローラ１００（またはハンドヘルドコントローラ１００を含むハンドヘルドコントローラシステム）の論理回路は、複数の特徴ベクトルを決定し得る。ｎ×ｄ共分散行列８００について、論理回路は、ｎ個のｄ次元特徴ベクトルを決定し得る。ｎ＝３２であり、ｄ＝５である例では、論理回路は、３２個の５Ｄ特徴ベクトルを決定し得る。各特徴ベクトルは、タッチセンサアレイ６００の複数のセンサ６０２のうちのセンサ６０２に対応し得る。さらに、各特徴ベクトルは、センサ６０２と複数のセンサ６０２のうちの１つ以上の他のセンサ６０２との間の相関関係を記述し得る。ｄ＝５の場合、これは、所与の特徴ベクトルが、所与のセンサ６０２と、ｄ個の基準センサのセットに対応するタッチセンサアレイ６００の５つのセンサのセット６０２との間の相関を記述することを意味する。したがって、アレイ内の左上のセンサ６０２を記述する特徴ベクトルは、左上のセンサ６０２と基準センサのセットのうちの第１のセンサ（例えば、図７に示される「影付き」基準センサ）との間の相関を示す第１の相関値、左上のセンサ６０２と基準センサのセットのうちの第２のセンサとの間の相関を示す第２の相関値などを、任意の数の基準センサについて含み得る。例えば、所与のセンサ６０２の５Ｄ特徴ベクトルは、［０，０，０．５，０．８，－０．２］のように見えてもよい。

共分散行列８００から導出される複数の特徴ベクトルでは、クラスタリングアルゴリズムを使用して、複数の特徴ベクトルを、特定のセンサ６０２を手の特定の指に割り当てるために使用される複数のクラスタにクラスタリングすることができる。任意の適切なクラスタリングアルゴリズムを使用することができる。ｋ平均クラスタリングアルゴリズムは、標準的なｋ平均、加重ｋ平均などを含んでおり、好適である。ｋ平均以外の他の種類のクラスタリングアルゴリズムは、センサ６０２の表現をグループにクラスタリングするために追加的にまたは代替的に利用され得る。

図９は、本開示の例示的な実施形態による、ｄ次元空間の「スライス」（例えば、二次元（２Ｄ）スライス）を表し得る空間ドットプロット９００を示しており、空間ドットプロット９００は、ｋ平均クラスタリングアルゴリズムなどのクラスタリングアルゴリズムが、タッチセンサアレイ６００のセンサ６０２を記述する特徴ベクトルをどのようにクラスタリングするかを示している。空間ドットプロット９００は、原点またはゼロ点で交差する縦軸および横軸を有し得る。データ点９０４（１）、９０４（２）、９０４（３）、…、９０４（ｎ）は、共分散行列８００から導出される特徴ベクトルを表す。例示的な例では、ｎ＝３２の特徴ベクトルのセットは、ｎ×ｄ共分散行列８００から導出され得（ここでｄ＝５）、空間ドットプロット９００内のデータ点９０４（１）～（ｎ）は、それらの特徴ベクトルを表し得、各ベクトルは、個々のセンサ６０２に対応する５Ｄ特徴ベクトルであり、ｄ＝５の基準センサのサブセットとの（またはセンサ６０２の共分散との）そのセンサ６０２のそれぞれの相関度を記述する。これらの特徴ベクトルは、人間が２Ｄまたは３Ｄベクトルで行うのと同じように、空間内の位置を指していると考えてもよいが、この場合、特徴ベクトルは、その高次元空間のスライスで可視化され得る高次元ベクトルであってもよい。５Ｄ空間（この５Ｄ空間のスライスを表す空間ドットプロット９００）内の特徴ベクトルのすべてをプロットする場合、特徴ベクトルのサブセットは、ｋ平均クラスタリングアルゴリズムなどのクラスタリングアルゴリズムを使用して、５Ｄ空間内で一緒にクラスタリングされ、クラスタ９０６を作成し得る。各クラスタ９０６は、指追跡に使用されるグループに対応する。例えば、第１のクラスタ９０６（１）は、手の第１の指（例えば、中指）に関連付けられた第１のグループに対応してもよく、第２のクラスタ９０６（２）は、手の第２の指（例えば、薬指）に関連付けられた第２のグループに対応してもよく、第３のクラスタ９０６（３）は、手の第３の指（例えば、小指）に関連付けられた第３のグループに対応してもよく、一部の場合において、第４のクラスタ９０６（４）は、任意の指（例えば、非指グループ）に関連付けられていない第４のグループに対応してもよい。

ｋ平均クラスタリングアルゴリズムを例として使用すると、クラスタリングアルゴリズムは、これらに限定されないが、ｄ次元空間内のクラスタ９０６の中心の初期推定値を表す複数のｋ個のクラスタ９０６、およびｋ個の中心推定値９０８を含む入力パラメータで初期化され得る（またはシードされ得る）。図９の例では、ｋ平均クラスタリングアルゴリズムは、ｋ＝４の入力パラメータで初期化されているが、任意の数のクラスタ９０６を指定することができ、クラスタリングアルゴリズムは、ｋ＝２、ｋ＝３などの異なるｋの値で、後続時間に実行するか、または代替的に実行することができる。ｋ＝４で、クラスタリングアルゴリズムは、ｎ個の特徴ベクトルを最適な方法で４つのクラスタ９０６にクラスタリングすることを試みる。

図９は、ｋ＝４についての初期中心推定値９０８を示しており、これには、第１の中心推定値９０８（１）、第２の中心推定値９０８（２）、および第３の中心推定値９０８（３）、および第４の中心推定値９０８（４）が含まれる。これらの中心推定値９０８は、ヒューリスティクスまたは経験的データ（例えば、ハンドヘルドコントローラ１００またはテストコントローラのテストデータなどの過去の使用から収集されたデータ）に基づき得る収束でのそれらの最終位置に合理的に近いことが推定され得る。クラスタリングアルゴリズムを初期化するために合理的に良好な中心推定値９０８を行うことによって、クラスタ分析アルゴリズムの実行中のクラスタ中心のスワッピングが緩和される。いくつかの実施形態では、中心推定値９０８は、（例えば、ユーザがユーザアカウントにログインし、過去にハンドヘルドコントローラ１００を使用した場合）ハンドヘルドコントローラ１００の既知のユーザプロファイルに基づき、ユーザ固有である。例示的な例では、第１のクラスタ９０６（１）についての第１の中心推定値９０８（１）は、中指のグループに対応し得、ｄ次元空間における第１の点（例えば、［０，０，０，０．５，０．５，０．５］）として推定され得る。例えば、第１の中心推定値９０８（１）は、コントローラ１００のハンドル１１２上でより高い位置（例えば、コントローラのヘッドに近い位置）に配置されたセンサのグループ６０２と相関するｄ次元空間内の位置に基づいて推定され得る。一方、第２のクラスタ９０６（２）のための第２の中心推定値９０８（２）は、薬指のグループに対応し得、ｄ次元空間内の第２の点（例えば、［０，０，０．５，０．５，０，０］）として推定され得る。例えば、第２の中心推定値９０８（２）は、コントローラ１００のハンドル１１２の中央付近に配置されたセンサのグループ６０２と相関するｄ次元空間内の位置に基づいて推定され得る。一方、第３のクラスタ９０６（３）の第３の中心推定値９０８（３）は、小指のグループに対応し得、ｄ次元空間内の第３の点（例えば、［０，０，０，０，０．５，０］）として推定され得る。例えば、第３の中心推定値９０８（３）は、コントローラ１００のハンドル１１２上でより低い位置（例えば、コントローラ１００のヘッドからより遠い位置）に配置されたセンサのグループ６０２と相関するｄ次元空間内の位置に基づいて推定され得る。第４のクラスタ９０６（４）の第４の中心推定値９０８（４）は、非指グループに対応し得、ｄ次元空間の原点９０２（例えば、［０，０，０，０，０，０］）として選択され得る。この第４の中心推定値９０８（４）は、センサのサブセットがハンドヘルドコントローラ１００の使用中に接触されないか、または滅多に接触されないという予想に基づいて、原点９０２として選択される。これらの中心推定値９０８が合理的に正確である限り（例えば、中心推定値９０８がクラスタ中心が収束すると予測される一般的な近傍にある限り）、中心推定値９０８は、特徴ベクトルをクラスタリングするのに十分である。

ｋ個のクラスタ９０６の入力パラメータおよびそれらのｋ個のクラスタ９０６に対する中心推定値９０８で初期化されたｋ個の平均クラスタリングアルゴリズムを使用して特徴ベクトルをクラスタリングするプロセスでは、論理回路は、割り当てステップの後に更新ステップを繰り返し実行し得る。割り当てステップでは、論理回路は、各特徴ベクトルを、特徴ベクトルから最小距離である中心推定値９０８を有するｋ個のクラスタのうちのクラスタ９０６に割り当て得る。例えば、各特徴ベクトルは、平均が最小二乗ユークリッド距離を有するクラスタ９０６に割り当てられ得る。図９の例では、データ点９０４（１）を含むデータ点は、中心推定値９０８（１）を有するクラスタ９０６（１）に割り当てられる。これは、第１のクラスタ９０６（１）に割り当てられた各特徴ベクトルについて、中心推定値９０８（１）と特徴ベクトルとの間の距離が、他の中心推定値９０８（２）～（４）とその特徴ベクトルとの間の距離のいずれかよりも小さいためである。別の言い方をすると、データ点９０４（１）によって表される特徴ベクトルは、ｋ個の中心推定値９０８の中で第１の中心推定値９０８（１）に最も近いと判定され、これにより、データ点９０４（１）によって表される特徴ベクトルは、第１の中心推定値９０８（１）に関連付けられた第１のクラスタ９０６（１）に割り当てられる。これは、割り当てステップの一部として特徴ベクトルをクラスタに割り当てるために、各特徴ベクトルに対して行われ得る。

更新ステップでは、論理回路は、各中心推定値９０８を更新して、ｋ個の更新されたクラスタ中心９１０を取得し得、クラスタ９０６の中心推定値９０８は、クラスタ９０６に割り当てられた特徴ベクトルに少なくとも部分的に基づいて更新される。これについての１つの考え方は、中心推定値９０８が、更新ステップの間に、対応するクラスタ９０６に割り当てられた特徴ベクトルのサブセットの「中央」に移動されることである。数学的には、この更新ステップは、クラスタ９０６に割り当てられた特徴ベクトルの更新された手段（更新されたクラスタ中心９１０）を計算することと、それらの更新されたクラスタ中心９１０に対して中心推定値９０８を更新することと、を含み得る。これは、図９に、各クラスタ９０６についての初期中心推定値９０８から更新されたクラスタ中心９１０までの破線矢印によって示されている。例えば、第１の中心推定値９０８（１）は、更新ステップ中に第１の更新されたクラスタ中心９１０（１）に「移動」され、第２の中心推定値９０８（２）は、更新ステップ中に第２の更新されたクラスタ中心９１０（２）に「移動」され、第３の中心推定値９０８（３）は、更新ステップ中に第３の更新されたクラスタ中心９１０（３）に「移動」される。原点９０２に割り当てられた第４の中心推定値９０８（４）は、更新ステップ中に移動しなくてもよい。割り当てステップおよび更新ステップは、収束するまで繰り返され得る。すなわち、論理回路は（例えば、割り当てがもはや変更されなくなり、各クラスタ９０６の中心９１０が移動を停止するか、ゼロの量だけ移動するか、またはゼロのある閾値内で移動すると）、更新されたクラスタ中心９１０が最終クラスタ中心に収束するまで、割り当てステップおよび更新ステップを繰り返すことができる。

収束時に、特徴ベクトルはクラスタリングされ、タッチセンサアレイ６００は、クラスタリングに少なくとも部分的に基づいて、コントローラ構成に従って構成され得る。例えば、コントローラ構成は、第１のクラスタ９０６（１）内の特徴ベクトルに対応するセンサ６０２の第１のサブセットを、手の第１の指（例えば、中指）に対応する第１のグループに割り当てることができる。コントローラ構成はまた、第２のクラスタ９０６（２）内の特徴ベクトルに対応するセンサ６０２の第２のサブセットを、手の第２の指（例えば、薬指）に対応する第２のグループに割り当てることができる。コントローラ構成はまた、第３のクラスタ９０６（２）内の特徴ベクトルに対応するセンサ６０２の第３のサブセットを、手の第３の指（例えば、小指）に対応する第３のグループに割り当てることができる。コントローラ構成はまた、第４のクラスタ９０６（４）内の特徴ベクトルに対応するセンサの第４のサブセット６０２を、非指グループ（例えば、接触されないか、または滅多に接触されないセンサ）に対応する第４のグループに割り当てることができる。

