Como funciona o controle de gestos vestindo MYO?

Myo significa literalmente músculo e o controlo por gestos do Myo não é um salto de inovação nesta área, mas sim (o que parece) uma série de melhorias incrementais numa série de áreas diferentes. Antes de mais nada, a primeira tecnologia de prótese médica acessível aos consumidores.

Existem três partes principais na construção de um aparelho mioeléctrico (prótese, o Myo ou qualquer outro tipo de aparelho controlado por músculos) 1. Aquisição de Sinal 2. Amplificação de Sinal 3. Análise e interpretação do sinal

1. Para adquirir um sinal muscular a maioria dos dispositivos depende do pequeno sinal eléctrico que a célula muscular produz. Mais comumente conhecido como Electromiografia (EMG para abreviar). Um eletrodo EMG é ligado à sua pele que detecta as diferenças sutis no sinal elétrico, ou a diferença de potencial elétrico ao longo do tempo.

Agora estes eletrodos EMG geralmente parecem pequenos adesivos, e porque estes são sempre adesivos i'não têm uma boa resposta, acho que é porque qualquer outro fator de forma tem't foi necessário nas aplicações atuais. Mas é de extrema importância que haja um excelente contato entre a pele e o eletrodo durante a aquisição do sinal para garantir uma leitura correta. Algumas leituras médicas de EMG são realmente feitas de forma intrusiva, ou seja, uma agulha (usada como eletrodo) é presa no próprio músculo para obter uma leitura ainda melhor. A MYO ou a Thalmic criaram um eletrodo que é do tipo não aderente, mas ainda assim obtém leituras apropriadas independentemente, pode também ser que seus eletrodos ou leituras sejam um pouco redundantes, o que quase eliminaria o problema de contatos ruins (e obter duas ou mais leituras independentes, o que se revelará importante nos próximos passos). Medicamente, às vezes, um gel condutor também é usado na pele para melhorar o contato dos eletrodos, o que certamente não é viável em um produto de consumo.

Além disso, tradicionalmente a colocação dos eléctrodos tem um impacto nas leituras e nos resultados, o que torna a abordagem MYO ainda mais desafiadora, uma vez que eles'são limitados a uma área confinada do braço. Este é o primeiro passo incremental.

2. Amplificar o sinal é crucial, para não dizer necessário para poder lê-lo com precisão, não vou ser tão elaborado nesta parte, embora importante, amplificar o sinal elétrico é algo em que somos bastante bons no esquema das coisas. Eu usaria algum tipo de amplificador OP para isto. Antes do processamento ser feito, pode-se incorporar algum tipo de filtragem de banda alta e/ou banda baixa (hardware, Myoelectric Controlled Prosthetic Hand). Embora i'm especulando, mas se eu tivesse o poder para isso em software ou em uma FPGA de algum tipo eu acho que i'deixaria o sinal como está e faria todo o processamento em "software" (alguém lá fora poderia ter uma sugestão melhor?). Eu não't acho que o Thalmic está focando nesta parte, claro que eles se certificam de ter um sinal de boa qualidade mas não colocando sua energia aqui.

3. Processando o sinal , agora esta é uma parte interessante e complicada. Para compensar alguns dos inconvenientes do design i'já falado nas partes anteriores, é aqui que você tem que compensar para fazer do dispositivo uma grande experiência! A MYO desenvolveu um algoritmo de aprendizagem de máquinas para detectar uma série de gestos (~20 algo que é dito). Além disso você're sinal específico de ativação de músculos/gestões será usado como dados de treinamento para este modelo a fim de aumentar a sua precisão. I'não sou especialista em aprendizagem de máquinas, mas vou apunhalá-lo. Eu o faria de uma das duas maneiras (uma competição de Kaggle atual da qual alguém poderia se inspirar é o The Marinexplore and Cornell University Whale Detection Challenge, que é detectar a presença de baleia dado um sinal sonoro, pode-se facilmente ver este problema como um problema de classificação semelhante, dado um sinal muscular, classificar qual dos 20 gestos isto é).

- Decisão florestal aleatória com 20 "aulas". Treinar uma floresta aleatória para o sinal de entrada e usar algumas escalas de características para obter um resultado melhor.

-Depcrever rede de crenças com 20 saídas, uma para cada gesto. Treinar um DBN com Boltzmanns Restritos.

De certeza que há uma série de outras possibilidades. Além disso, para estas duas abordagens, características apropriadas podem ter que ser extraídas (MFCC, por exemplo).

Um desafio particular nesta parte é o ruído, em EMG "Crosstalk" é algo que é um problema recorrente, que está relacionado com o sinal de ruído de um músculo co-contrato ou de um músculo que não está contraído. (http://www.benthamscience.com/open/torehj/articles/V003/SI0083TOREHJ/110TOREHJ.pdf )

esperemos que esta resposta lhe dê algo, algumas destas coisas podem estar completamente erradas uma vez que não tenho uma visão directa sobre a criação do Myo, mas se o MYO funciona tão bem como alguns disseram (em primeira mão no HN, por exemplo) e o que o vídeo conceitual promete que estamos a fazer para um deleite e o Thalmic realmente deu um grande e excitante salto na tecnologia EMG e "prótese", pelo menos no espaço do consumidor. I' estou cheio de admiração de qualquer maneira e, claro, já encomendei um :)