Simultaneous and Proportional Estimation of Multijoint Kinematics From EMG Signals for Myocontrol of Robotic Hands
Simultaneous and Proportional Estimation of Multijoint Kinematics From EMG Signals for Myocontrol of Robotic Hands
复制标题
根据 EMG 信号同步比例估计多关节运动学，用于机器人手的肌肉控制
DOI：
10.1109/tmech.2020.2999532
复制
发表时间：
2020-08
期刊：
影响因子：
--
通讯作者：
Caihua Xiong
中科院分区：
文献类型：
--
作者：
Qin Zhang;Te Pi;Runfeng Liu;Caihua Xiong
手作为人体的主要效应器，具有灵巧、重要、生物力学复杂等特点。在以人为中心的机器人系统中，如何按照人的意愿控制机械手是保证用户与机器人之间自然交互的热点问题。在这篇文章中，我们研究的同时和比例估计人体的运动意图从表面肌电信号（EMG）。提出了一种稀疏伪输入高斯过程回归方法来映射肌电特征和手部运动学。五个主要自由度（DoF）的运动学估计从功能性抓取任务期间记录的EMG。从八个健全的主体的实验，同侧和对侧的训练策略表示类似的估计精度（CC = 0.89和0.88，分别），没有显着差异（p = 0.8），他们之间。采用对侧策略的在线估计显示出更高的平均估计精度（CC = 0.91）。此外，预期的运动学的估计可以在真实的时间内解码，而响应延迟可以忽略不计。建议将所提出的方法应用于多自由度解码，以实现自然、直观和准确的机器人手部肌肉控制。
As the primary effector of human, hand is dexterous, important, and biomechanically complex. How to control the robotic hand as human intends in the human-centered robotic systems is a hot topic to guarantee natural interaction between users and robots. In this article, we investigate the simultaneous and proportional estimation of human's movement intent from surface electromyography (EMG) signals. A sparse pseudo-input Gaussian process regression method is proposed to map the EMG features and the hand kinematics. The kinematics of five primary degrees of freedom (DoFs) are estimated from EMG recorded during functional grasping tasks. From the experiments on eight able-bodied subjects, ipsi-lateral and contra-lateral training strategies represent similar estimation accuracy (CC = 0.89 and 0.88, respectively) and no significant difference (p = 0.8) between them. The online estimation with contra-lateral strategy shows higher average estimation accuracy (CC = 0.91). In addition, the estimation of the intended kinematics can be decoded in real time with negligible response delays. It is suggested to apply the proposed method to multi-DoF decoding for natural, intuitive, and accurate myocontrol of robotic hands.
登录
查看更多内容
影响因子：
12.3
作者：
Mikkelsen TS
通讯作者：
Mikkelsen TS
影响因子：
2
作者：
Ingram, James N.;Kording, Konrad P.;Howard, Ian S.;Wolpert, Daniel M.
通讯作者：
Wolpert, Daniel M.
影响因子：
5.1
作者：
Jiang N;Vest-Nielsen JL;Muceli S;Farina D
通讯作者：
Farina D
影响因子：
4.6
作者：
Zhishun Wang;Zhenya He;Jiande D. Z. Chen
通讯作者：
Zhishun Wang;Zhenya He;Jiande D. Z. Chen
影响因子：
25
作者：
Hahne, Janne M.;Schweisfurth, Meike A.;Farina, Dario
通讯作者：
Farina, Dario