図１０は、本開示の例示的な実施形態による、図６のタッチセンサ６００のコントローラ構成１０００を示している。コントローラ構成１０００は、本明細書に記載のクラスタベースのセンサ割り当て技術の結果として決定することができ、ここで、特徴ベクトルを導出するために共分散行列８００が生成され、ｋ平均クラスタリングアルゴリズムなどのクラスタリングアルゴリズムが特徴ベクトルをクラスタリングするために使用され、クラスタは、コントローラ構成１０００に従ってセンサ６０２をグループに割り当てるために使用される。図１０に示されるように、ブラケット１００２（１）内の「影付き」センサ６０２によって示されるセンサ６０２の第１のサブセット１００２（１）は、手の第１の指（例えば、中指）に対応する第１のグループに割り当てられ得る。ブラケット１００２（２）内の「影付き」センサ６０２によって示されるセンサ６０２の第２のサブセット１００２（２）は、手の第２の指（例えば、薬指）に対応する第２のグループに割り当てられ得る。ブラケット１００２（３）内の「影付き」センサ６０２によって示されるセンサ６０２の第３のサブセット１００２（３）は、手の第３の指（例えば、小指）に対応する第３のグループに割り当てられ得る。比較すると、影無しセンサ６０２は、非指グループに割り当てられているセンサか、または指グループに割り当てられているが、その静電容量値が手のジェスチャに対応する画像データを生成するために利用されていないセンサを表す。しかしながら、影無しセンサ６０２は、依然として、コントローラ構成を更新する目的で、（例えば、静電容量値を測定または検出することによって）タッチセンサデータを生成することができる。例えば、ユーザの掴持が変更され、影無しセンサ６０２のうちの１つ以上に接触し始める場合、タッチセンサアレイ６００は、クラスタ分析に基づいて、１つ以上のセンサ６０２を指グループに割り当てる更新されたコントローラ構成に再構成することができる。

センサの割り当てが完了すると、様々な機能を有効にすることができる。例えば、タッチセンサアレイ６００がコントローラ構成に従って構成され、センサ割り当てが合理的であることを検証して、１つ以上のルールを評価することができる。例えば、論理回路は、各グループに割り当てられたセンサ６０２のサブセット１００２が、少なくとも３つのセンサ６０２などの少なくとも閾値数のセンサ６０２を含むか否かを判定することができる。センサ６０２のサブセット１００２が、センサ６０２の閾値数を（例えば、閾値未満であることによって、または閾値以下であることなどによって）満たさない数のセンサ６０２を含む場合、論理回路は、入力としてタッチセンサデータを受信するように構成されたアプリケーション（例えば、ビデオゲーム）に、閾値未満のサブセット１００２内のセンサ６０２によって生成されたタッチセンサデータを送信することを控えることで、センサ６０２のそのサブセット１００２によって生成されたデータを利用しない場合がある。換言すれば、センサ６０２の閾値未満のサブセット１００２によって生成されたデータは、仮想の手（例えば、手のジェスチャ）に関連付けられた画像データを生成する目的のために無視（ｄｉｓｒｅｇａｒｄ）または無視（ｉｇｎｏｒｅ）され得る。追加的に、または代替的に、別のルールにより、各グループに割り当てられたセンサ６０２が、グループ内の少なくとも１つの他のセンサと連続しているか、または隣接していることが指定され得る。このように、サブセット１００２のセンサ６０２がサブセット１００２内の任意の他のセンサ６０２に隣接しない非隣接センサを含む場合、論理回路は、その非隣接センサおよび／または非隣接センサを含むセンサ６０２のサブセット１００２全体によって生成されたデータを利用しない場合がある。

いくつかの実施形態では、論理回路は、各グループからＮ個の最良のセンサ６０２（例えば、静電容量式パッド６０２）を選択してもよく、選択されたＮ個の最良のセンサに含まれない残りのセンサによって生成されたタッチセンサデータを利用せずに、Ｎ個の最良のセンサ６０２によって生成されたタッチセンサデータを利用してもよい。例えば、図１０のコントローラ構成１０００の例では、ブラケット１００２（１）内の影付きセンサ６０２および影無しセンサ６０２の両方は、手の第１の指に対応する第１のグループに割り当てられ得る。論理回路は、ブラケット１００２（１）内の「影付き」センサ６０２を、指追跡のために利用されるＮ個の最良のセンサ６０２として選択することができ、一方で、影無しセンサ６０２は利用されなくてもよい。一例では、クラスタ分析アルゴリズムが、「最も中指の点」、「最も薬指の点」、および「最も小指の点」にそれぞれ対応するｄ次元空間内の点を表すクラスタ中心９１０（１）、９１０（２）、および９１０（３）を出力するので、「中指」グループに割り当てられた所定の数のセンサ６０２が、それらの選択されたセンサの特徴ベクトルとそれらの対応するクラスタ９０６のクラスタ中心９１０との間の距離に基づいて、「最も代表的な中指パッド」として選択され得る。これは、他のグループについても（例えば、所定の数の「最も代表的な薬指パッド」、所定の数の「最も代表的な小指パッド」などを選択することによって）同様に行うことができ、２つ以上の指と軽度に関連付けられている残りのパッド６０２を利用しない（またはそれによって生成されたデータを無視（ｄｉｓｒｅｇａｒｄ／ｉｇｎｏｒｅ）するようにしてもよい。例えば、論理回路は、第１のクラスタ９０６（１）の収束したクラスタ中心９１０（１）に最も近いｄ次元特徴ベクトルによって記述される３つのセンサ６０２を利用してもよく、第１のクラスタ９０６（１）に関連付けられた第１のグループに割り当てられた残りのセンサ６０２からのデータを無視してもよい（すなわち、利用しない）。追加的に、または代替的に、収束したクラスタ中心９１０に最も近い特徴ベクトルを有するものとしてＮ個の最良のセンサ６０２を選択する代わりに、Ｎ個の最良のセンサ６０２は、隣接する指からの偽入力を検出する可能性が最も低いセンサ６０２として選択されてもよい。例えば、論理回路は、隣接する指グループ（例えば、「薬指」グループ）に関連付けられたクラスタ９０６の収束したクラスタ中心９１０から最も離れた特徴ベクトルによって記述される「中指」グループの所定の数のセンサ６０２を選択してもよい。すなわち、論理回路は、薬指に割り当てられたパッド６０２から最も遠い中指を追跡するために利用するセンサ６０２（例えば、静電容量式パッド６０２）を選択することができ、これにより、中指センサ６０２への偽入力が回避され得る。

いくつかの実施形態では、クラスタリングアルゴリズムは、異なる数のｋ個のクラスタに対して再実行することができる。例えば、クラスタリングアルゴリズムが第１のパス上のｋ＝４個のクラスタで初期化され、ｋ＝４が最適でないという何らかのインジケータがある場合（例えば、収束がない場合、ｋ＝４で非指グループに割り当てられたパッド６０２が多すぎる（例えば、閾値数を超える）場合など）、クラスタリングアルゴリズムは、後続のパス上で、ｋ＝３などの異なるｋ値で初期化され得、クラスタリングアルゴリズムが再実行され得る。これは、指を欠損したユーザ、および／または指の一部ではなく全部でハンドヘルドコントローラ１００を使用することを好むユーザにとって有益であり得る。

図１１～１４はハードウェア、ソフトウェア、またはそれらの組み合わせで実装され得る一連の操作を表す、論理フローグラフ内のブロックの集合としての様々なプロセスを示している。ソフトウェアの文脈では、ブロックは、１つ以上のプロセッサによって実行されるとき、列挙された操作を実行する、コンピュータ実行可能命令を表す。概して、コンピュータ実行可能命令は、特定の機能を実行するか、または特定の抽象データタイプを実装する、ルーチン、プログラム、物体、構成要素、データ構造などを含む。操作が記載される順序は、限定として解釈されることを意図するものではなく、任意のいくつかの記載されたブロックは、プロセスを実装するために任意の順序でおよび／または並行して組み合わされ得る。

図１１は、異なるコントローラ構成用のタッチセンサ６００を較正および構成するための例示的なプロセス１１００のフロー図である。１１０２において、コントローラ１００（またはコントローラ１００を含むシステム）の論理回路は、タッチセンサデータをタッチセンサ６００から受信可能である。例えば、対象（例えば、指、親指等）は、コントローラ１００に接触するか、またはコントローラ１００の近接範囲内（例えば、ハンドル１１２の上）に入っていてもよい。タッチセンサデータは、タッチセンサ６００の静電容量式パッド６０２により検出または測定される静電容量値を示し得る。例えば、指がコントローラ１００に接触する場合、静電容量値は、コントローラ１００に接触することなくコントローラ１００の上をホバリングする指と比較して大きくてもよい。この意味で、静電容量値は、コントローラ１００に対する指の近接度を示し得る。コントローラ１００の論理回路は、静電容量値をデジタル化した値に変換可能である。

いくつかの事例において、１１０２で受信されたタッチセンサデータは、他の静電容量式パッド６０２から提供された他のタッチセンサデータで較正および／または正規化されない生データを表し得る。すなわち、１１０２で受信されたタッチデータは、特定の静電容量式パッド６０２に対し、静電容量式パッド６０２が、静電容量式パッド６０２のサイズとコントローラ１００に接触するユーザの指および／または手のサイズによっては、静電容量値または静電容量値の範囲を検出可能であるという意味で、生データを表し得る。

１１０４では、コントローラ１００の論理回路は、タッチセンサデータを正規化可能である。例えば、反復的にタッチセンサデータをタッチセンサ６００から受信することで（例えば、ユーザがコントローラ１００と対話する際）、タッチセンサデータは、静電容量式パッド６０２により測定される静電容量値を示し得る。経時的に、静電容量値は、タッチセンサ６００の個々の静電容量式パッド６０２により検出または測定される静電容量値の範囲を示し得る。例えば、静電容量式パッド６０２は、ユーザが、静電容量式パッド６０２の上に存在するコントローラ１００の一部分を掴持する場合、高い静電容量値を検出可能であり、ユーザが、静電容量式パッド６０２の上に存在するコントローラ１００の部分を掴持しない場合、低い静電容量値を検出可能である。したがって、１１０４では、タッチセンサ６００のそれぞれの静電容量式パッド６０２に対して、コントローラ１００の論理回路は、タッチセンサデータを分析し、受信した静電容量値の範囲、受信した最大静電容量値、受信した最小静電容量値、平均静電容量値、および／または中央静電容量値を決定可能である。いくつかの事例において、静電容量値は、［０，１］の範囲内で正規化可能である。

１１０６では、コントローラ１００の論理回路は、タッチセンサ６００を較正可能である。図１１のサブブロックで示すとおり、プロセス１１００は、タッチセンサ６００を較正するためのより詳細な動作を伴い得る。例えば、タッチセンサ６００を較正することは、サブブロック１１０８および１１１０を含み得る。サブブロック１１０８に示されるように、タッチセンサ６００を較正することは、個別のジェスチャ認識を含み得る。個別のジェスチャ認識は、コントローラ１００でユーザにより実行される個別のジェスチャに対応し得る。例えば、静電容量式パッド６０２の静電容量値のすべてまたは大部分が急激に減少した場合、論理回路は、この減少を、ユーザがコントローラ１００から自身の手を解放するか、またはコントローラ１００から指を解放することに関連付けることができる。ユーザが自身の指をコントローラ１００から突然解放する際に受信される静電容量値は、特定の静電容量式パッド６０２に対して検出される静電容量値の範囲の低レベル値に対応し得る（例えば、静電容量値は、指がコントローラ１００に接触しない場合を表す）。急激な減少の前に受信される静電容量値は、特定の静電容量式パッド６０２に対して検出される静電容量値の範囲の高レベル値に対応し得る（例えば、静電容量値は、指がコントローラ１００に接触する場合を表す）。静電容量値の範囲により、コントローラ１００の論理回路は、コントローラ１００により受信される静電容量値に対し、バイアスおよびスケールファクタを計算可能である。すなわち、静電容量式パッド６０２に対するスケールファクタを認識することで、受信された静電容量値の正規化が可能になる。

