Come funziona il controllo gestuale indossabile di MYO?

Myo significa letteralmente muscolo e il controllo dei gesti di Myo non è un salto nell'innovazione in questo settore, ma piuttosto (quello che sembra) un sacco di miglioramenti incrementali in una serie di aree diverse. Prima di tutto, la prima tecnologia di protesi medica accessibile ai consumatori.

Ci sono tre parti principali per costruire un dispositivo mioelettrico (protesi, il Myo o qualsiasi altro tipo di dispositivo controllato dai muscoli) 1. Acquisizione del segnale 2. Amplificazione del segnale 3. Analisi e interpretazione del segnale

1. Per acquisire un segnale muscolare la maggior parte dei dispositivi si basa sul piccolo segnale elettrico che la cellula muscolare produce. Più comunemente conosciuto come elettromiografia (EMG in breve). Un elettrodo EMG è attaccato alla vostra pelle che rileva le sottili differenze nel segnale elettrico, o la differenza di potenziale elettrico nel tempo.

Ora questi elettrodi EMG di solito assomigliano a piccoli adesivi, e perché questi sono sempre adesivi non ho una buona risposta, penso che sia perché qualsiasi altro fattore di forma non è stato necessario nelle applicazioni attuali. Ma è di estrema importanza che ci sia un eccellente contatto tra la pelle e l'elettrodo durante l'acquisizione del segnale per garantire una lettura corretta. Alcune letture EMG mediche sono in realtà fatte intrusivamente, cioè un ago (usato come un elettrodo) è infilato nel muscolo stesso per ottenere una lettura ancora migliore. MYO o Thalmic hanno messo a punto un elettrodo che è un tipo non adesivo, ma ottiene comunque letture appropriate a prescindere, potrebbe anche essere che i loro elettrodi o letture siano in qualche modo ridondanti, il che eliminerebbe quasi il problema dei cattivi contatti (e ottenere due o più letture indipendenti, il che si rivelerà importante nei prossimi passi). Medicamente a volte si usa anche un gel conduttivo sulla pelle per migliorare il contatto degli elettrodi, il che non è certo fattibile in un prodotto di consumo.

Inoltre, tradizionalmente il posizionamento degli elettrodi ha un impatto sulle letture e sui risultati, il che rende l'approccio MYO ancora più impegnativo in quanto sono limitati a una zona limitata del braccio. Questo è il primo passo incrementale.

2. Amplificare il segnale è fondamentale, per non dire necessario per essere in grado di leggerlo con precisione, non sarò così elaborato su questa parte, anche se importante, amplificare il segnale elettrico è qualcosa che siamo abbastanza bravi a fare nello schema delle cose. Io userei una specie di OP-amp per questo. Inoltre, prima che l'elaborazione sia fatta, si potrebbe incorporare qualche tipo di filtraggio a banda alta e/o bassa (hardware, mano protesica a controllo mioelettrico). Anche se i'sto speculando ma se avessi il potere di questo in software o in un FPGA di qualche tipo penso i'd lasciare il segnale come è e fare tutta l'elaborazione in "software" (qualcuno là fuori potrebbe avere un suggerimento migliore però?). Non credo che Thalmic si stia concentrando su questa parte, ovviamente si assicurano di avere un segnale di buona qualità ma non mettono la loro energia qui.

3. Elaborazione del segnale, ora questa è una parte interessante e difficile. Per compensare alcuni degli svantaggi del design i've parlato nelle parti precedenti, questo è dove si deve recuperare per rendere il dispositivo una grande esperienza! MYO hanno sviluppato un algoritmo di apprendimento automatico per rilevare un certo numero di gesti (~20 qualcosa si dice). Inoltre you're specifico muscolo / segnale di attivazione del gesto sarà utilizzato come dati di formazione per questo modello per aumentare la sua precisione. I'm nessun esperto di apprendimento automatico, ma prenderò una pugnalata ad esso. Lo farei in uno dei due modi (una competizione attuale di Kaggle da cui si potrebbe trarre ispirazione è il Marinexplore and Cornell University Whale Detection Challenge, che è rilevare la presenza di una balena dato un segnale sonoro, si potrebbe facilmente vedere questo problema come un problema di classificazione simile, dato un segnale muscolare, classificare quale dei 20 gesti è questo).

- Random forest decision con 20 "classi". Addestrare una foresta casuale per il segnale d'ingresso e usare un po' di scalatura delle caratteristiche per ottenere un risultato migliore.

-Rete di credenza profonda con 20 uscite, una per ogni gesto. Allenare una DBN con Restricted Boltzmanns.

Ovviamente c'è una serie di altre possibilità. Inoltre, per entrambi questi approcci potrebbe essere necessario estrarre caratteristiche appropriate (MFCC per esempio).

Una particolare sfida in questa parte è naturalmente il rumore, in EMG "Crosstalk" è qualcosa che è un problema ricorrente, che si riferisce al segnale di rumore da un muscolo co-contratto o da un muscolo che non è contratto. (http://www.benthamscience.com/open/torehj/articles/V003/SI0083TOREHJ/110TOREHJ.pdf )

Speriamo che questa risposta vi dia qualcosa, alcuni di questi potrebbero naturalmente essere completamente sbagliati dal momento che non ho una visione diretta della realizzazione del Myo, ma se il MYO funziona così bene come alcuni hanno detto (di prima mano su HN per esempio) e ciò che il video concept promette siamo in per un trattamento e Thalmic hanno effettivamente preso un bel salto emozionante e grande in EMG e la tecnologia "protesi", almeno nello spazio del consumatore. Sono pieno di ammirazione in entrambi i casi e naturalmente ne ho preordinato uno :)