ChatEMG: Synthetic Data Generation to Control a Robotic Hand Orthosis for Stroke

要約

障害のある被験者からのデータ収集が難しいため、脳卒中患者のための手装具の意図を推測することは困難です。
さらに、EMG 信号はさまざまな条件、セッション、被験者間で大きな変動を示すため、分類子が一般化することが困難になります。
従来のアプローチでは、意図分類器をトレーニングするには、新しい条件、セッション、または対象からの大規模なラベル付きデータセットが必要です。
ただし、このデータ収集プロセスは面倒で時間がかかります。
この論文では、プロンプト（つまり、特定の一連の EMG 信号）に基づいて条件付けされた合成 EMG 信号を生成できる自己回帰生成モデルである ChatEMG を提案します。
ChatEMG を使用すると、新しい条件、セッション、または主題から小さなデータセットのみを収集し、この新しいコンテキストからのプロンプトに基づいて条件付けされた合成サンプルでそれを拡張できます。
ChatEMG は、プロンプトを通じてコン​​テキスト固有の状態を維持しながら、生成トレーニングを通じて以前のデータの膨大なリポジトリを活用します。
私たちの実験では、これらの合成サンプルは分類子に依存せず、さまざまな種類の分類子の意図の推論精度を向上できることが示されています。
私たちは、機能的装具支援タスクのための分類器の使用を含め、私たちの完全なアプローチを単一の患者セッションに統合できることを実証します。
私たちの知る限り、合成データに基づいて部分的にトレーニングされた意図分類器が、脳卒中生存者による装具の機能制御に導入されたのはこれが初めてです。
ビデオと追加情報は https://jxu.ai/chatemg でご覧いただけます。

要約(オリジナル)

Intent inferral on a hand orthosis for stroke patients is challenging due to the difficulty of data collection from impaired subjects. Additionally, EMG signals exhibit significant variations across different conditions, sessions, and subjects, making it hard for classifiers to generalize. Traditional approaches require a large labeled dataset from the new condition, session, or subject to train intent classifiers; however, this data collection process is burdensome and time-consuming. In this paper, we propose ChatEMG, an autoregressive generative model that can generate synthetic EMG signals conditioned on prompts (i.e., a given sequence of EMG signals). ChatEMG enables us to collect only a small dataset from the new condition, session, or subject and expand it with synthetic samples conditioned on prompts from this new context. ChatEMG leverages a vast repository of previous data via generative training while still remaining context-specific via prompting. Our experiments show that these synthetic samples are classifier-agnostic and can improve intent inferral accuracy for different types of classifiers. We demonstrate that our complete approach can be integrated into a single patient session, including the use of the classifier for functional orthosis-assisted tasks. To the best of our knowledge, this is the first time an intent classifier trained partially on synthetic data has been deployed for functional control of an orthosis by a stroke survivor. Videos and additional information can be found at https://jxu.ai/chatemg.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google