ChatEMG：用于中风患者控制机器人手臂矫形器的合成数据生成
机器人学
2025-04-11 v3 人工智能
机器学习
摘要
中风患者手臂矫形器的意图推断因数据收集困难而备受挑战。此外，EMG信号在不同条件、不同会话和不同受试者之间存在显著变化，使得分类器难以泛化。传统方法需要从新条件、新会话或新受试者处收集大量标记数据来训练意图分类器，但数据收集过程繁琐且耗时。本文提出ChatEMG，一种自回归生成模型，可基于提示词（即给定的EMG信号序列）生成合成EMG信号。ChatEMG使我们仅需从新条件、新会话或新受试者处收集少量数据，并通过来自新上下文的提示词扩展为合成样本。ChatEMG通过生成性训练利用大量历史数据的优势，同时通过提示词保持上下文特定性。我们的实验表明，这些合成样本对分类器具有无条件性，且能提高不同类型分类器的意图推断准确率。我们演示了完整方法可集成到单个患者会话中，包括使用分类器执行矫形器辅助功能任务。到目前为止，唯一一次将部分基于合成数据的意图分类器部署用于中风患者的矫形器功能控制。视频、源代码和其他信息可在https://jxu.ai/chatemg查阅。
引用
@article{arxiv.2406.12123,
title = {ChatEMG: Synthetic Data Generation to Control a Robotic Hand Orthosis for Stroke},
author = {Jingxi Xu and Runsheng Wang and Siqi Shang and Ava Chen and Lauren Winterbottom and To-Liang Hsu and Wenxi Chen and Khondoker Ahmed and Pedro Leandro La Rotta and Xinyue Zhu and Dawn M. Nilsen and Joel Stein and Matei Ciocarlie},
journal= {arXiv preprint arXiv:2406.12123},
year = {2025}
}
备注
8 pages; accepted to RA-L in November 2024; published at RA-L in February 2025