サブブロック１１１０が示すとおり、タッチセンサ６００を較正することはまた、連続的な低レベルおよび／または高レベルの調整を含み得る。コントローラ１００の論理回路がタッチセンサデータをタッチセンサ６００から連続して受信するため、論理回路は、タッチセンサデータを連続して監視可能であり、所定の静電容量式パッド６０２の静電容量値の範囲に対し、低レベル静電容量値および／または高レベル静電容量値を再較正する。例えば、タッチセンサデータを個々の静電容量式パッド６０２から連続して受信することで、コントローラ１００の論理回路は、受信された静電容量値が、過去に決定された低レベル静電容量値および／または高レベル静電容量値よりも、それぞれ低いまたは高いかを決定可能である。この決定に基づいて、コントローラ１００の論理回路は、低レベル静電容量値または高レベル静電容量値を更新することができ、それによって、特定の静電容量式パッド６０２に対する静電容量値の範囲を調整する。これを行う際に、バイアスおよび／またはスケールファクタは、静電容量値を正規化するのに使用するために更新することができる。タッチセンサ６００を較正することは、したがって、特定の静電容量式パッド６０２およびコントローラ１００を操作する特定のユーザに対し、バイアスおよびスケールファクタの計算の一助になり得る。

１１１２では、コントローラ１００の論理回路は、タッチセンサ６００を構成可能であり、それによって、静電容量式パッド６０２は、本明細書に記載されるように、クラスタ分析に基づいてユーザの特定の指に割り当てられる。このようにして、本明細書に記載されるクラスタベースのセンサ割り当てアプローチを使用して、コントローラ１００は、特定の静電容量式パッド６０２およびそれらの静電容量値をユーザの特定の指にマッピングすることができる。図１１のサブブロックが示すとおり、プロセス１１００は、タッチセンサ６００を構成するためのより詳細な動作を伴い得る。例えば、クラスタリングアルゴリズムを使用することに加えて、タッチセンサ６００を構成することは、サブブロック１１１４で低レベル範囲の静電容量値でのノイズの除去と、サブブロック１１１６での静電容量式パッドおよび指拒否と、を含み得、それらの各々が以下に説明される。

サブブロック１１１４では、プロセス１１００は、静電容量値の低レベル範囲内でノイズを除去可能である。例えば、指が、コントローラ１００に接触しない場合（例えば、ハンドル１１２の上をホバリングするか、またはハンドル１１２に近接する場合）、指に関連付けられたかかる静電容量式パッド６０２は、ノイズに影響されやすい場合がある。換言すれば、静電容量式パッド６０２に対する静電容量値の低レベル範囲では、少量の測定された静電容量により、ユーザの指の位置が変化し得る。これらの変化に対応する画像データを生成することは、ＶＲ環境内で不快な指の痙攣が発生する可能性がある。その代わりに、個々の静電容量式パッド６０２に対するタッチセンサ６００からの静電容量値が、特定の閾値以下に減少し、前の静電容量値からの閾値変化以下である事例において、または静電容量値が、静電容量式パッド６０２に対する低レベル静電容量値の特定の閾値内である場合において、コントローラ１００の論理回路は、静電容量値を抑制可能である。これを行う際に、コントローラ１００は、別様でＶＲ環境内で指を不快な痙攣を生じ得るタッチセンサ６００で、わずかなスプリアスタッチ入力を無視することができる。

サブブロック１１１６での静電容量式パッドおよび指拒否には、その低レベル静電容量値または高レベル静電容量値が互いの閾値範囲内にある静電容量式パッド６０２を識別することが含まれ得る。例えば、低レベルおよび高レベル静電容量値が小さい範囲により分離される場合、静電容量式パッドは、ユーザの指の位置を十分詳細に、正確に感知・検出不能であってもよい。ここで、静電容量式パッド６０２が、静電容量値を閾値範囲内で検出可能であるため、測定された静電容量値は、指の位置に正確に対応しない可能性がある。

追加的に、または代替的に、特定の指は、検出された静電容量値の信頼度を低下させる複数の静電容量式パッド６０２に関連付けられ得る。これらの状況において、静電容量式パッド６０２により受信された静電容量値は、ノイズを導入可能である。特定の静電容量式パッド６０２、または静電容量式パッド６０２のグループを無視することで、静電容量値がユーザの手のジェスチャに対応する信頼度を増大させることができる。

プロセス１１００が、コントローラ１００により実行されるよう記述される一方、いくつかの事例においては、１つ以上の通信的に結合されたコンピューティングデバイスは、プロセス１１００のブロックのすべてまたは一部分を実行可能である。例えば、１つ以上のコンピューティングデバイスが、増加された処理を含み得るため、コントローラ１００は、タッチセンサ６００から受信されたタッチデータを、静電容量値を較正・正規化するためのコンピューティングデバイスに送信可能である。

図１２は、クラスタ分析に基づくコントローラ構成に従ってコントローラ１００を構成するための例示的なプロセス１２００を示している。１２０２では、コントローラ１００（またはコントローラ１００を含むシステム）の論理回路は、タッチセンサ６００のセンサ６０２によって生成されたデータを受信し得る。例えば、対象（例えば、指、親指等）は、コントローラ１００に接触するか、またはコントローラ１００の近接範囲内（例えば、ハンドル１１２の上）に入っていてもよく、タッチセンサ６００は、データ（例えば、静電容量値）を生成することができる。

１２０４では、ブロック１２０２で受信したタッチセンサデータに少なくとも部分的に基づいて、複数のセンサのセンサ対６０２の間の相関関係を示す共分散行列８００が生成され得る。例えば、共分散行列８００は、図７に示される「影付き」センサのようなｄ個の基準センサのサブセットに基づいて生成され、ｎ個のセンサのセットのためのｎ×ｄ共分散行列８００を生成してもよい。一部の場合では、ｎは第１の整数であり、ｄは第２の整数であり、第２の整数ｄは第１の整数ｎ未満である。すべての可能なセンサ対が、それらの間の正の相関について評価されるわけではないため、このようにしてｄ個の基準センサのサブセットを選択することによって、コンピューティングリソースが保存され、計算がより効率的となる。いくつかの実施形態では、共分散行列８００を生成するために使用されるｄ個の基準センサのサブセットは、図７に示される「影付き」センサの列などのセンサ６０２の列を含む。図１２のサブブロックによって示されるように、プロセス１２００は、共分散行列８００を生成するためのより詳細な操作を含み得る。例えば、共分散行列８００を生成することは、サブブロック１２０３、１２０５、１２０７、および１２０９を含み得る。

サブブロック１２０３で、統計は、一定期間にわたって受信されたタッチセンサデータに少なくとも部分的に基づいて計算され得る。例えば、最後のｐ個のサンプルにわたる平均静電容量値は、個々のセンサ６０２（例えば、静電容量式パッド）に対して計算され得る。

サブブロック１２０５で、ｄ個の基準センサ６０２のサブセットは、複数のセンサ６０２の中から選択され得る。いくつかの実施形態では、基準センサは所定であるが、サブブロック１２０５において、これらの基準センサは動的に決定され得ることを理解されたい。いくつかの実施形態では、これは、異なる基準センサが異なるユーザのために選択されるような、ユーザに基づくものであってもよい。

サブブロック１２０７で、センサ対の間の相関値は、サブブロック１２０３で計算された統計に少なくとも部分的に基づいて決定されてよい。例えば、センサ対６０２の間の平均静電容量値を比較してもよく、比較された静電容量値の間の差に基づいて、相関値を決定してもよい。いくつかの実施形態では、これらの相関値は、負の１から正の１［－１，＋１］、またはゼロから１［０，＋１］の範囲の値として決定される。サブブロック１２０９では、共分散行列８００は、サブブロック１２０７で決定された相関値で入力され得る。

１２０６において、共分散行列８００に少なくとも部分的に基づいて、複数のｄ次元特徴ベクトルが決定される。各特徴ベクトルは、複数のｎ個のセンサのうちのセンサ６０２に対応し得る。各特徴ベクトルはまた、センサ６０２と複数のｎ個のセンサののうちのｄ個の基準センサ６０２のサブセットとの間の相関を記述し得る。

１２０８では、クラスタリングアルゴリズムを使用して、複数のｄ次元特徴ベクトルがクラスタリングされ得る。例えば、ｋ平均クラスタリングアルゴリズムをブロック１２０８で使用することができる。図１２のサブブロックによって示されるように、プロセス１２００は、特徴ベクトルをクラスタリングするためのより詳細な操作を含み得る。例えば、特徴ベクトルのクラスタリングは、サブブロック１２１１、１２１３、および１２１５を含んでもよい。

サブブロック１２１１において、ｋ平均クラスタリングアルゴリズムなどのクラスタリングアルゴリズムは、入力パラメータで初期化され得る。これらの入力パラメータは、これらに限定されないが、ｄ次元空間内の複数のｋ個のクラスタ９０６（例えば、ｋ＝４）、およびｋ個のクラスタ９０６の中心推定値９０８を含み得る。

サブブロック１２１３において、複数の特徴ベクトルの各特徴ベクトルは、特徴ベクトルから最小距離である中心推定値９０８を有するｋ個のクラスタのうちのクラスタ９０６に割り当てられ得る。例えば、所与の特徴ベクトルは、ｋ個の中心推定値９０８のうち、特徴ベクトルに最も近い中心推定値９０８を有するクラスタ９０６に割り当てられる。

サブブロック１２１５では、各中心推定値９０８は、ｋ個の更新されたクラスタ中心９１０を取得するように更新される。クラスタ９０６の中心推定値９０８は、クラスタ９０６に割り当てられた特徴ベクトルに少なくとも部分的に基づいて更新される。数学的には、この更新ステップは、クラスタ９０６に割り当てられた特徴ベクトルの更新された手段（更新されたクラスタ中心９１０）を計算することと、それらの更新されたクラスタ中心９１０に対して中心推定値９０８を更新することと、を含み得る。サブブロック１２１３および１２１５は、収束するまで（例えば、更新されたクラスタ中心９１０が最終的なクラスタ中心に収束するまで）反復し得る。

１２１０では、ハンドヘルドコントローラ１００のタッチセンサアレイ６００は、特徴ベクトルのクラスタリングに少なくとも部分的に基づいて、コントローラ構成１０００に従って構成され得る。ブロック１２１０におけるこの構成動作は、複数のセンサ６０２の少なくとも第１のサブセット１００２（１）を、手の第１の指（例えば、中指）に対応する第１のグループに割り当て、複数のセンサ６０２の第２のサブセット１００２（２）を、手の第２の指（例えば、薬指）に対応する第２のグループに割り当てるコントローラ構成１０００をもたらし得る。ｋ＝２の場合、これらは、割り当てられたセンサの２つのグループであり得る。ｋ＝３の場合、コントローラ構成１０００は、複数のセンサ６０２の第３のサブセット１００２（３）を、手の第３の指（例えば、小指）に対応する第３のグループに割り当ててもよい。ｋ＝４の場合、コントローラ構成１０００は、複数のセンサ６０２の第４のサブセット１００２を、接触されないか、または滅多に接触されないセンサ６０２の非指グループに対応する第４のグループ、または第４の指（例えば、人差し指）に対応する第４のグループに割り当ててもよい。プロセス１２００が、コントローラ１００により実行されるよう記述される一方、いくつかの事例においては、１つ以上の通信的に結合されたコンピューティングデバイスは、プロセス１２００のブロックのすべてまたは一部分を実行可能である。

図１３は、タッチセンサアレイ６００がコントローラ構成１０００に従って構成された後に利用される特定のセンサ６０２を選択するための例示的なプロセス１３００のフロー図である。いくつかの事例において、プロセス１３００は、プロセス１２００の「Ａ」から継続可能である。１３０２では、コントローラ１００の（またはコントローラ１００を含むシステムの）論理回路は、タッチセンサアレイ６００のコントローラ構成１０００に少なくとも部分的に基づいて、基準（ｃｒｉｔｅｒｉｏｎ）（または基準（ｃｒｉｔｅｒｉａ））が満たされるかを判定することができる。例えば、１３０２では、論理回路は、特定のグループ（例えば、指グループ）に割り当てられたセンサ６０２のサブセット１００２のうちのいずれかが、センサ６０２の閾値数を満たさないセンサ６０２の数を含むか否かを判定することができる。閾値は、特定のグループに割り当てられたセンサ６０２の数が閾値を満たすかまたは超える場合、またはセンサ６０２の数が厳密に閾値を超える場合に、満たされ得る。例えば、各サブセットが少なくとも３つのセンサ６０２を含む場合、基準を満たし得る。別の例として、１３０２では、論理回路は、特定のグループ（例えば、指グループ）に割り当てられたセンサ６０２のサブセット１００２のうちのいずれかが、その特定のグループに割り当てられた任意の他のセンサ（すなわち、そのグループ内の隔離されたセンサ）に隣接しない非隣接センサを含むか否かを判定することができる。したがって、この例示的な基準は、各サブセット内の各センサ６０２が、そのセンサ６０２が割り当てられたグループ内の少なくとも１つの他のセンサ６０２と連続しているか、または隣接している場合に満たされ得る。

