可穿戴的高密度EMG袖子用于复杂的手势分类和连续的关节角度估计
Nicholas Tacca1, Collin Dunlap2, Sean P Donegan3
1Battelle Memorial Institute, Neurotechnology, Columbus, OH, USA. tacca@battelle.org.
Scientific reports
|August 9, 2024
概括
高密度电肌图 (HD-EMG) 前臂袖有效解码复杂的手势,并估计关节角度,以增强人机交互. 这项技术在假肢,辅助设备和康复应用方面表现有前途.
科学领域:
- 生物医学工程 生物医学工程
- 人与计算机的交互
- 神经科学是一个神经科学.
背景情况:
- 高密度电肌图 (HD-EMG) 为人机交互 (HCI) 提供了一个自然的接口.
- 解读复杂的手部运动的肌肉活动在EMG驱动的HCI中仍然是一个挑战.
研究的目的:
- 为了证明新型HD-EMG前臂套的高分辨率肌肉活动捕获能力.
- 解码复杂的手势,并使用关节角度预测估计连续的手部位置.
- 评估算法修改以尽量减少解码器延迟和减少培训要求.
主要方法:
- 一个150个电极的HD-EMG前臂袖记录了10名参与者执行37个手动的肌肉活动.
- 来自23个联合角度的运动捕捉数据被用于训练回归模型.
- 对手势分类和连续关节角度估计的解码算法进行了评估.
主要成果:
- HD-EMG套件在分类手势方面达到很高的准确性 (在连续组中高达90%),并估计关节角度 (R2高达0.88).
- 关节角度估计的中位数绝对误差在所有关节保持在10°以下.
- 算法修改通过最小化延迟和减少训练数据需求来提高解码器性能.
结论:
- 高清-EMG套件,加上先进的机器学习,为手势识别和关节角度估计提供了强大的工具.
- 这项技术在假肢,辅助技术,康复和人机协作等领域具有很大的应用潜力.
