論文の概要: ALVI Interface: Towards Full Hand Motion Decoding for Amputees Using sEMG
- arxiv url: http://arxiv.org/abs/2502.21256v1
- Date: Fri, 28 Feb 2025 17:29:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-03 13:40:26.450071
- Title: ALVI Interface: Towards Full Hand Motion Decoding for Amputees Using sEMG
- Title（参考訳）: ALVIインタフェース: sEMG を用いた全手動作復号化
- Authors: Aleksandr Kovalev, Anna Makarova, Petr Chizhov, Matvey Antonov, Gleb Duplin, Vladislav Lomtev, Viacheslav Gostevskii, Vladimir Bessonov, Andrey Tsurkan, Mikhail Korobok, Aleksejs Timčenko,
- Abstract要約: 表面EMG信号を用いた手の動きの復号化システムを提案する。
インターフェースは、上肢のアンプ用に設計された20度の自由度で指の関節角度をリアルタイムに再構築する。
- 参考スコア（独自算出の注目度）: 32.472478101675655
- License:
- Abstract: We present a system for decoding hand movements using surface EMG signals. The interface provides real-time (25 Hz) reconstruction of finger joint angles across 20 degrees of freedom, designed for upper limb amputees. Our offline analysis shows 0.8 correlation between predicted and actual hand movements. The system functions as an integrated pipeline with three key components: (1) a VR-based data collection platform, (2) a transformer-based model for EMG-to-motion transformation, and (3) a real-time calibration and feedback module called ALVI Interface. Using eight sEMG sensors and a VR training environment, users can control their virtual hand down to finger joint movement precision, as demonstrated in our video: youtube link.
- Abstract（参考訳）: 表面EMG信号を用いた手の動きの復号化システムを提案する。
このインタフェースは、上肢切断のために設計された20度の自由度で指の関節角度をリアルタイム(25Hz)復元する。
オフライン解析では, 予測動作と実際の手の動きの相関関係が0.8。
本システムは,(1)VRベースデータ収集プラットフォーム,(2)EMG-to-motion変換のためのトランスフォーマーベースモデル,(3)ALVIインタフェースと呼ばれるリアルタイム校正・フィードバックモジュールの3つの主要コンポーネントと統合パイプラインとして機能する。
8つのsEMGセンサーとVRトレーニング環境を使って、ビデオで示されているように、ユーザーは仮想手から指の関節の動きの精度を制御できる。
関連論文リスト
- emg2pose: A Large and Diverse Benchmark for Surface Electromyographic Hand Pose Estimation [12.566524562446467]
信頼性と常に利用可能な手ポーズ推論は、人間とコンピュータの相互作用に対する新しい直感的な制御スキームをもたらす可能性がある。
装着可能な手首型表面筋電図(sEMG)は有望な代替手段である。
emg2poseは、高品質の手ポーズラベルと手首のsEMGレコードの公開データセットとして最大である。
論文 参考訳（メタデータ） (2024-12-02T23:39:37Z) - Reconfigurable Data Glove for Reconstructing Physical and Virtual Grasps [100.72245315180433]
本研究では,人間の手-物体相互作用の異なるモードを捉えるために,再構成可能なデータグローブの設計を提案する。
グローブは3つのモードで動作し、異なる特徴を持つ様々な下流タスクを実行する。
i)手の動きと関連力を記録し,(ii)VRの操作流速を改善するとともに,(iii)様々なツールの現実的なシミュレーション効果を生み出すことにより,システムの3つのモードを評価する。
論文 参考訳（メタデータ） (2023-01-14T05:35:50Z) - Improving Unsupervised Video Object Segmentation with Motion-Appearance
Synergy [52.03068246508119]
IMASは、トレーニングや推論において手動のアノテーションを使わずに、主要オブジェクトをビデオに分割する手法である。
IMASはMotion-Appearance Synergyによる改良されたUVOSを実現する。
人間のアノテーションや手作りハイパーパラム特有のメトリクスで調整された重要なハイパーパラムのチューニングにおいて、その効果を実証する。
論文 参考訳（メタデータ） (2022-12-17T06:47:30Z) - Simultaneous Estimation of Hand Configurations and Finger Joint Angles
using Forearm Ultrasound [8.753262480814493]
前腕超音波画像は、手の動きを理解するのに使える筋骨格の可視化を提供する。
我々は,MPP関節角度を予測するためのCNNベースのディープラーニングパイプラインを提案する。
ヒューマン・マシン・インタフェースのリアルタイム制御を目的としたMPP関節角度と手構成の両方を推定するための低遅延パイプラインが提案されている。
論文 参考訳（メタデータ） (2022-11-29T02:06:19Z) - Force-Aware Interface via Electromyography for Natural VR/AR Interaction [69.1332992637271]
我々はVR/ARにおける自然的および直感的な力入力のための学習ベースのニューラルネットワークを設計する。
我々は,3.3%の平均誤差で指の力量をリアルタイムでデコードし,キャリブレーションの少ない新規ユーザに一般化できることを実証した。
今後のVR/ARにおける、より現実的な物理性に向けた研究を進めるために、我々の研究成果を期待する。
論文 参考訳（メタデータ） (2022-10-03T20:51:25Z) - AvatarPoser: Articulated Full-Body Pose Tracking from Sparse Motion
Sensing [24.053096294334694]
AvatarPoserは、ユーザの頭と手の動きのみを入力として、世界座標におけるフルボディポーズを予測する最初の学習ベースの方法である。
提案手法はTransformerエンコーダ上に構築され,入力信号から深い特徴を抽出し,学習した局所的な関節方向からグローバルな動きを分離する。
我々の評価では、AvatarPoserは大規模なモーションキャプチャーデータセットの評価において、新しい最先端の結果を得た。
論文 参考訳（メタデータ） (2022-07-27T20:52:39Z) - Forward and Inverse models in HCI:Physical simulation and deep learning
for inferring 3D finger pose [2.8952292379640636]
機械学習を用いて、位置、ポーズ、センサーの読み取りを推測するために、データ駆動モデルを開発する。
条件付き変分オートエンコーダとドメインの専門知識/モデルを実験的に収集したデータを組み合わせる。
論文 参考訳（メタデータ） (2021-09-07T23:11:21Z) - Elastic Tactile Simulation Towards Tactile-Visual Perception [58.44106915440858]
触覚シミュレーションのための粒子の弾性相互作用(EIP)を提案する。
EIPは、触覚センサを協調粒子群としてモデル化し、接触時の粒子の変形を制御するために弾性特性を適用した。
さらに,触覚データと視覚画像間の情報融合を可能にする触覚知覚ネットワークを提案する。
論文 参考訳（メタデータ） (2021-08-11T03:49:59Z) - Physics-Based Dexterous Manipulations with Estimated Hand Poses and
Residual Reinforcement Learning [52.37106940303246]
ノイズの多い入力ポーズをターゲットの仮想ポーズにマッピングするモデルを学習する。
モデルフリーハイブリッドRL+ILアプローチを用いて残留条件下で訓練する。
筆者らは,VRにおける手動物体の相互作用と,それを用いた手動物体の動作再構成という,手動姿勢推定を用いた2つのアプリケーションで,我々のフレームワークを検証した。
論文 参考訳（メタデータ） (2020-08-07T17:34:28Z)
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。