論文の概要: MindArm: Mechanized Intelligent Non-Invasive Neuro-Driven Prosthetic Arm System

• arxiv url: http://arxiv.org/abs/2403.19992v2
• Date: Sat, 19 Oct 2024 18:23:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-22 13:11:13.619949
• Title: MindArm: Mechanized Intelligent Non-Invasive Neuro-Driven Prosthetic Arm System
• Title（参考訳）: MindArm: 機械化されたインテリジェントな非侵襲型神経駆動義肢システム
• Authors: Maha Nawaz, Abdul Basit, Muhammad Shafique,
• Abstract要約: MindArmはディープニューラルネットワーク(DNN)を使用して、低コストの表面脳波(EEG)電極で捉えた脳信号を人工腕の動きに変換する。 価格は約500～550ドルで、EEGヘッドセットは400ドル、モーターは100～150ドル、3Dプリンティング、組み立てなどだ。
• 参考スコア（独自算出の注目度）: 5.528262076322921
• License:
• Abstract: Currently, individuals with arm mobility impairments (referred to as "patients") face limited technological solutions due to two key challenges: (1) non-invasive prosthetic devices are often prohibitively expensive and costly to maintain, and (2) invasive solutions require high-risk, costly brain surgery, which can pose a health risk. Therefore, current technological solutions are not accessible for all patients with different financial backgrounds. Toward this, we propose a low-cost technological solution called MindArm, an affordable, non-invasive neuro-driven prosthetic arm system. MindArm employs a deep neural network (DNN) to translate brain signals, captured by low-cost surface electroencephalogram (EEG) electrodes, into prosthetic arm movements. Utilizing an Open Brain Computer Interface and UDP networking for signal processing, the system seamlessly controls arm motion. In the compute module, we run a trained DNN model to interpret filtered micro-voltage brain signals, and then translate them into a prosthetic arm action via serial communication seamlessly. Experimental results from a fully functional prototype show high accuracy across three actions, with 91% for idle/stationary, 85% for handshake, and 84% for cup pickup. The system costs approximately $500-550, including $400 for the EEG headset and $100-150 for motors, 3D printing, and assembly, offering an affordable alternative for mind-controlled prosthetic devices.
• Abstract（参考訳）: 現在、腕の可動性障害(「患者」と呼ばれる)を持つ人は、(1)非侵襲的な人工装具は、しばしば高価でメンテナンスにコストがかかること、(2)侵襲的なソリューションは、リスクが高くて高価な脳外科を必要とすること、という2つの主要な課題により、限られた技術的解決策に直面している。 したがって、現在の技術的ソリューションは、異なる経済的背景を持つすべての患者にアクセスできない。 そこで本研究では,安価な非侵襲型義肢システムであるMindArmを提案する。 MindArmはディープニューラルネットワーク(DNN)を使用して、低コストの表面脳波(EEG)電極で捉えた脳信号を人工腕の動きに変換する。 信号処理にOpen Brain Computer InterfaceとUDPネットワークを利用することで、システムは腕の動きをシームレスに制御する。 計算モジュールでは、トレーニングされたDNNモデルを実行して、フィルタされたマイクロ電圧の脳信号を解釈し、それらをシリアル通信を介して補綴アームアクションに変換する。 完全機能プロトタイプによる実験結果は, アイドル/静止時の91%, ハンドシェイク時の85%, カップピックアップ時の84%の3つの動作に対して高い精度を示した。 価格は約500～550ドル(約5万5000円)で、ヘッドセットは400ドル(約4万5000円)、モーターは100～150ドル(約1万1000円)。

