PulseAugur
中
实时 20:18:04
English(EN) Decoding High-Dimensional Finger Motion from EMG Using Riemannian Features and RNNs

研究人员开发出新的AI模型，用于解码肌电信号中的高维手指运动

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一个新的框架，使用消费级硬件从肌电图（EMG）信号中解码高维手指运动。该系统结合了EMG臂带和网络摄像头，收集了新的数据集EMG-FK，其中包含20名参与者的同步EMG和15个手指关节角度。基于GRU网络的Temporal Riemannian Regressor（TRR）模型处理黎曼协方差特征，在Raspberry Pi 5上实现了最先进的回归精度和实时性能，从而能够直观地控制机械手。 AI

影响 通过改进的EMG解码，能够更自然地控制假肢和AR/XR界面。

排序理由 学术论文，详细介绍了用于基于EMG的运动解码的新模型和数据集。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

研究人员开发出新的AI模型，用于解码肌电信号中的高维手指运动

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Martin Colot, C\'edric Simar, Guy Cheron, Ana Maria Cebolla Alvarez, Gianluca Bontempi ·

    Decoding High-Dimensional Finger Motion from EMG Using Riemannian Features and RNNs

    arXiv:2604.22499v1 Announce Type: new Abstract: Continuous estimation of high-dimensional finger kinematics from forearm surface electromyography (EMG) could enable natural control for hand prostheses, AR/XR interfaces, and teleoperation. However, the complexity of human hand ges…

  2. arXiv cs.LG TIER_1 English(EN) · Gianluca Bontempi ·

    Decoding High-Dimensional Finger Motion from EMG Using Riemannian Features and RNNs

    Continuous estimation of high-dimensional finger kinematics from forearm surface electromyography (EMG) could enable natural control for hand prostheses, AR/XR interfaces, and teleoperation. However, the complexity of human hand gestures and the entanglement of forearm muscles ma…

相关实体

相关话题