基準（ｃｒｉｔｅｒｉｏｎ）（または基準（ｃｒｉｔｅｒｉａ））が満たされていない場合、プロセス１３００は、ブロック１３０２からブロック１３０４への「ノー」のルートを辿り得る。例えば、グループに割り当てられたセンサ６０２の少なくとも１つのサブセット１００２が閾値数のセンサを満たさない複数のセンサを含むため、論理回路により、基準が満たされないと判定された場合、ブロック１３０４において、論理回路は、例えば、タッチセンサデータを入力として受信するように構成されたアプリケーション（例えば、ビデオゲーム）へのセンサのサブセット６０２によって生成されたデータの送信を控えることによって、そのサブセット内のセンサによって生成されたデータの利用を控えることができる。別の例として、グループに割り当てられたセンサ６０２の少なくとも１つのサブセット１００２がそのサブセット内の任意の他のセンサ６０２に隣接していない非隣接センサを含むため、論理回路により、基準が満たされないと判定された場合、ブロック１３０４において、論理回路は、その非隣接センサによって生成されたデータおよび／または非隣接センサと同じグループに割り当てられたセンサのサブセットによって生成されたデータの利用を控えることができる。この場合も、タッチセンサデータの利用を控えることは、タッチセンサデータを入力として受信するように構成されたアプリケーション（例えば、ビデオゲーム）にタッチセンサデータを送信することを控えることを含み得る。

ブロック１３０４において無視するセンサとして１つ以上のセンサ６０２、またはセンサ６０２のサブセット１００２を指定した後、または基準（または基準）が満たされた場合にブロック１３０２からの「イエス」のルートを辿った後、プロセス１３００は、ブロック１３０６に進み得る。１３０６では、論理回路は、それぞれのグループに割り当てられたセンサの個々のサブセット１００２からＮ個の最良の（例えば、所定の数の）センサ６０２を選択し得る。Ｎ個の最良のセンサ６０２は、タッチセンサデータが利用され得るセンサ（例えば、タッチセンサアレイ６００によって生成されたデータを入力として受信するように構成されたアプリケーションとともに利用され得るセンサ６０２）である。Ｎ個の最良のセンサの選択方法は、本明細書に記載されており、例えば、それらの特徴ベクトルが割り当てられる対応するクラスタ９０６のクラスタ中心９１０に最も近い（距離で）特徴ベクトルを有するＮ個の最良のセンサを選択すること、隣接するグループのクラスタ中心９１０から最も遠い（距離で）特徴ベクトルを有するＮ個の最良のセンサを選択すること（例えば、薬指クラスタ９０６のクラスタ中心９１０から最も遠い特徴ベクトルによって記述される所定の数の中指センサを選択すること）などが挙げられる。

１３０８では、コントローラ構成のセットおよび各サブセット内で選択されたＮ個の最良のセンサにより、コントローラ１００の（またはコントローラ１００を含むシステムの）論理回路は、指に関連付けられた静電容量式パッド６０２のグループの個々の静電容量式パッド６０２に印加された重みのセットを使用して、利用されたセンサ６０２の静電容量値を正規化し得る。例えば、静電容量式パッド６０２の個々のパッドに割り当てられた重みは、コントローラ構成に関連付け可能である。例えば、タッチセンサ６００の４つの静電容量式パッド６０２がユーザの中指に関連付けられた場合、４つすべての静電容量式パッド６０２には同じ重みが割り当てられ得る。したがって、これら４つの静電容量式パッド６０２から受信された静電容量値は、４分の１の重みを含み得る。これを行う際に、これら静電容量式パッド６０２からの静電容量値は、指の位置を判定する場合に使用される同じ重みを含み得る。加えて、いくつかの事例において、特定の静電容量式パッド６０２の重みは、どの静電容量式パッド６０２を無視するか、または特定の閾値未満の信頼度を有するかを示す静電容量式パッドおよび指拒否に基づいてゼロに設定することができる。

タッチセンサデータを１３０８で正規化することはまた、静電容量式パッド６０２の各グループに対し、静電容量式パッド６０２からの静電容量値を合計することを含み得る。実施例として、特定のコントローラ構成に対し、中指が４つの静電容量式パッド６０２により表される場合、中指の静電容量式パッド６０２の各静電容量値は、４分の１の重みを有し得る。論理回路は、指に対するそれぞれの静電容量式パッド６０２用の静電容量値に加重可能であり、所定の静電容量式パッド６０２に対する静電容量値が、指に対する総静電容量値に与える影響を指示する。

追加的に、または代替的に、タッチセンサデータを正規化することは、静電容量式パッド６０２に過去に加えられた重みにしたがって、タッチセンサデータを正規化することを含み得る。静電容量式パッドおよび指拒否（サブブロック１１１６）により、静電容量式パッド６０２のグループ内のすべてではない静電容量式パッド６０２は、同じ重みを有し得る。実施例として、ユーザは、特定の静電容量式パッド６０２をグループに接触しない場合がある。次に、論理回路は、例えば、ユーザの手が小さいか、またはユーザがコントローラ１００上で自身の手を異なる方法で置く場合、ユーザが接触しない特定の静電容量式パッド６０２の静電容量値を拒否するか、または分解しない場合がある。例えば、上述のとおり、低レベル静電容量値と高レベル静電容量値が小幅（すなわち、範囲が小さい）ならば、静電容量式パッド６０２は、大量のノイズに影響されやすい場合がある。ここで、コントローラ１００の論理回路は、加重和内の静電容量式パッド６０２の特定の静電容量値を無視することができる。静電容量値を使用しない事例において、使用する静電容量値は、合計され、使用する重みの和で除算され得る。例えば、４つの静電容量式パッド６０２が、特定の指に割り当てられる場合、各静電容量式パッド６０２は、４分の１の重みを有し得る。しかしながら、静電容量式パッド６０２の１つに対する静電容量値が信頼度を有しない場合（例えば、大量のノイズを含む）、１つの静電容量式パッド６０２の重みは、残り３つの静電容量式パッドが３分の１の重みを有するように無視することができる。それにおいて、静電容量値は合計され、使用する静電容量式パッド６０２の重みの和で除算される。

１３１０では、コントローラ１００の論理回路は、少なくとも部分的にタッチセンサデータに基づいて、指値をユーザのそれぞれの指に割り当て可能である。例えば、タッチセンサデータを正規化して、タッチセンサデータを特定の指に関連付けた後、コントローラ１００は、指値を［０，１］のスケールで決定可能である。ユーザの指に割り当てられた指値は、コントローラ１００に対する指の相対位置またはカールを示し得る。この意味では、コントローラ１００は、個々の静電容量式パッドから検出される静電容量値を使用して、コントローラ１００に対するユーザの指の位置を決定可能である。いくつかの事例において、コントローラ１００は、ユーザの各指またはタッチセンサ６００が構成されるそれらの指に対する指値を決定可能である。

１３１２では、コントローラ１００の論理回路は、タッチセンサデータを入力として受信するように構成された１つ以上のコンピューティングデバイスおよび／またはアプリケーションに、指値（例えば、表示値）を送信することができる。いくつかの事例において、１つ以上のコンピューティングデバイスは、指値を利用可能であり、コントローラ１００上にユーザの手のジェスチャを描写する画像データを作成する。いくつかの実施形態において、１つ以上のコンピューティングデバイスは、指値の追加の分析を実行可能である。例えば、１つ以上のコンピューティングデバイスは、画像データに指のカールを生成する場合、カール論理回路を利用可能である。さらに、いくつかの事例において、コントローラ１００は、少なくとも１つの指により表面を押すとき、コントローラ１００の圧力センサからの力データ等のコントローラ１００により捕捉および／または受信された追加のデータを送信可能である。

１３１２から、プロセス１３００は、プロセス１２００のステップ１２０２にループし得る。したがって、コントローラ１００は、本明細書で説明するように、ユーザの掴持に従って画像データを生成するのに使用するため、かつクラスタ分析に基づいてコントローラ１００のコントローラ構成を動的に判定／更新するのに使用するための静電容量値を連続的に受信することができる。

プロセス１３００のいくつかまたはすべてが、コントローラ１００により実行されるように記述される一方、いくつかの事例において、１つ以上の通信的に結合されたコンピューティングデバイスは、プロセス１３００のブロックのすべてまたは一部分を実行可能である。例えば、コンピューティングデバイスは、増大した処理能力を含み得る場合、コントローラは、タッチセンサ６００から受信したタッチデータをコンピューティングデバイスに送信して、コントローラ構成１０００を判定するために使用されるクラスタベースのセンサ割り当てを判定することができる。次に、コンピューティングデバイスは、コントローラ構成１０００をコントローラ１００に送信、またはコントローラ構成１０００の表示値をコントローラ１００に送信可能である。

図１４は、コントローラ１００のタッチセンサ６００等のコントローラのタッチセンサを較正し、タッチセンサデータ内のノイズを低減し、タッチセンサデータを利用して、ユーザにより実行される手のジェスチャを表す画像データを生成するためのプロセス１４００を示している。いくつかの事例において、プロセス１４００は、指がどの程度カールまたは伸長する等の指値または指の位置を表す表示値を出力可能である。

１４０２では、プロセス１４００は、タッチセンサデータをタッチセンサ６００から受信可能であり、タッチセンサデータは、タッチセンサ６００の静電容量式パッド（例えば、静電容量式パッド６０２）により検出される生の静電容量値を表示または指示する。いくつかの事例では、プロセス１４００は、ａ_１、ａ_ｉ、およびａ_Ｎによって図示されるように、個々の静電容量式パッド６０２から静電容量値を受信し得る。いくつかの事例において、プロセス１４００は、ＶＲ環境で表示された各フレームに対して、生の静電容量値をタッチセンサ６００から受信可能である。

１４０４で、プロセス１４００は、生の静電容量値を正規化するように工場正規化を実行し得る。例えば、静電容量式パッド６０２は、製造条件、静電容量式パッド６０２のサイズ等によっては、異なるバイアス、スケールファクタ、および残留偏差を有し得る。いくつかの事例において、工場正規化は、静電容量値内のバイアスを除去するための一次較正と、静電容量値を正規化すること、を含み得る。

１４０６で、プロセス１４００は、掴持較正を実行し得る。示されるように、掴持較正は、次に詳細に議論されるサブブロック１４０８、１４１０、および１４１２を含み得る。

サブブロック１４０８で、プロセス１４００は、各々の静電容量式パッド６０２についての静電容量値、受信された最大静電容量値、受信された最小静電容量値、平均静電容量値、および／または中央静電容量値の範囲を観察するように、統計分析を実行し得る。

１４１０で、プロセス１４００は、別個のジェスチャ検出を実行し得る。ここで、プロセス１４００は、工場正規化にしたがって正規化された後に、タッチセンサデータ（すなわち、静電容量値）を分析可能であり、コントローラ１００で個別のジェスチャを検出する。例えば、タッチセンサデータが、静電容量式パッド６０２の静電容量値またはその一部分が急激に減少することを示した場合、プロセス１４００は、静電容量値のこの減少を、ユーザが、自身の手をコントローラ１００から解放する、または特定の指をコントローラ１００から解放することに関連付け可能である。ユーザが、自身の指をコントローラ１００から突然解放する際に受信される静電容量値は、特定の静電容量式パッド６０２により検出される静電容量値の範囲に対する低レベル値に対応し得る（例えば、静電容量値は、指がコントローラ１００に接触しない場合を表す）。急激な減少の前に受信される静電容量値は、特定の静電容量式パッド６０２により検出される静電容量値の範囲の高レベル値に対応し得る（例えば、静電容量値は、指がコントローラ１００に接触する場合を表す）。静電容量値の範囲により、プロセス１４００は、静電容量式パッド６０２の静電容量値に対しバイアスおよびスケールファクタを決定可能であり、それぞれの静電容量式パッド６０２で受信される静電容量値を正規化する。

