Online Adaptation for Myographic Control of Natural Dexterous Hand and Finger Movements

要約

筋学プロテーゼ制御における最もとらえどころのない目標の 1 つは、複数の自由度にわたって同時に連続位置を確実にデコードできる機能です。
目標: 高度なロボットによるモジュール式義足の器用で自然な生体模倣の指と手首の制御を実証すること。
方法：逐次時間回帰モデルと筋信号を使用した強化学習を組み合わせて、最小制約のあるフリーフォームトレーニングプロセスで、9人の非切断者被験者の7つの指と手首の自由度の連続的な同時予測を予測します。
結果：従来のアプローチよりもエラー率が大幅に低く（p < 0.001）、予測応答時間遅延がほぼゼロ（p < 0.001）、EMG 信号からのプロテーゼ制御のための非常に巧みな 7 DoF 位置ベースの回帰を実証します。 当社のフリーフォーム強化プロセスを使用すると、いつでもパフォーマンスを継続的に向上させることができます。 重要性: 私たちは、これまで表面 EMG 信号から得られた、最も器用で生体模倣的で自然なプロテーゼ制御性能を実証しました。 私たちの強化アプローチにより、標準的なトレーニング プロトコルを放棄し、モデルが適応する間、被験者が任意の方法で動くことを許可することができました。 結論: この研究は、プロテーゼ制御システムから得られる信頼性、応答性、動作の複雑さの観点から、筋記録デコーディングにおける最先端技術を再定義します。 現在の高度なアルゴリズム手法、実験プロトコル、器用なロボット義肢、およびセンサーモダリティの出現と収束は、切断者にとって完全に修復された自然な上肢機能を達成するという私たちの究極の目標を最終的に実現するまたとない機会を表しています。

要約(オリジナル)

One of the most elusive goals in myographic prosthesis control is the ability to reliably decode continuous positions simultaneously across multiple degrees-of-freedom. Goal: To demonstrate dexterous, natural, biomimetic finger and wrist control of the highly advanced robotic Modular Prosthetic Limb. Methods: We combine sequential temporal regression models and reinforcement learning using myographic signals to predict continuous simultaneous predictions of 7 finger and wrist degrees-of-freedom for 9 non-amputee human subjects in a minimally-constrained freeform training process. Results: We demonstrate highly dexterous 7 DoF position-based regression for prosthesis control from EMG signals, with significantly lower error rates than traditional approaches (p < 0.001) and nearly zero prediction response time delay (p < 0.001). Their performance can be continuously improved at any time using our freeform reinforcement process. Significance: We have demonstrated the most dexterous, biomimetic, and natural prosthesis control performance ever obtained from the surface EMG signal. Our reinforcement approach allowed us to abandon standard training protocols and simply allow the subject to move in any desired way while our models adapt. Conclusions: This work redefines the state-of-the-art in myographic decoding in terms of the reliability, responsiveness, and movement complexity available from prosthesis control systems. The present-day emergence and convergence of advanced algorithmic methods, experiment protocols, dexterous robotic prostheses, and sensor modalities represents a unique opportunity to finally realize our ultimate goal of achieving fully restorative natural upper-limb function for amputees.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google