面向下一代手部假肢的硬件高效肌电信号解码
信号处理
2024-06-03 v2 机器学习
摘要
神经工程的进步使得旨在恢复手部功能的机器人假手得以发展。当前商用机器人假手通过基本的开/关命令提供有限的控制。机器学习的最新进展使得具有更高自由度的手指运动解码成为可能，然而这些模型的高计算复杂度限制了它们在便携式设备中的应用。未来的机器人假手设计必须在便携性、低功耗和高解码精度之间取得平衡，才能对残疾人士实用。为此，我们引入了一种新颖的基于吸引子的神经网络，以实现下一代便携式机器人假手的片上运动解码。所提出的架构包括编码器、注意力层、吸引子网络和细化回归器。我们在四名健康受试者上测试了模型，达到了80.3%的解码精度。与最先进的LSTM和CNN模型相比，我们提出的模型分别紧凑了120倍和50倍以上，同时具有相当（或更优）的解码精度。因此，它表现出最小的硬件复杂性，并且可以有效地集成为片上系统。
关键词
引用
@article{arxiv.2405.20052,
title = {Hardware-Efficient EMG Decoding for Next-Generation Hand Prostheses},
author = {Mohammad Kalbasi and MohammadAli Shaeri and Vincent Alexandre Mendez and Solaiman Shokur and Silvestro Micera and Mahsa Shoaran},
journal= {arXiv preprint arXiv:2405.20052},
year = {2024}
}
备注
\{copyright} 2024 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works