１４１２で、プロセス１４００は、連続的な較正更新および減衰を実行し得る。プロセス１４００が、タッチセンサデータをタッチセンサ６００から連続して受信可能であるため、プロセス１４００は、タッチセンサデータを連続して監視可能であり、所定の静電容量式パッド６０２の静電容量値の範囲に対し、低レベル静電容量値および／または高レベル静電容量値を再較正または再設定する。換言すれば、タッチセンサデータを個々の静電容量式パッド６０２から連続して受信することで、プロセス１４００は、静電容量値が、範囲の過去に判定された低レベル静電容量値および／または範囲の高レベル静電容量値よりも、それぞれ低いまたは高いかを判定可能である。例えば、静電容量が、ゲームプレイ体験（例えば、手が発汗または乾燥状態、湿度や温度等）により変化する際、プロセス１４００は、新規の低レベル静電容量値または新規の高レベル静電容量値を決定または設定可能であり、それによって、静電容量式パッド６０２により検出される静電容量値の範囲を調整する。加えて、いくつかの事例において、連続較正は、１４１０での個別のジェスチャ検出を判定するプロセス１４００への依存度を低減可能である。

いくつかの事例において、プロセス１４００は、新規に検出される低レベル静電容量値または新規に検出される高レベル静電容量値に重みまたは割合を割り当て可能であり、それぞれ低レベル静電容量値または高レベル静電容量値を更新する。例えば、プロセス１４００が、特定の時間中に、過去に検出された低レベル静電容量値以下の静電容量値を検出すれば、プロセス１４００は、静電容量値に加重し、低レベル静電容量値を更新可能である。

加えて、低レベル静電容量値または高レベル静電容量値は、ユーザがコントローラ１００を掴持する方法、環境条件（例えば、湿度）、または他の特性（例えば、肌の湿り具合）によっては、経時的に減衰可能である。低レベル静電容量値と高レベル静電容量値が減衰可能な量は、低レベル静電容量値と高レベル静電容量値が、範囲の閾値の量により分離されて、センサノイズを低減するように、限定され得る。いくつかの事例において、減衰は、時間および／または静電容量値の変化率に依存し得る。例えば、ユーザが、コントローラ１００上で指をタップする、またはコントローラ１００が、ユーザを切り替えて、それによって、受信された静電容量値の変化を潜在的に生じると、減衰率は、増加可能であり、低レベルおよび／または高レベル静電容量値の更新に必要な時間を低減する。

１４０６、およびサブブロック１４０８～１４１２での掴持較正の結果として、各静電容量式パッド６０２から感知された静電容量値は、［０，１］のスケールで正規化可能である。［０，１］のスケールは、ユーザの特定の掴持と個々の静電容量式パッド６０２に対して、タッチセンサ６００から感知された静電容量値に対する高および低レベルを表し得る。

１４１４では、プロセス１４００は、静電容量値の加重和を実行可能である。静電容量値が、［０，１］のスケールで正規化されるため、プロセス１４００は、コントローラ構成によっては、静電容量式パッド６０２からの静電容量値に重みを割り当て可能である。すなわち、静電容量値は、［０，１］の間で正規化され、重みは、個々の静電容量式パッド６０２によって受信された個々の静電容量値に割り当てられる。例えば、特定のコントローラ構成が特定の指に割り当てられた５つの静電容量式パッド６０２を含む場合、静電容量値は、等しい重み（例えば、５分の１）を含み得る。換言すれば、静電容量式パッド６０２が最大静電容量値を検出するとき、加重和の出力は、１に等しくなり得る。

示されるように、加重和を判定することは、サブブロック１４１８、１４２０、および１４２２を含み得る。サブブロック１４１８において、プロセス１４００は、本明細書で説明されるように、クラスタ分析に基づく動的コントローラ構成決定を実行し得る。例えば、プロセス１４００は、グループにクラスタリングされた特徴ベクトルを導出するために、タッチセンサデータ（例えば、静電容量値）から共分散行列８００を生成してもよい。このクラスタリングに基づいて、センサ６０２は、例えば、任意の好適な数のグループ／クラスタについて、第１のサブセットのセンサ６０２を第１の指に対応する第１のグループに割り当て、第２のサブセットのセンサ６０２を第２の指に対応する第２のグループに割り当てることによって、手の指に対応し得るグループに割り当てられ得る。

サブブロック１４２０で、プロセス１４００は、静電容量値内に含まれるノイズをフィルタリングし得る。例えば、指が十分に伸長した場合等、指がコントローラ１００に接触しない場合、コントローラ１００に接触しない指に関連付けられたかかる静電容量式パッド６０２は、ノイズに影響されやすい場合がある。ここで、少量の静電容量を検出することは、受信された静電容量値内に大量のノイズを生じ得る。個々の静電容量式パッド６０２に対するタッチセンサ６００からの静電容量値が、特定の閾値以下に減少する事例において、または静電容量値が、静電容量式パッド６０２に対し低レベル静電容量値の特定の限界内にあれば、プロセス１４００は、検出された静電容量を抑制可能である。他の事例において、かかる状況では、プロセス１４００は、低い重みを静電容量値に割り当て可能である。

サブブロック１４２２では、プロセス１４００は、タッチセンサ６００の静電容量式パッド６０２からの特定の静電容量値および／またはそれぞれの静電容量式パッド６０２に関連付けられた指を拒否可能である。例えば、１４２０では、プロセス１４００は、低レベル静電容量値または高レベル静電容量値の間に小さい範囲を有する、静電容量式パッド６０２を識別可能である。これらの状況において、静電容量式パッド６０２により受信された静電容量値は、ノイズを導入可能であり、特定の静電容量式パッド６０２、または静電容量式パッド６０２のグループを無視することは、タッチセンサデータがユーザの手のジェスチャに対応する信頼度を向上可能である。すなわち、静電容量式パッド６０２により検出される静電容量値の範囲が小さければ、静電容量式パッド６０２は、大量のノイズに影響されやすい場合がある。

追加的に、または代替的に、特定の指は、低い信頼度を有する複数の静電容量式パッド６０２に関連付けられ得る。特定の指、または静電容量式パッドのグループ６０２を拒否することは、小さな手についてのコントローラ構成について不測の挙動を導入する。これらのシナリオでは、それぞれの指は、隣接する指に関連付けられ得る（例えば、小指は、薬指に関連付けられる）。追加的に、または代替的に、図１３に関して説明したように、プロセス１４００は、基準（ｃｒｉｔｅｒｉｏｎ）（または基準（ｃｒｉｔｅｒｉａ））が満たされない場合、例えば、指グループに割り当てられたセンサのサブセット６０２が、そのグループに割り当てられたセンサの閾値数未満（例えば、指グループに割り当てられた２つ以下のセンサ）である場合、かつ／または指グループに割り当てられたセンサのサブセット６０２が、その割り当てられたグループ内の任意の他のセンサと連続しない（タッチセンサアレイ６００上に）非隣接（または孤立した）センサを有する場合、特定のタッチセンサデータを拒否することができる。追加的に、または代替的に、ブロック１４２２におけるパッドの拒否は、本明細書に記載されるように、Ｎ個の最良のセンサ６０２を選択することと、Ｎ個の最良のセンサ６０２に含まれない残りのセンサからのタッチセンサデータを拒否することと、を含み得る。

１４２４で、プロセス１４００は、最終的な正規化を実行し得る。例えば、いくつかの事例では、特定の指に割り当てられた静電容量式パッド６０２は、静電容量値を検出し得ず、または静電容量値が信頼度を有しない場合がある。ここで、ユーザは、自身の手のサイズを理由にまたはユーザが掴持を再調整した事例において、タッチセンサ６００の特定の静電容量式パッド６０２に接触することはできない。加えて、低レベルおよび高レベル静電容量値が小幅で、または小さい範囲により分離されるいくつかの事例において、静電容量値が信頼度を有しない場合があり、ノイズは、指の動きに顕著に影響し得る。これらの静電容量式パッド６０２からのノイズを除去または減少するために、最終正規化１４２４は、静電容量値の信頼度を決定可能であり、信頼度が低いと、静電容量式パッド６０２からの静電容量値の重みは、加重和から除去される。それにおいて、静電容量値は合計され、使用する静電容量式パッド６０２の重みの和で除算される。

１４２６では、プロセス１４００は、タッチセンサデータをフィルタリングと曲線適合することが可能であり、ユーザの手のジェスチャを表示する。フィルタリングと曲線適合は、タッチセンサデータと指の位置との間に線形関係を達成するために（例えば、カールする、伸長される、途中まで伸長される等）、［０，１］のスケールでタッチデータの最終正規化を線形化することを含み得る。例えば、ユーザの手がコントローラ１００に近接してコントローラ１００を掴持する際、１４２４で決定される最終の正規化値は、指数関数的に増加するように、指数曲線に従うことができる。換言すれば、合計された静電容量値は、コントローラ１００上に／周囲に配設された指との近接度に指数関数的に関連され得る。静電容量値が指位置と相関されるように［０，１］スケールで値を線形化することは、感度を低下させ得、指がコントローラ１００から伸長されたとき、ならびに指がコントローラ１００に接触したとき、またはコントローラ１００に近接しているときに、ノイズがもたらす影響を低減し得る。

示されるように、フィルタリングおよび曲線適合は、手ジェスチャを生成するように利用される最終値を達成するために、様々なサブブロックを含み得る。フィルタリングおよび曲線適合段階１４２６で、プロセス１４００は、曲線適合の前または後にフィルタリングを適用し得る。例えば、サブブロックは、静電容量式パッド６０２が、ノイズに影響されやすい場合、静電容量値の低レベル範囲内に静電容量値をフィルタリングすることを含み得る。換言すれば、指がコントローラ１００を掴持するか、またはコントローラ１００に近接する場合等、高レベル静電容量範囲内で、静電容量式パッド６０２は、ノイズからの影響は少ない。

プロセス１４００は、静電容量値に対して実行されるフィルタリングの量を調整するように、１４２８で適応フィルタリングを適用し得る。適応フィルタリングは、静電容量値が静電容量値の高い範囲内にあるのと比較して、静電容量値の低い範囲内の静電容量値をより積極的にフィルタリングするように、適応的にフィルタリングし得る。図示されるように、適応フィルタリングは、サブブロック１４３０、１４３２、および１４３４を含み得る。一般に、１４２６での適応フィルタリングは、正規化された値にどの程度のノイズが存在するかを決定し、正規化された静電容量値に適用されたフィルタリングの量を決定するように、サブブロック１４３０、１４３２、および１４３４の結果を利用し得る。静電容量値に存在するノイズの量を判定することは、それぞれの静電容量式パッド６０２に対する高レベルおよび低レベル静電容量値に加えて、静電容量値を生成するために使用される静電容量式パッド６０２を判定することを含み得る。例えば、静電容量式パッド６０２は、基準ノイズを有し得、静電容量式パッド６０２に対する高レベルと低レベル静電容量値との間の範囲が低ければ、静電容量式パッド６０２の基準ノイズは、指の動きが大きいことに相当し得る（すなわち、基準ノイズは、静電容量式パッド６０２が感知可能な静電容量値の範囲の大きな部分である）。ここで、ノイズに対する信号の比率は、高い場合がある。それと比較すると、静電容量式パッド６０２に対する高レベルと低レベル静電容量値との間の範囲が大きいと、静電容量式パッド６０２の基準ノイズは、大きな指の動きの量を導入不可である。これらの状況において、静電容量値内のノイズを低減するために、静電容量値の範囲が小さい場合、プロセス１４００は、静電容量値の範囲が大きい場合よりも、静電容量値をより重くフィルタリングするのが可能である。フィルタリングと曲線適合１４２６は、各静電容量式パッド６０２が、それぞれ高および低レベルの静電容量値を含み得るため、各静電容量式パッド６０２に対し繰り返し可能である。加えて、１４２６で適用されるフィルタリングの量は、静電容量式パッド６０２および／または拒否された静電容量式パッド６０２（例えば、パッドおよび指拒否１４２２）に依存可能である。

１４３０での合計ノイズ予測は、どの静電容量式パッド６０２が使用されているか、静電容量式パッド６０２に割り当てられた重み、ならびに静電容量式パッド６０２のそれぞれのベースラインノイズに基づいて静電容量値をフィルタリングし得る。例えば、プロセス１４００は、個々の静電容量式パッド６０２についての推定ベースラインノイズを表し得る、１４２８でのデフォルトの静電容量式パッドノイズを含み得る。したがって、１４３０での合計ノイズ予測ステップは、使用されているそれらの静電容量式パッド６０２について、それらのそれぞれのベースラインノイズ値を決定し得る。合計ノイズ予測ステップはまた、静電容量式パッド６０２についての予想または予測されるノイズを決定し得る。例えば、使用される静電容量式パッド６０２が、大きい範囲にわたって（すなわち、低レベルと高レベルの静電容量値との間で）静電容量値を感知すれば、静電容量値は、大量のノイズを含み得、フィルタリングを少なくして適用可能である。しかしながら、静電容量式パッド６０２に対する静電容量値の範囲が小幅（すなわち、低レベルと高レベルの静電容量値との間で）であれば、静電容量値は、大量のノイズを含み得、プロセス１４００は、より大きいフィルタリングの量を適用可能である。

