論文の概要: Prosthetic Hand Manipulation System Based on EMG and Eye Tracking Powered by the Neuromorphic Processor AltAi
- arxiv url: http://arxiv.org/abs/2601.17991v2
- Date: Fri, 20 Feb 2026 13:21:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:40.944551
- Title: Prosthetic Hand Manipulation System Based on EMG and Eye Tracking Powered by the Neuromorphic Processor AltAi
- Title（参考訳）: ニューロモルフィックプロセッサAltAiによる筋電図と視線追跡に基づく義手操作システム
- Authors: Roman Akinshin, Elizaveta Lopatina, Kirill Bogatikov, Nikolai Kiz, Anna V. Makarova, Mikhail Lebedev, Miguel Altamirano Cabrera, Dzmitry Tsetserukou, Valerii Kangler,
- Abstract要約: 本稿では,表面筋電図と視線誘導型コンピュータビジョンを組み合わせた上肢義肢のニューロモルフィック制御アーキテクチャを提案する。
このシステムは、ニューロモルフィックプロセッサAltAi上に展開されたスパイクニューラルネットワークを使用して、眼球追跡ヘッドセットとシーンカメラがユーザーの焦点内の物体を識別している間、EMGパターンをリアルタイムで分類する。
- 参考スコア（独自算出の注目度）: 1.9044180551673717
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This paper presents a novel neuromorphic control architecture for upper-limb prostheses that combines surface electromyography (sEMG) with gaze-guided computer vision. The system uses a spiking neural network deployed on the neuromorphic processor AltAi to classify EMG patterns in real time while an eye-tracking headset and scene camera identify the object within the user's focus. In our prototype, the same EMG recognition model that was originally developed for a conventional GPU is deployed as a spiking network on AltAi, achieving comparable accuracy while operating in a sub-watt power regime, which enables a lightweight, wearable implementation. For six distinct functional gestures recorded from upper-limb amputees, the system achieves robust recognition performance comparable to state-of-the-art myoelectric interfaces. When the vision pipeline restricts the decision space to three context-appropriate gestures for the currently viewed object, recognition accuracy increases to roughly 95% while excluding unsafe, object-inappropriate grasps. These results indicate that the proposed neuromorphic, context-aware controller can provide energy-efficient and reliable prosthesis control and has the potential to improve safety and usability in everyday activities for people with upper-limb amputation.
- Abstract（参考訳）: 本稿では,表面筋電図と視線誘導型コンピュータビジョンを組み合わせた上肢義肢のニューロモルフィック制御アーキテクチャを提案する。
このシステムは、ニューロモルフィックプロセッサAltAi上に展開されたスパイクニューラルネットワークを使用して、眼球追跡ヘッドセットとシーンカメラがユーザーの焦点内の物体を識別している間、EMGパターンをリアルタイムで分類する。
プロトタイプでは、従来のGPU用に開発されたのと同じEMG認識モデルがAltAi上のスパイクネットワークとしてデプロイされ、軽量でウェアラブルな実装を可能にするサブワット電力システムで動作しながら、同等の精度を実現している。
上肢のアンプから記録された6つの異なる機能的ジェスチャーに対して、このシステムは最先端の筋電インタフェースに匹敵する頑健な認識性能を実現する。
視覚パイプラインが、現在見ているオブジェクトに対して3つのコンテキストに適したジェスチャーに決定空間を制限した場合、認識精度は、安全でないオブジェクト不適切な把握を除き、約95%に向上する。
以上の結果から, 提案したニューロモルフィック・コンテキスト対応コントローラは, エネルギー効率が高く信頼性の高い補綴制御が可能であり, 上肢切断患者の日常活動における安全性とユーザビリティを向上させる可能性が示唆された。
関連論文リスト
- Finger Force Decoding from Motor Units Activity on Neuromorphic Hardware [1.8754256211583082]
