論文の概要: Learning and Online Replication of Grasp Forces from Electromyography Signals for Prosthetic Finger Control
- arxiv url: http://arxiv.org/abs/2505.02574v1
- Date: Mon, 05 May 2025 11:23:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-06 18:49:35.660627
- Title: Learning and Online Replication of Grasp Forces from Electromyography Signals for Prosthetic Finger Control
- Title（参考訳）: 人工指制御のための筋電図信号からのGrasp力の学習とオンラインレプリケーション
- Authors: Robin Arbaud, Elisa Motta, Marco Domenico Avaro, Stefano Picinich, Marta Lorenzini, Arash Ajoudani,
- Abstract要約: 部分的手切断は個人の身体的および精神社会的幸福に著しく影響を及ぼす。
筋電図(EMG)信号によって活性化される力制御義指を開発した。
ニューラルネットワークに基づくモデルが実装され、EMG入力から指先力を推定し、義指の握力のオンライン調整を可能にした。
- 参考スコア（独自算出の注目度）: 10.437235109088517
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Partial hand amputations significantly affect the physical and psychosocial well-being of individuals, yet intuitive control of externally powered prostheses remains an open challenge. To address this gap, we developed a force-controlled prosthetic finger activated by electromyography (EMG) signals. The prototype, constructed around a wrist brace, functions as a supernumerary finger placed near the index, allowing for early-stage evaluation on unimpaired subjects. A neural network-based model was then implemented to estimate fingertip forces from EMG inputs, allowing for online adjustment of the prosthetic finger grip strength. The force estimation model was validated through experiments with ten participants, demonstrating its effectiveness in predicting forces. Additionally, online trials with four users wearing the prosthesis exhibited precise control over the device. Our findings highlight the potential of using EMG-based force estimation to enhance the functionality of prosthetic fingers.
- Abstract（参考訳）: 部分的な手切断は個人の身体的・精神社会的幸福に大きく影響するが、外力による義肢の直感的な制御は依然としてオープンな課題である。
このギャップに対処するために,筋電図(EMG)信号によって活性化される力制御義指を開発した。
試作機は手首のブレスを中心に構築され、索引の近くに置かれる数字の指として機能し、未経験者の早期評価を可能にした。
ニューラルネットワークに基づくモデルが実装され、EMG入力から指先力を推定し、義指の握力のオンライン調整を可能にした。
10人の被験者による実験により, 力推定モデルの有効性を実証し, 力推定モデルの有効性を検証した。
さらに、義肢を装着した4人のユーザーによるオンライントライアルでは、デバイスを正確に制御できた。
本研究は筋電図に基づく力推定による義指の機能向上の可能性を明らかにするものである。
関連論文リスト
- Online Adaptation for Myographic Control of Natural Dexterous Hand and Finger Movements [0.6741087029030101]
この研究は、補綴制御システムから得られる信頼性、応答性、運動の複雑さの観点から、筋電図復号における最先端の状態を再定義する。
論文 参考訳（メタデータ） (2024-12-23T21:20:32Z) - emg2qwerty: A Large Dataset with Baselines for Touch Typing using Surface Electromyography [47.160223334501126]
emg2qwertyは、QWERTYキーボードでタッチ入力しながら手首に記録された非侵襲的筋電図信号の大規模なデータセットである。
1,135のセッションが108ユーザと346時間の録画にまたがっており、これまでで最大の公開データセットである。
sEMG信号のみを用いたキープレッシャの予測において,高いベースライン性能を示す。
論文 参考訳（メタデータ） (2024-10-26T05:18:48Z) - Agile gesture recognition for capacitive sensing devices: adapting
on-the-job [55.40855017016652]
本システムでは, コンデンサセンサからの信号を手の動き認識器に組み込んだ手動作認識システムを提案する。
コントローラは、着用者5本の指それぞれからリアルタイム信号を生成する。
機械学習技術を用いて時系列信号を解析し,500ms以内で5本の指を表現できる3つの特徴を同定する。
論文 参考訳（メタデータ） (2023-05-12T17:24:02Z) - Spatiotemporal modeling of grip forces captures proficiency in manual
robot control [5.504040521972806]
本稿では,ロボットの手動制御における個々のグリップ力の変動を予測するために,人工知能を利用したこれまでの研究に基づいて構築した。
統計的分析は、初心者と熟練した専門家の数千のグリップフォースにおいて、フォアスキルの時間的変動をもたらす。
論文 参考訳（メタデータ） (2023-03-03T15:08:00Z) - A Prototype System for High Frame Rate Ultrasound Imaging based
Prosthetic Arm Control [3.0938904602244355]
人工腕制御のための高フレームレート超音波イメージングのためのプロトタイプシステムを提案する。
人間の手を模倣できる仮想ロボットハンドシミュレーションが開発されている。
4つの手振りをシミュレートした分類モデルは,90%以上の分類精度を有する。
論文 参考訳（メタデータ） (2023-01-31T17:53:16Z) - fMRI Neurofeedback Learning Patterns are Predictive of Personal and
Clinical Traits [62.997667081978825]
機能的MRI(fMRI)による自律神経運動課題における学習経過の個人的シグネチャを得る。
署名は、第1セッションで同様のfMRI由来の脳の状態が与えられた後、第2セッションで扁桃体の活動を予測することに基づいている。
論文 参考訳（メタデータ） (2021-12-21T06:52:48Z) - Continuous Decoding of Daily-Life Hand Movements from Forearm Muscle
Activity for Enhanced Myoelectric Control of Hand Prostheses [78.120734120667]
本研究では,前腕のEMG活性をハンドキネマティクスに連続的にマップする,長期記憶(LSTM)ネットワークに基づく新しい手法を提案する。
私たちの研究は、この困難なデータセットを使用するハンドキネマティクスの予測に関する最初の報告です。
提案手法は, 人工手指の複数のDOFの独立的, 比例的アクティベーションのための制御信号の生成に適していることが示唆された。
論文 参考訳（メタデータ） (2021-04-29T00:11:32Z) - Multimodal Fusion of EMG and Vision for Human Grasp Intent Inference in
Prosthetic Hand Control [11.400385533782204]
前腕の視線映像,視線,筋電図を用いた意図推定のためのベイズ的エビデンス融合フレームワークを提案する。
我々は、手が物体に近づくと、時間関数として個人と融合性能を解析し、それを把握する。
論文 参考訳（メタデータ） (2021-04-08T17:01:19Z) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳（メタデータ） (2020-05-06T09:02:30Z)
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。