帶有印刷柔性電極的自適應(yīng)機(jī)器學(xué)習(xí)功能的可穿戴生物傳感系統(tǒng)，用于手勢(shì)識(shí)別

想象一下在沒有鍵盤的情況下在計(jì)算機(jī)上打字，在沒有控制器的情況下玩視頻游戲或在沒有輪子的情況下駕駛汽車。

這是加利福尼亞大學(xué)伯克利分校的工程師開發(fā)的一種新設(shè)備的目標(biāo)之一，該設(shè)備可以根據(jù)前臂中檢測(cè)到的電信號(hào)識(shí)別手勢(shì)。該系統(tǒng)將可穿戴生物傳感器與人工智能(AI)相結(jié)合，有一天可以用于控制假肢或與幾乎任何類型的電子設(shè)備進(jìn)行交互。

加州大學(xué)伯克利分校的研究人員創(chuàng)建了一種新設(shè)備，該設(shè)備將可穿戴生物傳感器與人工智能軟件結(jié)合在一起，可以根據(jù)前臂中的電信號(hào)模式識(shí)別人打算做出的手勢(shì)。該設(shè)備為更好的修復(fù)控制和與電子設(shè)備的無(wú)縫交互鋪平了道路。 該研究成果發(fā)表在《Nature Electronics》"具有可用于手勢(shì)識(shí)別的傳感器內(nèi)自適應(yīng)機(jī)器學(xué)習(xí)的可穿戴生物傳感系統(tǒng)"，(2020年)。 DOI：10.1038 / s41928-020-00510-8。

"假肢是這項(xiàng)技術(shù)的重要應(yīng)用之一，但除此之外，它還提供了一種非常直觀的與計(jì)算機(jī)通訊的方式，"曾在加州大學(xué)伯克利分校電氣工程和計(jì)算機(jī)科學(xué)系攻讀博士學(xué)位的新論文的第一作者阿里·Moin說(shuō) 。"讀取手勢(shì)是改善人機(jī)交互的一種方法。盡管還有其他方法，例如通過(guò)使用攝像頭和計(jì)算機(jī)視覺，這是一個(gè)很好的解決方案，還可以維護(hù)個(gè)人的隱私。"

用于sEMG的可穿戴生物傳感系統(tǒng)

為了創(chuàng)建手勢(shì)識(shí)別系統(tǒng)，該團(tuán)隊(duì)與加州大學(xué)伯克利分校電氣工程學(xué)教授安娜·阿里亞斯(Ana Arias)合作，設(shè)計(jì)了一種靈活的臂章，可以讀取前臂上64個(gè)不同點(diǎn)的電信號(hào)。然后將電信號(hào)饋送到電子芯片，該芯片用AI算法編程，該算法能夠?qū)⑶氨壑械倪@些信號(hào)模式與特定手勢(shì)相關(guān)聯(lián)。

該團(tuán)隊(duì)成功地教授了該算法來(lái)識(shí)別21種單獨(dú)的手勢(shì)，包括豎起大拇指，拳頭，平坦的手，舉起單獨(dú)的手指并計(jì)數(shù)數(shù)字。"當(dāng)您希望手部肌肉收縮時(shí)，大腦會(huì)通過(guò)脖子和肩膀的神經(jīng)元向手臂和手部的肌纖維發(fā)送電信號(hào)，" Moin說(shuō)。"從本質(zhì)上講，袖帶中的電極所感應(yīng)到的就是這個(gè)電場(chǎng)。這并不是那么精確，因?yàn)槲覀儫o(wú)法確定觸發(fā)了哪些確切的纖維，但是在電極密度高的情況下，它仍然可以學(xué)會(huì)識(shí)別某些模式。"

用于sEMG的可穿戴生物傳感系統(tǒng)。

超維計(jì)算算法的高級(jí)AI

像其他AI軟件一樣，該算法必須首先"學(xué)習(xí)"手臂中的電信號(hào)如何與各個(gè)手勢(shì)相對(duì)應(yīng)。為此，每個(gè)用戶必須在一個(gè)接一個(gè)地做手勢(shì)的同時(shí)戴上袖帶。

但是，新設(shè)備使用一種稱為超維計(jì)算算法的高級(jí)AI，該算法可以使用新信息更新自身。

舉例來(lái)說(shuō)，如果與特定相關(guān)的電信號(hào)手的姿勢(shì)變化，因?yàn)橛脩舻氖直圩兊贸粤?，或者提高他們的頭頂上他們的手臂，該算法可以將這些新信息納入其模型。

用于將sEMG數(shù)據(jù)窗口投影到超向量的超維計(jì)算算法。

Moin說(shuō)："在手勢(shì)識(shí)別中，您的信號(hào)將隨著時(shí)間而改變，這可能會(huì)影響模型的性能。" "通過(guò)更新設(shè)備上的模型，我們能夠大大提高分類的準(zhǔn)確性。"

新設(shè)備的另一個(gè)優(yōu)點(diǎn)是，所有計(jì)算都在芯片上本地進(jìn)行：沒有個(gè)人數(shù)據(jù)傳輸?shù)礁浇挠?jì)算機(jī)或設(shè)備。這不僅加快了計(jì)算時(shí)間，而且還確保了個(gè)人生物數(shù)據(jù)的私密性。

傳感器內(nèi)訓(xùn)練，更新和分類結(jié)果。

"當(dāng)亞馬遜或蘋果創(chuàng)建算法時(shí)，他們會(huì)在云中運(yùn)行一堆軟件來(lái)創(chuàng)建模型，然后將模型下載到您的設(shè)備上，"唐納德·O·佩德森(Donald O. Pedersen)杰出的電氣工程學(xué)教授揚(yáng)·拉巴伊(Jan Rabaey)說(shuō)。伯克利和該論文的高級(jí)作者。"問(wèn)題在于，您只能使用該特定模型。在我們的方法中，我們實(shí)施了一個(gè)過(guò)程，該過(guò)程是在設(shè)備本身上進(jìn)行學(xué)習(xí)的。這非?？欤耗恍枰獔?zhí)行一次，然后開始做這項(xiàng)工作。但是，如果做更多次，它就會(huì)變得更好。因此，它是不斷學(xué)習(xí)，這就是人類的工作方式。"

雖然該設(shè)備尚未準(zhǔn)備好用于商業(yè)產(chǎn)品，但Rabaey表示，可能需要進(jìn)行一些調(diào)整才能達(dá)到目標(biāo)。

"這些技術(shù)大多數(shù)已經(jīng)存在于其他地方，但是該設(shè)備的獨(dú)特之處在于它將生物傳感，信號(hào)處理和解釋以及人工智能集成到一個(gè)相對(duì)較小，靈活且具有低功耗預(yù)算的系統(tǒng)中，" Rabaey說(shuō)。