使用软打印电极阵列在动态手部位置下估计手指关节角度和手势
概括
这项研究使用软可穿戴表面电肌图 (sEMG) 传感器和先进的人工智能模型来增强手指手势识别. 这种方法可以提高静态和动态手动的精度,从而实现更好的人机界面.
科学领域:
- 生物医学工程 生物医学工程
- 人与计算机的交互
- 可穿戴技术可穿戴技术
背景情况:
- 表面电肌图 (sEMG) 对人机界面 (HMI) 有希望,但与工件和可变性作斗争.
- 现有的sEMG手势识别通常依赖于静态的手部位置,限制了现实世界的应用.
- 动态的手动运动由于人工制品和个体差异而带来了重大挑战.
研究的目的:
- 使用软可穿戴sEMG传感器开发一个改进的手指手势识别系统.
- 为了提高手指关节角度预测和手势识别在静态和动态的双手位置.
- 解决目前基于sEMG的系统的局限性,特别是在动态环境中.
主要方法:
- 软可穿戴sEMG传感器与视频视觉转换模型的集成.
- 利用基于运动传感器的训练来增强数据采集.
- 跨多元参与者进行测试,以评估可变性和性能.
主要成果:
- 尽管参与者之间存在差异,但指角和手势的差异化表现出色.
- 在高性能参与者中实现了高识别精度:静态条件为0.85,动态条件为0.87 (N=16).
- 在控制和动态手动场景中验证了系统的有效性.
结论:
- 开发的系统推进了基于EMG的手势识别,用于更强大的现实应用.
- 这项技术在神经康复和辅助设备方面具有重大潜力.
- 为患有神经肌肉疾病的个人贡献下一代可穿戴神经技术.