関連論文リスト

• Digitizing Touch with an Artificial Multimodal Fingertip [51.7029315337739]
  人間とロボットはどちらも、周囲の環境を知覚し、相互作用するためにタッチを使うことの恩恵を受ける。 ここでは、タッチのデジタル化を改善するための概念的および技術革新について述べる。 これらの進歩は、高度なセンシング機能を備えた人工指型センサーに具現化されている。
  論文  参考訳（メタデータ） (2024-11-04T18:38:50Z)
• Deep Neural Network Architecture Search for Accurate Visual Pose Estimation aboard Nano-UAVs [69.19616451596342]
  小型無人航空機(UAV)は、新興かつトレンドのトピックである。 我々は、新しいニューラルネットワーク探索(NAS)技術を活用し、視覚的ポーズ推定タスクのために複数の畳み込みニューラルネットワーク(CNN)を自動的に識別する。 その結果,10Hz@10mWおよび50Hz@90mWの実時間オンボード推算速度を達成しつつ,フィールド内制御誤差を32%低減し,現状を改善できた。
  論文  参考訳（メタデータ） (2023-03-03T14:02:09Z)
• NeRF in the Palm of Your Hand: Corrective Augmentation for Robotics via Novel-View Synthesis [50.93065653283523]
  SPARTN(Synthetic Perturbations for Augmenting Robot Trajectories via NeRF)は、ロボットポリシーを改善するための完全なオフラインデータ拡張スキームである。 提案手法はニューラルレイディアンス場(NeRF)を利用して,視覚的デモンストレーションに補正ノイズを合成注入する。 シミュレーションされた6-DoF視覚的把握ベンチマークでは、SPARTNは精度を2.8$times$で改善する。
  論文  参考訳（メタデータ） (2023-01-18T23:25:27Z)
• Robotic Navigation Autonomy for Subretinal Injection via Intelligent Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
  網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。 提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。 ブタ前眼の精度と再現性について実験を行った。
  論文  参考訳（メタデータ） (2023-01-17T21:41:21Z)
• In the realm of hybrid Brain: Human Brain and AI [0.0]
  現在の脳-コンピュータインターフェース(BCI)技術は主に治療結果に関するものである。 近年,脳信号のデコードには人工知能(AI)と機械学習(ML)技術が用いられている。 クローズドループ,インテリジェント,低消費電力,小型化されたニューラルインターフェースの開発を想定する。
  論文  参考訳（メタデータ） (2022-10-04T08:35:34Z)
• Active Predicting Coding: Brain-Inspired Reinforcement Learning for Sparse Reward Robotic Control Problems [79.07468367923619]
  ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。 我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。 提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
  論文  参考訳（メタデータ） (2022-09-19T16:49:32Z)
• Artificial Intelligence Enables Real-Time and Intuitive Control of Prostheses via Nerve Interface [25.870454492249863]
  本物の手のように動き、感じる次世代の義手は、人間の心と機械の間の堅牢な神経の相互接続を必要とします。 本稿では,人工知能(AI)エージェントを用いて末梢神経インターフェースを介して切断者の運動意図を翻訳することにより,その原理を実証する神経補綴システムを提案する。
  論文  参考訳（メタデータ） (2022-03-16T14:33:38Z)
• A Portable, Self-Contained Neuroprosthetic Hand with Deep Learning-Based Finger Control [18.09497225404653]
  深層学習に基づく制御を組み込んだ神経補綴ハンドの実装について述べる。 ニューラルデコーダは、リカレントニューラルネットワーク(RNN)アーキテクチャに基づいて設計され、NVIDIA Jetson Nano上にデプロイされる。 これにより、個々の指の動きをリアルタイムに制御するポータブルで自己完結型ユニットとして、神経義手の実装が可能になる。
  論文  参考訳（メタデータ） (2021-03-24T19:11:58Z)
• Design of an Affordable Prosthetic Arm Equipped with Deep Learning Vision-Based Manipulation [0.0]
  この論文は、手頃な価格で簡単にアクセス可能な新しい義肢の設計プロセスの概要を概説する。 この3dプリント義手は、深度カメラとクローズドループのオフポリシー深層学習アルゴリズムを備えており、対象物に対する形状把握を支援する。 未確認のオブジェクトに対して78%の成功率を実現し、操作タスクのために複数のオブジェクトをまたいだ一般化を実現しました。
  論文  参考訳（メタデータ） (2021-03-03T00:35:06Z)
• OmniTact: A Multi-Directional High Resolution Touch Sensor [109.28703530853542]
  既存の触覚センサーは、平らで、感度が小さいか、低解像度の信号のみを提供する。 我々は,多方向高解像度触覚センサOmniTactを紹介する。 我々は,ロボット制御の課題に対して,OmniTactの能力を評価する。
  論文  参考訳（メタデータ） (2020-03-16T01:31:29Z)
• DeepBrain: Towards Personalized EEG Interaction through Attentional and Embedded LSTM Learning [20.300051894095173]
  本稿では,低コストデバイスであるDeepBrainからの粗い脳波信号の組込み学習を通じて,脳-ロボット間相互作用(BRI)を実現するエンド・ツー・エンドのソリューションを提案する。 1)脳波信号の時間依存性とその分類を扱うための特定の前処理技術を備えた長期記憶(拡張LSTM)構造を提案する。 我々の実世界の実験は、低コストで提案されたエンドツーエンドのソリューションが、良好な実行速度、精度、エネルギー効率を実現することを実証している。
  論文  参考訳（メタデータ） (2020-02-06T03:34:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。