論文の概要: emg2tendon: From sEMG Signals to Tendon Control in Musculoskeletal Hands

• arxiv url: http://arxiv.org/abs/2508.08269v1
• Date: Tue, 29 Jul 2025 12:49:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-17 22:58:06.152679
• Title: emg2tendon: From sEMG Signals to Tendon Control in Musculoskeletal Hands
• Title（参考訳）: emg2tendon:筋骨格手におけるsEMGシグナルから腱制御へ
• Authors: Sagar Verma,
• Abstract要約: 腱駆動のロボットハンドは、操作タスクに非平行なデキスタリティを提供する。 しかし,このようなシステムに対する学習制御方針は,独特な課題を呈している。 ロボットハンドのための大規模なEMG-to-Tendon Controlデータセットについて紹介する。
• 参考スコア（独自算出の注目度）: 5.613626927694011
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Tendon-driven robotic hands offer unparalleled dexterity for manipulation tasks, but learning control policies for such systems presents unique challenges. Unlike joint-actuated robotic hands, tendon-driven systems lack a direct one-to-one mapping between motion capture (mocap) data and tendon controls, making the learning process complex and expensive. Additionally, visual tracking methods for real-world applications are prone to occlusions and inaccuracies, further complicating joint tracking. Wrist-wearable surface electromyography (sEMG) sensors present an inexpensive, robust alternative to capture hand motion. However, mapping sEMG signals to tendon control remains a significant challenge despite the availability of EMG-to-pose data sets and regression-based models in the existing literature. We introduce the first large-scale EMG-to-Tendon Control dataset for robotic hands, extending the emg2pose dataset, which includes recordings from 193 subjects, spanning 370 hours and 29 stages with diverse gestures. This dataset incorporates tendon control signals derived using the MyoSuite MyoHand model, addressing limitations such as invalid poses in prior methods. We provide three baseline regression models to demonstrate emg2tendon utility and propose a novel diffusion-based regression model for predicting tendon control from sEMG recordings. This dataset and modeling framework marks a significant step forward for tendon-driven dexterous robotic manipulation, laying the groundwork for scalable and accurate tendon control in robotic hands. https://emg2tendon.github.io/
• Abstract（参考訳）: 腱駆動のロボットハンドは、操作タスクに例外のないデキスタリティを提供するが、そのようなシステムの学習制御ポリシーは、ユニークな課題を呈している。 関節作動式ロボットハンドとは異なり、腱駆動システムはモーションキャプチャ(モキャップ)データと腱制御の間に直接1対1のマッピングを欠いているため、学習プロセスは複雑で費用がかかる。 さらに、現実世界のアプリケーションに対する視覚的トラッキング手法は、閉塞や不正確になりがちであり、さらに関節追跡を複雑にしている。 装着可能な表面筋電図(sEMG)センサーは、手の動きを捉えるための安価で堅牢な代替手段を提供する。 しかし、既存の文献では、EMG-to-poseデータセットと回帰モデルが利用可能であるにもかかわらず、sEMG信号を腱制御にマッピングすることは大きな課題である。 ロボットハンドのための最初の大規模EMG-to-Tendon制御データセットを導入し、193人の被験者からの録音を含むEMG2poseデータセットを拡張し、多様なジェスチャーで370時間29ステージにまたがる。 このデータセットには、MyoSuitemyoHandモデルから派生したテントン制御信号が含まれており、以前の方法では無効なポーズのような制限に対処する。 本稿では, Emg2tendon の有用性を示すための3つのベースライン回帰モデルを提案し, sEMG 記録からテントン制御を予測するための新しい拡散型回帰モデルを提案する。 このデータセットとモデリングフレームワークは、ロボットハンドにおけるスケーラブルで正確な腱制御の基礎となる、腱駆動のデキスタラスなロボット操作にとって、重要な一歩となる。 https://emg2tendon.github.io/

関連論文リスト

• 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)
• FORS-EMG: A Novel sEMG Dataset for Hand Gesture Recognition Across Multiple Forearm Orientations [1.3852370777848657]
  表面筋電図(sEMG)信号はジェスチャー認識と頑健な義手発達に重要な可能性を秘めている。 本研究は、3つの異なる方向をまたいだ手の動きを評価するための新しいMFI sEMGデータセットを提案する。
  論文  参考訳（メタデータ） (2024-09-03T14:23:06Z)
• STMT: A Spatial-Temporal Mesh Transformer for MoCap-Based Action Recognition [50.064502884594376]
  本研究では、モーションキャプチャー(MoCap)シーケンスを用いた人間の行動認識の問題点について検討する。 メッシュシーケンスを直接モデル化する新しい時空間メッシュ変換器(STMT)を提案する。 提案手法は,スケルトンベースモデルやポイントクラウドベースモデルと比較して,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2023-03-31T16:19:27Z)
• 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)

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。