論文の概要: Real-Time sEMG-Based Telecontrol of an Assistive Robotic Arm Using a 1D Convolutional Neural Network

• arxiv url: http://arxiv.org/abs/2607.16310v1
• Date: Tue, 14 Jul 2026 15:34:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.105828
• Title: Real-Time sEMG-Based Telecontrol of an Assistive Robotic Arm Using a 1D Convolutional Neural Network
• Title（参考訳）: 1次元畳み込みニューラルネットワークを用いたロボットアームのリアルタイムsEMGによる遠隔操作
• Abstract要約: 本研究は、ロボットアームの遠隔操作のためのリアルタイムsEMGベースのインタフェースを提案する。 このシステムは4チャンネルのsEMG取得、信号前処理、スライディングウィンドウへのセグメント化、一次元畳み込みニューラルネットワーク(CNN)を用いた分類に依存している。 システムは安定したリアルタイム動作を示し、平均遅延は約0.32秒であり、選択したウィンドウング戦略と一致している。
• 参考スコア（独自算出の注目度）: 0.30786914102688595
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Motor impairments affecting the upper limb significantly reduce autonomy in daily activities, particularly for tasks involving object manipulation. Assistive robotic arms offer a promising solution, provided they can be controlled in an intuitive, reliable, and responsive manner. Among human--machine interface approaches, surface electromyography (sEMG) enables non-invasive access to muscle activity and thus to the user's motor intentions. This work proposes a real-time sEMG-based interface for the teleoperation of an assistive robotic arm. The system relies on four-channel sEMG acquisition, signal preprocessing, segmentation into sliding windows, and classification using a one-dimensional convolutional neural network (CNN). Several real-time strategies are investigated, including threshold-based onset detection, a two-stage classification approach (rest vs movement followed by gesture recognition), and a single classifier handling both rest and five gestures. The complete pipeline is implemented and evaluated both in simulation and on a real robotic platform. The CNN-based approach achieves high classification performance, with a test accuracy above 90\% and strong generalization on experimentally acquired signals. The system exhibits stable real-time behavior, with an average latency of approximately 0.32 s consistent with the chosen windowing strategy, and the robot can be controlled reliably using discrete gestures, producing coherent and smooth movements in both simulated and real environments. These findings demonstrate the feasibility of sEMG-based telecontrol for assistive robotics and highlight the importance of integrating signal processing, deep learning, and control strategies within a unified real-time framework. Future work may explore hybrid control approaches combining sEMG with additional sensing modalities to further improve robustness and usability.
• Abstract（参考訳）: 上肢に影響を及ぼす運動障害は、特に物体操作に関わるタスクにおいて、日常生活における自律性を著しく低下させる。 ロボットアームは、直感的で信頼性があり、応答性のある方法で制御できるので、有望なソリューションを提供する。 ヒューマン・マシン・インタフェースのアプローチの中で、表面筋電図(sEMG)は筋活動に非侵襲的にアクセスでき、それによってユーザーの運動意図にアクセスできる。 本研究は、ロボットアームの遠隔操作のためのリアルタイムsEMGベースのインタフェースを提案する。 このシステムは4チャンネルのsEMG取得、信号前処理、スライディングウィンドウへのセグメント化、一次元畳み込みニューラルネットワーク(CNN)を用いた分類に依存している。 しきい値に基づくオンセット検出,2段階の分類アプローチ(レスト対動きとジェスチャー認識),安静と5つのジェスチャーの両処理を行う単一分類器など,複数のリアルタイム戦略について検討した。 完全なパイプラインはシミュレーションと実際のロボットプラットフォームの両方で実装され、評価される。 CNNベースのアプローチは、90%以上の精度で高い分類性能を達成し、実験的に得られた信号に対して強力な一般化を行う。 このシステムは、選択したウィンドウング戦略と一致した平均遅延約0.32秒の安定したリアルタイム動作を示し、ロボットは離散的なジェスチャーで確実に制御でき、シミュレートされた環境と実環境の両方でコヒーレントかつスムーズな動きを生み出す。 これらの結果から,信号処理,深層学習,制御戦略を統合的リアルタイムフレームワークに統合することの重要性が浮き彫りになった。 将来の研究は、sEMGと追加のセンシングモダリティを組み合わせたハイブリッド制御アプローチを探求し、堅牢性とユーザビリティをさらに向上する。

