自主监督的学习,通过声望学来直观地控制假肢手的运动

科学领域:

• 生物医学工程 生物医学工程
• 机器学习 机器学习
• 人与机器的互动 人与机器的互动

背景情况:

• 手对于日常活动至关重要,从肌肉活动中了解它的运动有助于推断人类的意图.
• 应用包括先进的假肢和外骨控制系统.
• 传统的方法需要标记数据进行监督学习,这可能是劳动密集型.

研究的目的:

• 提出一个自主监督的学习算法来估计手腕旋转和手掌握从声势学数据.
• 为了使手和手腕运动的同时估计,而不需要预先标记的动力学数据.
• 为了验证该算法的性能,在有能力的个人和截肢者中进行潜在的假肢应用.

主要方法:

• 开发了一种由肌肉协同作用启发的新型自主监督学习算法.
• 该算法利用未标记的前臂超声波信号 (音声学) 来进行运动估计.
• 运动标签是自动生成的,消除了校准期间需要外部动力学数据的需求.

主要成果:

• 该算法准确地估计了同时的手腕旋转和手握动作,实现了高相关系数 (0.98和0.94对于有能力者,0.98和0.90对于截肢者).
• 自主监督的学习表现超过了截肢参与者的监督学习.
• 在线实验证明了用于虚拟手控的预期运动的实时解密.

结论:

• 自主监督的学习从声势学提供了一个可行的和有效的方法来估计手和手腕的运动.
• 这种方法有望改善对假肢和外骨架设备的控制,特别是对截肢者.
• 这项研究为基于声势学的人机交互开辟了新的可能性.