１４３２でのｄＮｏｒｍ／ｄｔは、経時的な静電容量値における変化を考慮に入れ得る。例えば、静電容量式パッド６０２から受信した静電容量値が、短時間（例えば、１つのフレーム）にわたって大幅に変化すれば、静電容量値内に導入される潜在的なノイズは、無視され、それにしたがって、加重可能である。すなわち、静電容量値をフィルタリングして、待ち時間を導入する代わりに、静電容量値が、閾値の時間にわたって、閾値の量を越えて変化すれば、フィルタリングを少なくして静電容量値に適用可能である。この意味で、大きい指の動きが検出される場合、フィルタリングを少なくして適用可能であり、小さい指の動きが検出される場合、フィルタリングを多くして適用可能である。

１４３４でのｄＣｕｒｌ／ｄＮｏｒｍは、検出された静電容量の量に基づいて、正規化された静電容量値をフィルタリングし得る。例えば、指がコントローラを掴持する静電容量値の高域では、より少ないフィルタリングは、ノイズが指位置に少ない影響を及ぼし得るため、適用され得る。しかしながら、指がコントローラから変位する、または近接している、静電容量値の低い範囲で、より多くのフィルタリングは、静電容量値の小さな変化が指の位置に重大な影響を及ぼし得るため、適用され得る。ここで、静電容量値における小さな変化は、指ジェスチャの大きな変化をもたらし得る。

サブブロック１４３８で、ローパスフィルタは、検出された静電容量値上のフィルタリングの量を調整する調整可能ローパス平均フィルタを表し得る。いくつかの事例では、フィルタリングの量は、［０，１］のスケールであり得、適応フィルタ１４２８で決定されたフィルタリングの量の結果に基づき得る。すなわち、ローパスフィルタは、適応フィルタリングから決定されるような静電容量値をフィルタリングし得る。

サブブロック１４４０で、プロセス１４００は、静電容量値を指の位置、または手のアニメーションに関連付けるように、［０，１］スケールの静電容量値に曲線適合し得る。各指について、曲線適合の出力は、各指についての数値を含み得、ここで、数値は、手の各指の指位置を示す。

サブブロック１４４２で、プロセス１４００は、閾値を下回る静電容量値における変化をフィルタリングするように、曲線の後にバックラッシュフィルタを適用し得る。例えば、静電容量値が［０，１］スケールの閾値量によって変化しない場合、静電容量値は、フィルタリングされ得る。かかるフィルタリングは、ユーザによる知覚された指のひきつりおよび動きを減少させ得る。

サブブロック１４４４で、関節モデルは、手のアニメーション（例えば、ハンドスケルトン）に対応し得る。例えば、関節モデルは、１４４０で、曲線適合から手の個々の指に割り当てられた数に対応する手のアニメーションを生成し得る。

図１５は、コントローラ１００などの、コントローラ１５００の例示的な構成要素を示している。いくつかの実施形態では、図１５に示される例示的な構成要素は、コントローラ１５００に通信可能に結合されるゲームコンソールまたはパーソナルコンピュータ上の構成要素のうちの１つ以上を実装することなどによって、コントローラ１５００を含むシステムの一部である任意のコンピューティングデバイス上に実装され得る。図示のとおり、コントローラ１５００は、上述の制御部（例えば、ジョイスティック、トラックパッド、トリガー等）等の１つ以上の入力／出力（Ｉ／Ｏ）デバイス１５０２、および／または潜在的に、他の任意の種類の入力または出力デバイスを含む。例えば、Ｉ／Ｏデバイス１５０２は、ユーザ音声入力等のオーディオ入力を受信するための１つ以上のマイクを含み得る。いくつかの実装形態において、１つ以上のカメラまたは他の種類のセンサ（例えば、慣性測定装置（ＩＭＵ））は、コントローラ１５００の動き等のジェスチャの入力を受信するための入力デバイスとして機能し得る。いくつかの実施形態では、追加の入力デバイスが、キーボード、キーパッド、マウス、タッチスクリーン、ジョイスティック、制御ボタンなどの形態で提供され得る。入力デバイスは、音量を増加／減少させるための基本音量制御ボタン、ならびに電源およびリセットボタンなどの制御機構をさらに含み得る。一方、出力デバイスは、ディスプレイ、光素子（例えば、ＬＥＤ）、触覚をもたらすバイブレータ、スピーカ（例えば、ヘッドフォン）などを含み得る。例えば、コントローラ１５００が電源オン等の状態を示す、簡便な光学部材（例えば、ＬＥＤ）もまたあり得る。いくつかの実施例が提供された一方、コントローラ１５００は、追加的に、または代替的に、他の任意の種類の出力デバイスを含み得る。

いくつかの事例では、１つ以上の出力デバイスによる出力は、入力デバイスのうちの１つ以上によって受信された入力に基づいてもよい。例えば、コントローラ１５００で制御タッチ入力を選択することで、制御部の近傍（例えば、制御部の下）および／または他の任意の場所に配置された振動器により触覚反応が出力され得る。いくつかの事例において、出力は、コントローラ１００のハンドル１１２上／内に配設された静電容量式パッド６０２等のタッチセンサ６００上のタッチ入力の特性に少なくとも部分的に基づいて、変化可能である。例えば、ハンドル１１２上の第１の場所のタッチ入力が、第１の触覚出力を生じ得る一方、ハンドル１１２上の第２の場所でのタッチ入力は、第２の触覚出力を生じ得る。さらに、ハンドル１１２上の特定のジェスチャは、特定の触覚出力（または他の種類の出力）を生じ得る。例えば、ハンドル１１２上で（タッチセンサ６００により検出される）タップアンドホールドジェスチャは、第１の種類の触覚出力を生じ得る一方、ハンドル１１２上でタップアンドリリースジェスチャは、第２の種類の触覚出力を生じ、ハンドル１１２を強くタップすると、第３の種類の触覚出力が生じ得る。

加えて、コントローラ１５００は、ネットワークおよび／または１つ以上のリモートシステム（例えば、アプリケーション実行するホストコンピューティングデバイス、ゲームコンソール、他のコントローラなど）への無線接続を容易にするための１つ以上の通信インターフェース１５０４を含み得る。通信インターフェース１５０４は、Ｗｉ－Ｆｉ、Ｂｌｕｅｔｏｏｔｈ、無線周波数（ＲＦ）などの１つ以上の様々な無線技術を実装し得る。追加的に、または代替的に、コントローラ１５００は、ネットワーク、接続された周辺デバイス、または他の無線ネットワークと通信するプラグインネットワークデバイスへの有線接続を容易にする物理ポートを含み得る。

例示された実装形態では、コントローラ１５００は、１つ以上のプロセッサ１５０６およびコンピュータ可読媒体１５０８をさらに含む。いくつかの実装形態では、プロセッサ１５０６は、中央処理ユニット（ＣＰＵ）、グラフィックス処理ユニット（ＧＰＵ）、ＣＰＵおよびＧＰＵの両方、マイクロプロセッサ、デジタル信号プロセッサ、または他の既知の処理ユニットもしくは構成要素を含み得る。追加的に、または代替的に、本明細書に記載される機能は、１つ以上のハードウェア論理構成要素によって、少なくとも部分的に、実施され得る。例えば、非限定的に、使用されることができるハードウェア論理回路構成要素の例示的なタイプは、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、特定用途向け集積回路（ＡＳＩＣ）、特定用途向け標準製品（ＡＳＳＰ）、システムオンチップシステム（ＳＯＣ）、複合プログラマブル論理回路デバイス（ＣＰＬＤ）などを含む。追加的に、プロセッサ１５０６の各々は、プログラムモジュール、プログラムデータ、および／または１つ以上のオペレーティングシステムも記憶し得る、その独自のローカルメモリを保有し得る。

コンピュータ可読媒体１５０８は、揮発性および不揮発性メモリ、コンピュータ可読命令、データ構造、プログラムモジュール、または他のデータなどの情報を記憶するための任意の方法または技術で実装された、取り外し可能および取り外し不可能な媒体を含み得る。かかるメモリとしては、限定されるものではないが、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリもしくは他のメモリ技術、ＣＤ－ＲＯＭ、デジタル多目的ディスク（ＤＶＤ）もしくは他の光学ストレージ、磁気カセット、磁気テープ、磁気ディスクストレージもしくは他の磁気ストレージデバイス、ＲＡＩＤストレージシステム、または所望の情報を記憶するために使用され得、コンピューティングデバイスによってアクセスされ得る、任意の他の媒体が挙げられる。コンピュータ可読媒体１５０８は、コンピュータ可読媒体１５０８に記憶された命令を実行するためにプロセッサ１５０６によってアクセス可能な任意の利用可能な物理媒体であり得る、コンピュータ可読ストレージ媒体（「ＣＲＳＭ」）として実装され得る。一実装形態では、ＣＲＳＭは、ランダムアクセスメモリ（「ＲＡＭ」）およびフラッシュメモリを含み得る。他の実装形態では、ＣＲＳＭは、限定されるものではないが、読み出し専用メモリ（「ＲＯＭ」）、電気的に消去可能なプログラマブル読み出し専用メモリ（「ＥＥＰＲＯＭ」）、または所望の情報を記憶するために使用され得、プロセッサ１５０６によってアクセスされ得る、任意の他の有形媒体を含み得る。

命令、データ記憶等の複数のモジュールは、コンピュータ可読媒体１５０８内に記憶され、プロセッサ１５０６上で実行するように構成可能である。いくつかの例示的な機能モジュールは、同一の機能が、ハードウェア、ファームウェア内、またはチップ（ＳＯＣ）上のシステムとして、その代わりとして、実装可能であるが、コンピュータ可読媒体１５０８に記憶され、プロセッサ１５０６上で実行されるように図示される。オペレーティングシステムモジュール１５１０は、他のモジュールの利益のために、コントローラ１５００内でハードウェアを管理し、コントローラ１５００に結合されるように構成され得る。加えて、コンピュータ可読媒体１５０８は、コントローラ１５００が、１つ以上の通信インターフェース１５０４を介して、アプリケーション（例えば、ゲームアプリケーション）、ゲームコンソール、リモートサーバ、他のコントローラ、コンピューティングデバイスなどを実行するパーソナルコンピューティングデバイスなどの１つ以上の他のデバイスと通信することを可能にするネットワーク通信モジュール１５１２を記憶し得る。コンピュータ可読媒体１５０８は、コントローラ１５００上で、またはコントローラ１５００に結合されたコンピューティングデバイス上で実行するゲーム（または他のアプリケーション）に関連付けられたデータを記憶するためのゲームセッションデータベース１５１４をさらに含み得る。

コンピュータ可読媒体１５０８はまた、パーソナルコンピューティングデバイス、ゲームコンソール、リモートサーバなどの、コントローラ１５００に結合されたデバイスに関連付けられたデータを記憶するデバイス記録データベース１５１６を含み得る。コンピュータ可読媒体１５０８は、コントローラ１５００をゲームコントローラとして機能するように構成するゲームコントロール命令１５１８と、コントローラ１５００を他の非ゲームデバイスのコントローラとして機能するように構成するユニバーサル制御命令１５２０と、をさらに記憶可能である。コンピュータ可読媒体１５０８は、追加的に、コントローラ構成１５２２を記憶可能である。コントローラ構成１５２２は、本明細書に記載されるように、タッチセンサ６００の静電容量式パッド６０２の動的割り当てに関連付けられたデータを表示または含み得、特定の静電容量式パッド６０２を、クラスタ分析に基づいてコントローラ１５００を操作するユーザのそれぞれの指に関連付ける。クラスタ分析モジュール１５２４は、共分散行列８００を生成すること、特徴ベクトルを導出すること、および特徴ベクトルをクラスタリングしてコントローラ構成１５２２を決定することなどによって、実行時に動的に決定されたコントローラ構成に、本明細書に記載のクラスタ分析を実装してもよい。

