基于动态手势识别的双向手臂支的外套系统,用于双边援助
概括
这项研究介绍了一种用于老年人手部运动障碍的电肌图 (EMG) 外套系统. 该系统使用先进的人工智能模型进行手势识别,大大改善了日常任务协助和双边协调.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 生物医学工程 生物医学工程
- 人工智能的人工智能
背景情况:
- 手部运动障碍显著影响老年人的日常生活和独立性.
- 现有的辅助设备往往缺乏对细微的手动和双边协调进行复杂的控制.
研究的目的:
- 开发和评估一种带有双向手臂支的电肌图 (EMG) 外套系统,用于双边协调援助.
- 通过智能辅助设备,提高手部运动障碍者日常任务的表现.
主要方法:
- 开发了一个新的外套系统,包括硬件 (外套克,背包,EMG模块,双向手套) 和软件.
- 实现了一个动态的手势识别模型,利用图形卷积网络 (GCN) 和长短期记忆 (LSTM) 网络进行EMG信号分析.
- 进行了离线培训和在线控制实验,以验证手势识别和系统有效性.
主要成果:
- 实现了96.42%±3.26%的高手势识别率,优于传统模型.
- 所有科目均成功完成日常任务,双边协调援助成功率高 (88.75%和86.88%).
- 验证了外套系统在为日常活动提供双向手臂支方面的有效性.
结论:
- 开发的EMG外套系统通过双向手臂支持和双边协调,有效地帮助手部运动受损的老年人执行日常任务.
- 拟议的基于GCN-LSTM的动态手势识别模型为控制辅助设备提供了一种优越的方法.
- 该系统和方法在各种肢体辅助场景中显示出更广泛应用的前景.