本研究では,各運動ニューロンからのスパイクトレインを用いた指力回帰法を提案する。
これらの生物学的に接地された信号は、混合信号ニューロモルフィックプロセッサに実装されたスパイクニューラルネットワークを駆動する。
これは、ニューロモルフィックハードウェア上で直接計算された運動ニューロンに基づく連続回帰の最初の実証である。
論文 参考訳（メタデータ） (2025-07-31T11:55:02Z) - BrainOmni: A Brain Foundation Model for Unified EEG and MEG Signals [46.121056431476156]
異種脳波とMEG記録を対象とする脳基礎モデルBrain Omniを提案する。
既存のアプローチは一般的に、パフォーマンスとクロスドメインのスケーラビリティを制限する、分離、モダリティ、データセット固有のモデルに依存します。
EEGの合計1,997時間、MEGデータの656時間は、事前トレーニングのために公開されているソースからキュレーションされ、標準化されている。
論文 参考訳（メタデータ） (2025-05-18T14:07:14Z) - Efficient and Robust Multidimensional Attention in Remote Physiological Sensing through Target Signal Constrained Factorization [7.947387272047604]
マルチモーダルビデオ入力からの光胸腺造影(rRSP)信号と呼吸(rRSP)信号の同時推定を目的とした,効率的なデュアルブランチ3D-CNNアーキテクチャであるMMRPhysを提案する。
TSFMを用いたMMRPhysは、リアルタイムアプリケーションに適した最小の推論レイテンシを維持しつつ、RRSP推定のための領域シフトの一般化において最先端の手法を著しく上回ることを示す。
論文 参考訳（メタデータ） (2025-05-11T15:20:45Z) - Event-Driven Implementation of a Physical Reservoir Computing Framework for superficial EMG-based Gesture Recognition [2.222098162797332]
本稿では,表面筋電図(SEMG)データをイベント駆動方式で抽出することで,ジェスチャー認識のための新しいニューロモーフィックな実装手法を提案する。
このネットワークは、スパイキングニューラルネットワーク(SNN)の領域内で、回転ニューロン貯水池(Rotating Neuron Reservoir, RNR)と呼ばれる単純な構造化およびハードウェアフレンドリな物理貯留層コンピューティングフレームワークを実装して設計された。
提案システムはオープンアクセス型大規模sEMGデータベースで検証され,平均分類精度は74.6%,80.3%であった。
論文 参考訳（メタデータ） (2025-03-10T17:18:14Z) - REST: Efficient and Accelerated EEG Seizure Analysis through Residual State Updates [54.96885726053036]
本稿では,リアルタイム脳波信号解析のための新しいグラフベース残状態更新機構(REST)を提案する。
グラフニューラルネットワークとリカレント構造の組み合わせを活用することで、RESTは、非ユークリッド幾何学とEEGデータ内の時間的依存関係の両方を効率的にキャプチャする。
本モデルは,発作検出と分類作業において高い精度を示す。
論文 参考訳（メタデータ） (2024-06-03T16:30:19Z) - 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) - Next-generation Surgical Navigation: Marker-less Multi-view 6DoF Pose Estimation of Surgical Instruments [64.59698930334012]
静止カメラとヘッドマウントカメラを組み合わせたマルチカメラ・キャプチャー・セットアップを提案する。
第2に,手術用ウェットラボと実際の手術用劇場で撮影された元脊椎手術のマルチビューRGB-Dビデオデータセットを公表した。
第3に,手術器具の6DoFポーズ推定の課題に対して,最先端のシングルビューとマルチビューの3つの手法を評価した。
論文 参考訳（メタデータ） (2023-05-05T13:42:19Z) - Self-Supervised Masked Convolutional Transformer Block for Anomaly
Detection [122.4894940892536]
本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。
本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
論文 参考訳（メタデータ） (2022-09-25T04:56:10Z) - Low Power Neuromorphic EMG Gesture Classification [3.8761525368152725]
スパイキングニューラルネットワーク(SNN)は、低消費電力でリアルタイムなEMGジェスチャー認識を約束している。
ニューロモルフィック・リカレントスパイキングニューラルネットワーク(RSNN)を用いたEMG信号に基づくジェスチャー認識の低消費電力高精度実証を行った。
我々のネットワークは,Roshambo EMGデータセット上で報告された最高の技術よりも53%の精度で,最先端の精度分類(90%)を実現している。
論文 参考訳（メタデータ） (2022-06-04T22:09:34Z) - Towards Creating a Deployable Grasp Type Probability Estimator for a
Prosthetic Hand [11.008123712007402]
InceptionV3は0.95角類似度で最高精度を達成し、1.4 MobileNetV2は0.93で動作量は20%である。
我々の研究は、機械学習とコンピュータビジョンによるEMGインテント推論を物理的状態の確率で拡張することを可能にする。
論文 参考訳（メタデータ） (2021-01-13T21:39:41Z)
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。