主題は、構造的特徴に固有の言語で説明されているが、添付の特許請求の範囲で定義された主題が必ずしも説明された特定の特徴に限定されないことを理解されたい。むしろ、具体的な特徴は、請求項を実装する例示的な形態として開示されている。
以下に、本出願の当初の特許請求の範囲に記載された発明を付記する。
［１］
システムであって、
ハンドヘルドコントローラであって、前記ハンドヘルドコントローラのハンドル上に分散された複数の静電容量式パッドを含むタッチセンサアレイを有する、ハンドヘルドコントローラと、
１つ以上のプロセッサと、
コンピュータ実行可能命令を記憶する１つ以上の非一時的なコンピュータ可読媒体であって、前記コンピュータ実行可能命令が、前記１つ以上のプロセッサによって実行されたとき、前記１つ以上のプロセッサに、
前記タッチセンサアレイから、前記複数の静電容量式パッドによって検出された静電容量値を受信することと、
前記静電容量値に少なくとも部分的に基づいて、前記複数の静電容量式パッドのうちのパッド対の間の相関を示す共分散行列を生成することと、
前記共分散行列に少なくとも部分的に基づいて、複数の特徴ベクトルを判定することであって、各特徴ベクトルが、前記複数の静電容量式パッドのうちのパッドに対応し、前記パッドと前記複数の静電容量式パッドのうちの１つ以上の他のパッドとの間の相関を記述する、決定することと、
クラスタリングアルゴリズムを使用して前記複数の特徴ベクトルをクラスタリングすることと、
前記クラスタリングに少なくとも部分的に基づいて、コントローラ構成に従って前記ハンドヘルドコントローラの前記タッチセンサアレイを構成することであって、前記コントローラ構成が、前記複数の静電容量式パッドの少なくとも第１のサブセットを、手の第１の指に対応する第１のグループに割り当て、前記複数の静電容量式パッドの第２のサブセットを、前記手の第２の指に対応する第２のグループに割り当てる、構成することと、を含む行為を実行させる、システム。
［２］
前記複数の静電容量式パッドが、ｎ個のパッドのセットを含み、ｎが、第１の整数であり、
前記共分散行列の前記生成が、前記複数の静電容量式パッドのうちのｄ個の基準パッドのサブセットに少なくとも部分的に基づいて、ｎ×ｄ共分散行列として前記共分散行列を生成することを含み、ｄが、前記第１の整数未満の第２の整数であり、
前記複数の特徴ベクトルの前記判定が、ｎ個のｄ次元特徴ベクトルを判定することを含む、［１］に記載のシステム。
［３］
前記複数のセンサが、前記ハンドル上にパッドの行および列で分散され、前記行が、前記ハンドル上で実質的に水平方向に配向され、前記列が、前記ハンドル上で実質的に垂直方向に配向され、
ｄ個の基準パッドの前記サブセットが、パッドの列を含む、［２］に記載のシステム。
［４］
前記クラスタリングアルゴリズムが、ｋ平均クラスタリングアルゴリズムであり、
前記複数の特徴ベクトルの前記クラスタリングが、
前記ｋ平均クラスタリングアルゴリズムを、
複数のｋ個のクラスタおよび
ｄ次元空間内の前記ｋ個のクラスタの中心推定値を含む入力パラメータで初期化することと、
前記複数の特徴ベクトルの各特徴ベクトルを、前記特徴ベクトルから最小距離である中心推定値を有する前記ｋ個のクラスタのうちのクラスタに割り当てることと、
各中心推定値を更新して、ｋ個の更新されたクラスタ中心を取得することであって、クラスタの中心推定値が、前記クラスタに割り当てられた前記特徴ベクトルに少なくとも部分的に基づいて更新される、取得することと、を含む、［２］に記載のシステム。
［５］
方法であって、
ハンドヘルドコントローラのタッチセンサアレイの複数のセンサによって生成されたデータを受信することであって、前記複数のセンサが、前記ハンドヘルドコントローラのハンドル上に分散されている、受信することと、
前記データに少なくとも部分的に基づいて、前記複数のセンサのうちのセンサ対の間の相関を示す共分散行列を生成することと、
前記共分散行列に少なくとも部分的に基づいて、複数の特徴ベクトルを判定することであって、各特徴ベクトルが、前記複数のセンサのうちのセンサに対応し、前記センサと前記複数のセンサのうちの１つ以上の他のセンサとの間の相関を記述する、決定することと、
クラスタリングアルゴリズムを使用して前記複数の特徴ベクトルをクラスタリングすることと、
前記クラスタリングに少なくとも部分的に基づいて、コントローラ構成に従って前記ハンドヘルドコントローラの前記タッチセンサアレイを構成することであって、前記コントローラ構成が、前記複数のセンサの少なくとも第１のサブセットを、手の第１の指に対応する第１のグループに割り当て、前記複数のセンサの第２のサブセットを、前記手の第２の指に対応する第２のグループに割り当てる、構成することと、を含む、方法。
［６］
前記複数のセンサが、ｎ個のセンサのセットを含み、ｎが、第１の整数であり、
前記共分散行列の前記生成が、前記複数のセンサのうちのｄ個の基準センサのサブセットに少なくとも部分的に基づいて、ｎ×ｄ共分散行列として前記共分散行列を生成することを含み、ｄが、前記第１の整数未満の第２の整数であり、
前記複数の特徴ベクトルの前記判定が、ｎ個のｄ次元特徴ベクトルを判定することを含む、［５］に記載の方法。
［７］
前記複数のセンサが、前記ハンドル上にセンサの行および列で分散され、前記行が、前記ハンドル上で実質的に水平方向に配向され、前記列が、前記ハンドル上で実質的に垂直方向に配向され、
ｄ個の基準センサの前記サブセットが、センサの列を含む、［６］に記載の方法。
［８］
前記クラスタリングアルゴリズムが、ｋ平均クラスタリングアルゴリズムであり、
前記複数の特徴ベクトルの前記クラスタリングが、
前記ｋ平均クラスタリングアルゴリズムを、
複数のｋ個のクラスタおよび
ｄ次元空間内の前記ｋ個のクラスタの中心推定値を含む入力パラメータで初期化することと、
前記複数の特徴ベクトルの各特徴ベクトルを、前記特徴ベクトルから最小距離である中心推定値を有する前記ｋ個のクラスタのうちのクラスタに割り当てることと、
各中心推定値を更新して、ｋ個の更新されたクラスタ中心を取得することであって、クラスタの中心推定値が、前記クラスタに割り当てられた前記特徴ベクトルに少なくとも部分的に基づいて更新される、取得することと、を含む、［６］に記載の方法。
［９］
前記複数の特徴ベクトルの前記クラスタリングが、前記更新されたクラスタ中心が最終的なクラスタ中心に収束するまで、前記割り当てを繰り返し、前記更新を繰り返すことをさらに含む、［８］に記載の方法。
［１０］
ｋ＝３であり、
前記コントローラ構成が、
前記複数のセンサの前記第１のサブセットを、前記手の前記第１の指に対応する前記第１のグループに割り当て、前記第１の指が、中指に対応し、
前記複数のセンサの前記第２のサブセットを、前記手の前記第２の指に対応する前記第２のグループに割り当て、前記第２の指が、薬指に対応し、
前記複数のセンサの第３のサブセットを、前記手の第３の指に対応する第３のグループに割り当て、前記第３の指が、小指に対応する、［８］に記載の方法。
［１１］
ｋ＝４であり、
前記コントローラ構成が、
前記複数のセンサの前記第１のサブセットを、前記手の前記第１の指に対応する前記第１のグループに割り当て、前記第１の指が、中指に対応し、
前記複数のセンサの前記第２のサブセットを、前記手の前記第２の指に対応する前記第２のグループに割り当て、前記第２の指が、薬指に対応し、
前記複数のセンサの第３のサブセットを、前記手の第３の指に対応する第３のグループに割り当て、前記第３の指が、小指に対応し、
前記複数のセンサの第４のサブセットを、非指グループに対応する第４のグループに割り当てる、［８］に記載の方法。
［１２］
前記第１のサブセットまたは前記第２のサブセットのうちの少なくとも１つが、閾値数のセンサを満たさない複数のセンサを含むことを判定することと、
前記第１のサブセットまたは前記第２のサブセットのうちの前記少なくとも１つによって生成されたデータを、前記タッチセンサアレイによって生成されたデータを入力として受信するように構成されたアプリケーションに送信することを控えることをさらに含む、［５］に記載の方法。
［１３］
前記第１のサブセットまたは前記第２のサブセットのうちの少なくとも１つが、前記第１のサブセットまたは前記第２のサブセットのうちの前記少なくとも１つのいずれかの他のセンサに隣接していない非隣接センサを含むことを判定することと、
前記非隣接センサによって生成されたデータを、前記タッチセンサアレイによって生成されたデータを入力として受信するように構成されたアプリケーションに送信することを控えることと、をさらに含む、［５］に記載の方法。
［１４］
前記タッチセンサアレイによって生成されたデータを入力として受信するように構成されたアプリケーションとともに利用される選択されたセンサとして、前記第１のサブセットまたは前記第２のサブセットのうちの少なくとも１つから所定数のセンサを選択することと、
前記選択されたセンサに含まれていない残りのセンサによって生成されたデータを前記アプリケーションに送信することを控えることと、をさらに含む、［５］に記載の方法。
［１５］
システムであって、
ハンドヘルドコントローラであって、前記ハンドヘルドコントローラのハンドルの周りに広がる複数のセンサを含むタッチセンサアレイを有する、ハンドヘルドコントローラと、
論理回路であって、
前記複数のセンサによって生成されたデータを受信することと、
前記データに少なくとも部分的に基づいて、前記複数のセンサのうちのセンサ対の間の相関を示す共分散行列を生成することと、
前記共分散行列に少なくとも部分的に基づいて、複数の特徴ベクトルを決定することであって、各特徴ベクトルが、前記複数のセンサのうちのセンサに対応し、前記センサと前記複数のセンサのうちの１つ以上の他のセンサとの間の相関を記述する、決定することと、
クラスタリングアルゴリズムを使用して前記複数の特徴ベクトルをクラスタリングすることと、
前記クラスタリングに少なくとも部分的に基づいて、コントローラ構成に従って前記ハンドヘルドコントローラの前記タッチセンサアレイを構成することであって、前記コントローラ構成が、前記複数のセンサの少なくとも第１のサブセットを、手の第１の指に対応する第１のグループに割り当て、前記複数のセンサの第２のサブセットを、前記手の第２の指に対応する第２のグループに割り当てる、構成することと、を行うように構成された論理回路と、を含む、システム。
［１６］
前記クラスタリングアルゴリズムが、
複数のｋ個のクラスタおよび
前記ｋ個のクラスタの中心推定値を含む入力パラメータで初期化されるｋ平均クラスタリングアルゴリズムであり、
前記コントローラ構成が、前記複数のセンサのｋ個のサブセットをｋ個のグループに割り当て、前記ｋ個のサブセットが、
前記手の前記第１の指に対応する前記第１のグループに割り当てられた前記複数のセンサの前記第１のサブセットであって、前記第１の指が、中指に対応する、前記第１のサブセットと、
前記手の前記第２の指に対応する前記第２のグループに割り当てられた前記複数のセンサの前記第２のサブセットであって、前記第２の指が、薬指に対応する、前記第２のサブセットと、
前記手の第３の指に対応する第３のグループに割り当てられた前記複数のセンサの第３のサブセットであって、前記第３の指が、小指に対応する、前記第３のサブセットと、を含む、［１５］に記載のシステム。
［１７］
前記ｋ個のサブセットが、非指グループに対応する第４のグループに割り当てられた前記複数のセンサの第４のサブセットをさらに含む、［１６］に記載のシステム。
［１８］
前記データを受信することが、一定期間にわたって前記データを受信することを含み、
前記共分散行列を生成することが、
前記一定期間にわたって受信された前記データに少なくとも部分的に基づいて、統計を計算することと、
前記統計に少なくとも部分的に基づいて、前記センサ対の間の相関値を判定することと、
前記共分散行列に前記相関値を代入することと、を含む、［１５］に記載のシステム。
［１９］
前記相関値が、負の１から正の１までの範囲の値である、［１８］に記載のシステム。
［２０］
前記論理回路が、
前記タッチセンサアレイによって生成されたデータを入力として受信するように構成されたアプリケーションとともに利用される選択されたセンサとして、前記第１のサブセットまたは前記第２のサブセットのうちの少なくとも１つから所定数のセンサを選択することと、
前記選択されたセンサに含まれていない残りのセンサによって生成されたデータを前記アプリケーションに送信することを控えることと、を行うようにさらに構成されている、［１５］に記載のシステム。

Claims (20)