関連論文リスト

• RGB-D Video Generation for Improving Human-to-Robot Object Handover Prediction [51.76737991200891]
  H2R(Human-to-robot)オブジェクトハンドオーバは、人間とロボットのコラボレーションの基本的な能力である。 本稿では,RGB-DビデオデータセットであるHand2Botを紹介する。 ハンドオブジェクトの一貫性を確保しつつ,現実的なハンドオーバシーケンスを合成する生成パイプラインであるPassGenを提案する。
  論文  参考訳（メタデータ） (2026-08-13T09:55:59Z)
• RC-NF: Robot-Conditioned Normalizing Flow for Real-Time Anomaly Detection in Robotic Manipulation [68.7948300643741]
  ロボットの異常検出と介入をリアルタイムに監視するロボット・コンディションド・ノーマライゼーション・フロー(RC-NF)を提案する。 RC-NFは、正規化フロー内のタスク認識ロボットとオブジェクト状態の処理を分離する。 従来のロボットタスクの監視方法と比較して、あらゆる異常なタイプで最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2026-03-11T10:14:37Z)
• Dual-Agent Multiple-Model Reinforcement Learning for Event-Triggered Human-Robot Co-Adaptation in Decoupled Task Spaces [3.349003999623489]
  本稿では,カスタム6自由度上肢ロボットのための共有制御型リハビリテーションポリシーを提案する。 患者は二進法で一次到達方向を制御し、ロボットは自律的に矯正動作を管理する。
  論文  参考訳（メタデータ） (2026-03-06T11:15:10Z)
• DexEMG: Towards Dexterous Teleoperation System via EMG2Pose Generalization [5.972698171130012]
  ロボットを非構造的な家庭環境に持ち込むには,高忠実なロボットハンドの遠隔操作が不可欠である。 表面筋電図(sEMG)を利用した軽量で費用対効果の高い遠隔操作システムの開発 本稿では,多様な遠隔操作タスクにおいて高精度なシステムを実現することを示す。
  論文  参考訳（メタデータ） (2026-03-06T03:36:33Z)
• Robotic Grasping and Placement Controlled by EEG-Based Hybrid Visual and Motor Imagery [64.82869118243723]
  本稿では,脳波に基づく視覚・運動画像(VI/MI)とロボット制御を統合し,リアルタイム・意図駆動型把握・配置を実現するフレームワークを提案する。 このシステムは、BCI駆動のロボット工学の約束に感銘を受けて、オフラインで事前訓練されたデコーダをゼロショットで展開することによって、ニューラルネットワークを物理的制御でブリッジする。
  論文  参考訳（メタデータ） (2026-03-03T17:41:42Z)
• Task-Oriented Edge-Assisted Cross-System Design for Real-Time Human-Robot Interaction in Industrial Metaverse [26.171942521894675]
  本稿では,デジタルツイン(DT)を用いたタスク指向エッジアシスト型クロスシステムフレームワークを提案する。 1)視覚フィードバックのためのプロアクティブなメタバースレンダリング,2)リモートデバイスのプリエンプティブコントロール。
  論文  参考訳（メタデータ） (2025-08-28T11:10:41Z)
• BRAVE: Brain-Controlled Prosthetic Arm with Voice Integration and Embodied Learning for Enhanced Mobility [5.528262076322921]
  BRAVEは、ハイブリッド脳波と音声制御義肢システムである。 脳波駆動運動の意図を解釈することを目的としており、残筋活動に依存することなく運動制御を可能にする。 システムはリアルタイムで動作し、応答遅延は150msである。
  論文  参考訳（メタデータ） (2025-05-23T11:44:33Z)
• Taccel: Scaling Up Vision-based Tactile Robotics via High-performance GPU Simulation [34.47272224723296]
  ロボット,触覚センサ,物体を精度と前例のない速度でモデル化するために,IPCとABDを統合した高性能なシミュレーションプラットフォームであるTaccelを提案する。 並列化が制限されたサブリアルタイム速度で動作する従来のシミュレータとは異なり、Taccelは正確な物理シミュレーションとリアルな触覚信号を提供する。 これらの能力は、触覚ロボットの研究と開発を拡大するための強力なツールとして、Taccelを位置づけている。
  論文  参考訳（メタデータ） (2025-04-17T12:57:11Z)
• An LSTM Feature Imitation Network for Hand Movement Recognition from sEMG Signals [2.632402517354116]
  我々は,Ninapro DB2上の300ms信号ウィンドウ上での閉形式時間特徴学習にFIN(Feature-imitating Network)を適用することを提案する。 LSTM-FINネットワークは,特徴再構成において最大99%のR2精度,手の動き認識において80%の精度を達成できることがわかった。
  論文  参考訳（メタデータ） (2024-05-23T21:45:15Z)
• 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)
• SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
  我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。 モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。 リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。 ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
  論文  参考訳（メタデータ） (2021-08-03T02:56:21Z)
• Domain Adaptive Robotic Gesture Recognition with Unsupervised Kinematic-Visual Data Alignment [60.31418655784291]
  本稿では,マルチモダリティ知識,すなわちキネマティックデータとビジュアルデータを同時にシミュレータから実ロボットに伝達できる,教師なしドメイン適応フレームワークを提案する。 ビデオの時間的手がかりと、ジェスチャー認識に対するマルチモーダル固有の相関を用いて、トランスファー可能な機能を強化したドメインギャップを修復する。 その結果, 本手法は, ACCでは最大12.91%, F1scoreでは20.16%と, 実際のロボットではアノテーションを使わずに性能を回復する。
  論文  参考訳（メタデータ） (2021-03-06T09:10:03Z)

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。