ViT-MDHGR：通过 HD-sEMG 信号解码实现动态手势预测的跨日可靠性与敏捷性
人机交互
2023-09-25 v1 机器人学
信号处理
摘要
表面肌电（sEMG）与高密度 sEMG（HD-sEMG）生物信号因其以可穿戴、非侵入方式实现手势识别/预测的能力，已在假肢装置、神经机器人以及近期的人机接口中得到广泛研究。已有高日内（同日）性能的报道。然而，由于传统方法随时间泛化性差，日间性能（训练与测试日分离）显著下降，阻碍了此类技术在真实场景中的应用。近期关于多日手势识别可行性的研究有限。现有研究面临一大挑战：所需 sEMG 时长过长，导致相应神经接口因肌电控制中的诱导延迟而不实用。本文提出一种紧凑的基于 ViT 的网络用于多日动态手势预测。我们解决了主要挑战，因所提模型仅依赖极短 HD-sEMG 信号窗（即 50 ms，仅占实时肌电实现惯例的六分之一），提升了敏捷性与响应性。我们提出的模型可预测 20 名受试者的 11 种动态手势，在训练后 3–25 天的测试日上平均准确率超 71%。此外，当仅用测试日一小部分数据校准时，所提模型通过重训少于 10% 的参数即可实现超 92% 的准确率，计算高效。
引用
@article{arxiv.2309.12602,
title = {ViT-MDHGR: Cross-day Reliability and Agility in Dynamic Hand Gesture Prediction via HD-sEMG Signal Decoding},
author = {Qin Hu and Golara Ahmadi Azar and Alyson Fletcher and Sundeep Rangan and S. Farokh Atashzar},
journal= {arXiv preprint arXiv:2309.12602},
year = {2023}
}