1. システムであって、
   ハンドヘルドコントローラであって、前記ハンドヘルドコントローラのハンドル上に分散された複数の静電容量式パッドを含むタッチセンサアレイを有する、ハンドヘルドコントローラと、
   １つ以上のプロセッサと、
   コンピュータ実行可能命令を記憶する１つ以上の非一時的なコンピュータ可読媒体であって、前記コンピュータ実行可能命令が、前記１つ以上のプロセッサによって実行されたとき、前記１つ以上のプロセッサに、
   前記タッチセンサアレイから、前記複数の静電容量式パッドによって検出された静電容量値を受信することと、
   前記静電容量値に少なくとも部分的に基づいて、前記複数の静電容量式パッドのうちのパッド対の間の相関を示す共分散行列を生成することと、
   前記共分散行列に少なくとも部分的に基づいて、複数の特徴ベクトルを判定することであって、各特徴ベクトルが、前記複数の静電容量式パッドのうちのパッドに対応し、前記パッドと前記複数の静電容量式パッドのうちの１つ以上の他のパッドとの間の相関を記述する、決定することと、
   クラスタリングアルゴリズムを使用して前記複数の特徴ベクトルをクラスタリングすることと、
   前記クラスタリングに少なくとも部分的に基づいて、コントローラ構成に従って前記ハンドヘルドコントローラの前記タッチセンサアレイを構成することであって、前記コントローラ構成が、前記複数の静電容量式パッドの少なくとも第１のサブセットを、手の第１の指に対応する第１のグループに割り当て、前記複数の静電容量式パッドの第２のサブセットを、前記手の第２の指に対応する第２のグループに割り当てる、構成することと、を含む行為を実行させる、システム。
2. 前記複数の静電容量式パッドが、ｎ個のパッドのセットを含み、ｎが、第１の整数であり、
   前記共分散行列の前記生成が、前記複数の静電容量式パッドのうちのｄ個の基準パッドのサブセットに少なくとも部分的に基づいて、ｎ×ｄ共分散行列として前記共分散行列を生成することを含み、ｄが、前記第１の整数未満の第２の整数であり、
   前記複数の特徴ベクトルの前記判定が、ｎ個のｄ次元特徴ベクトルを判定することを含む、請求項１に記載のシステム。
3. 前記複数の静電容量式パッドが、前記ハンドル上にパッドの行および列で分散され、前記行が、前記ハンドル上で実質的に水平方向に配向され、前記列が、前記ハンドル上で実質的に垂直方向に配向され、
   ｄ個の基準パッドの前記サブセットが、パッドの列を含む、請求項２に記載のシステム。
4. 前記クラスタリングアルゴリズムが、ｋ平均クラスタリングアルゴリズムであり、
   前記複数の特徴ベクトルの前記クラスタリングが、
   前記ｋ平均クラスタリングアルゴリズムを、
   複数のｋ個のクラスタおよび
   ｄ次元空間内の前記ｋ個のクラスタの中心推定値を含む入力パラメータで初期化することと、
   前記複数の特徴ベクトルの各特徴ベクトルを、前記特徴ベクトルから最小距離である中心推定値を有する前記ｋ個のクラスタのうちのクラスタに割り当てることと、
   各中心推定値を更新して、ｋ個の更新されたクラスタ中心を取得することであって、クラスタの中心推定値が、前記クラスタに割り当てられた前記特徴ベクトルに少なくとも部分的に基づいて更新される、取得することと、を含む、請求項２に記載のシステム。
5. ハンドヘルドコントローラを含むシステムの１つ以上のプロセッサによって実行される方法であって、
   前記１つ以上のプロセッサによって、前記ハンドヘルドコントローラのタッチセンサアレイの複数のセンサによって生成されたデータを受信することであって、前記複数のセンサが、前記ハンドヘルドコントローラのハンドル上に分散されている、受信することと、
   前記１つ以上のプロセッサによって、前記データに少なくとも部分的に基づいて、前記複数のセンサのうちのセンサ対の間の相関を示す共分散行列を生成することと、
   前記１つ以上のプロセッサによって、前記共分散行列に少なくとも部分的に基づいて、複数の特徴ベクトルを判定することであって、各特徴ベクトルが、前記複数のセンサのうちのセンサに対応し、前記センサと前記複数のセンサのうちの１つ以上の他のセンサとの間の相関を記述する、決定することと、
   前記１つ以上のプロセッサによって、クラスタリングアルゴリズムを使用して前記複数の特徴ベクトルをクラスタリングすることと、
   前記１つ以上のプロセッサによって、前記クラスタリングに少なくとも部分的に基づいて、コントローラ構成に従って前記ハンドヘルドコントローラの前記タッチセンサアレイを構成することであって、前記コントローラ構成が、前記複数のセンサの少なくとも第１のサブセットを、手の第１の指に対応する第１のグループに割り当て、前記複数のセンサの第２のサブセットを、前記手の第２の指に対応する第２のグループに割り当てる、構成することと、を含む、方法。
6. 前記複数のセンサが、ｎ個のセンサのセットを含み、ｎが、第１の整数であり、
   前記共分散行列の前記生成が、前記複数のセンサのうちのｄ個の基準センサのサブセットに少なくとも部分的に基づいて、ｎ×ｄ共分散行列として前記共分散行列を生成することを含み、ｄが、前記第１の整数未満の第２の整数であり、
   前記複数の特徴ベクトルの前記判定が、ｎ個のｄ次元特徴ベクトルを判定することを含む、請求項５に記載の方法。
7. 前記複数のセンサが、前記ハンドル上にセンサの行および列で分散され、前記行が、前記ハンドル上で実質的に水平方向に配向され、前記列が、前記ハンドル上で実質的に垂直方向に配向され、
   ｄ個の基準センサの前記サブセットが、センサの列を含む、請求項６に記載の方法。
8. 前記クラスタリングアルゴリズムが、ｋ平均クラスタリングアルゴリズムであり、
   前記複数の特徴ベクトルの前記クラスタリングが、
   前記ｋ平均クラスタリングアルゴリズムを、
   複数のｋ個のクラスタおよび
   ｄ次元空間内の前記ｋ個のクラスタの中心推定値を含む入力パラメータで初期化することと、
   前記複数の特徴ベクトルの各特徴ベクトルを、前記特徴ベクトルから最小距離である中心推定値を有する前記ｋ個のクラスタのうちのクラスタに割り当てることと、
   各中心推定値を更新して、ｋ個の更新されたクラスタ中心を取得することであって、クラスタの中心推定値が、前記クラスタに割り当てられた前記特徴ベクトルに少なくとも部分的に基づいて更新される、取得することと、を含む、請求項６に記載の方法。
9. 前記複数の特徴ベクトルの前記クラスタリングが、前記更新されたクラスタ中心が最終的なクラスタ中心に収束するまで、前記割り当てを繰り返し、前記更新を繰り返すことをさらに含む、請求項８に記載の方法。
10. ｋ＝３であり、
    前記コントローラ構成が、
    前記複数のセンサの前記第１のサブセットを、前記手の前記第１の指に対応する前記第１のグループに割り当て、前記第１の指が、中指に対応し、
    前記複数のセンサの前記第２のサブセットを、前記手の前記第２の指に対応する前記第２のグループに割り当て、前記第２の指が、薬指に対応し、
    前記複数のセンサの第３のサブセットを、前記手の第３の指に対応する第３のグループに割り当て、前記第３の指が、小指に対応する、請求項８に記載の方法。
11. ｋ＝４であり、
    前記コントローラ構成が、
    前記複数のセンサの前記第１のサブセットを、前記手の前記第１の指に対応する前記第１のグループに割り当て、前記第１の指が、中指に対応し、
    前記複数のセンサの前記第２のサブセットを、前記手の前記第２の指に対応する前記第２のグループに割り当て、前記第２の指が、薬指に対応し、
    前記複数のセンサの第３のサブセットを、前記手の第３の指に対応する第３のグループに割り当て、前記第３の指が、小指に対応し、
    前記複数のセンサの第４のサブセットを、非指グループに対応する第４のグループに割り当てる、請求項８に記載の方法。
12. 前記１つ以上のプロセッサによって、前記第１のサブセットまたは前記第２のサブセットのうちの少なくとも１つが、閾値数のセンサを満たさない複数のセンサを含むことを判定することと、
    前記１つ以上のプロセッサによって、前記第１のサブセットまたは前記第２のサブセットのうちの前記少なくとも１つによって生成されたデータを、前記タッチセンサアレイによって生成されたデータを入力として受信するように構成されたアプリケーションに送信することを控えることをさらに含む、請求項５に記載の方法。
13. 前記１つ以上のプロセッサによって、前記第１のサブセットまたは前記第２のサブセットのうちの少なくとも１つが、前記第１のサブセットまたは前記第２のサブセットのうちの前記少なくとも１つのいずれかの他のセンサに隣接していない非隣接センサを含むことを判定することと、
    前記１つ以上のプロセッサによって、前記非隣接センサによって生成されたデータを、前記タッチセンサアレイによって生成されたデータを入力として受信するように構成されたアプリケーションに送信することを控えることと、をさらに含む、請求項５に記載の方法。
14. 前記１つ以上のプロセッサによって、前記タッチセンサアレイによって生成されたデータを入力として受信するように構成されたアプリケーションとともに利用される選択されたセンサとして、前記第１のサブセットまたは前記第２のサブセットのうちの少なくとも１つから所定数のセンサを選択することと、
    前記１つ以上のプロセッサによって、前記選択されたセンサに含まれていない残りのセンサによって生成されたデータを前記アプリケーションに送信することを控えることと、をさらに含む、請求項５に記載の方法。
15. システムであって、
    ハンドヘルドコントローラであって、前記ハンドヘルドコントローラのハンドルの周りに広がる複数のセンサを含むタッチセンサアレイを有する、ハンドヘルドコントローラと、
    論理回路であって、
    前記複数のセンサによって生成されたデータを受信することと、
    前記データに少なくとも部分的に基づいて、前記複数のセンサのうちのセンサ対の間の相関を示す共分散行列を生成することと、
    前記共分散行列に少なくとも部分的に基づいて、複数の特徴ベクトルを決定することであって、各特徴ベクトルが、前記複数のセンサのうちのセンサに対応し、前記センサと前記複数のセンサのうちの１つ以上の他のセンサとの間の相関を記述する、決定することと、
    クラスタリングアルゴリズムを使用して前記複数の特徴ベクトルをクラスタリングすることと、
    前記クラスタリングに少なくとも部分的に基づいて、コントローラ構成に従って前記ハンドヘルドコントローラの前記タッチセンサアレイを構成することであって、前記コントローラ構成が、前記複数のセンサの少なくとも第１のサブセットを、手の第１の指に対応する第１のグループに割り当て、前記複数のセンサの第２のサブセットを、前記手の第２の指に対応する第２のグループに割り当てる、構成することと、を行うように構成された論理回路と、を含む、システム。
16. 前記クラスタリングアルゴリズムが、
    複数のｋ個のクラスタおよび
    前記ｋ個のクラスタの中心推定値を含む入力パラメータで初期化されるｋ平均クラスタリングアルゴリズムであり、
    前記コントローラ構成が、前記複数のセンサのｋ個のサブセットをｋ個のグループに割り当て、前記ｋ個のサブセットが、
    前記手の前記第１の指に対応する前記第１のグループに割り当てられた前記複数のセンサの前記第１のサブセットであって、前記第１の指が、中指に対応する、前記第１のサブセットと、
    前記手の前記第２の指に対応する前記第２のグループに割り当てられた前記複数のセンサの前記第２のサブセットであって、前記第２の指が、薬指に対応する、前記第２のサブセットと、
    前記手の第３の指に対応する第３のグループに割り当てられた前記複数のセンサの第３のサブセットであって、前記第３の指が、小指に対応する、前記第３のサブセットと、を含む、請求項１５に記載のシステム。
17. 前記ｋ個のサブセットが、非指グループに対応する第４のグループに割り当てられた前記複数のセンサの第４のサブセットをさらに含む、請求項１６に記載のシステム。
18. 前記データを受信することが、一定期間にわたって前記データを受信することを含み、
    前記共分散行列を生成することが、
    前記一定期間にわたって受信された前記データに少なくとも部分的に基づいて、統計を計算することと、
    前記統計に少なくとも部分的に基づいて、前記センサ対の間の相関値を判定することと、
    前記共分散行列に前記相関値を代入することと、を含む、請求項１５に記載のシステム。
19. 前記相関値が、負の１から正の１までの範囲の値である、請求項１８に記載のシステム。
20. 前記論理回路が、
    前記タッチセンサアレイによって生成されたデータを入力として受信するように構成されたアプリケーションとともに利用される選択されたセンサとして、前記第１のサブセットまたは前記第２のサブセットのうちの少なくとも１つから所定数のセンサを選択することと、
    前記選択されたセンサに含まれていない残りのセンサによって生成されたデータを前記アプリケーションに送信することを控えることと、を行うようにさらに構成されている、請求項１５に記載のシステム。

Images