帶有印刷柔性電極的自適應機器學習功能的可穿戴生物傳感系統，用于手勢識別

想象一下在沒有鍵盤的情況下在計算機上打字，在沒有控制器的情況下玩視頻游戲或在沒有輪子的情況下駕駛汽車。

這是加利福尼亞大學伯克利分校的工程師開發的一種新設備的目標之一，該設備可以根據前臂中檢測到的電信號識別手勢。該系統將可穿戴生物傳感器與人工智能(AI)相結合，有一天可以用于控制假肢或與幾乎任何類型的電子設備進行交互。

加州大學伯克利分校的研究人員創建了一種新設備，該設備將可穿戴生物傳感器與人工智能軟件結合在一起，可以根據前臂中的電信號模式識別人打算做出的手勢。該設備為更好的修復控制和與電子設備的無縫交互鋪平了道路。 該研究成果發表在《Nature Electronics》"具有可用于手勢識別的傳感器內自適應機器學習的可穿戴生物傳感系統"，(2020年)。 DOI：10.1038 / s41928-020-00510-8。

"假肢是這項技術的重要應用之一，但除此之外，它還提供了一種非常直觀的與計算機通訊的方式，"曾在加州大學伯克利分校電氣工程和計算機科學系攻讀博士學位的新論文的第一作者阿里·Moin說 。"讀取手勢是改善人機交互的一種方法。盡管還有其他方法，例如通過使用攝像頭和計算機視覺，這是一個很好的解決方案，還可以維護個人的隱私。"

用于sEMG的可穿戴生物傳感系統

為了創建手勢識別系統，該團隊與加州大學伯克利分校電氣工程學教授安娜·阿里亞斯(Ana Arias)合作，設計了一種靈活的臂章，可以讀取前臂上64個不同點的電信號。然后將電信號饋送到電子芯片，該芯片用AI算法編程，該算法能夠將前臂中的這些信號模式與特定手勢相關聯。

該團隊成功地教授了該算法來識別21種單獨的手勢，包括豎起大拇指，拳頭，平坦的手，舉起單獨的手指并計數數字。"當您希望手部肌肉收縮時，大腦會通過脖子和肩膀的神經元向手臂和手部的肌纖維發送電信號，" Moin說。"從本質上講，袖帶中的電極所感應到的就是這個電場。這并不是那么精確，因為我們無法確定觸發了哪些確切的纖維，但是在電極密度高的情況下，它仍然可以學會識別某些模式。"

用于sEMG的可穿戴生物傳感系統。

超維計算算法的高級AI

像其他AI軟件一樣，該算法必須首先"學習"手臂中的電信號如何與各個手勢相對應。為此，每個用戶必須在一個接一個地做手勢的同時戴上袖帶。

但是，新設備使用一種稱為超維計算算法的高級AI，該算法可以使用新信息更新自身。

舉例來說，如果與特定相關的電信號手的姿勢變化，因為用戶的手臂變得吃力，或者提高他們的頭頂上他們的手臂，該算法可以將這些新信息納入其模型。

用于將sEMG數據窗口投影到超向量的超維計算算法。

Moin說："在手勢識別中，您的信號將隨著時間而改變，這可能會影響模型的性能。" "通過更新設備上的模型，我們能夠大大提高分類的準確性。"

新設備的另一個優點是，所有計算都在芯片上本地進行：沒有個人數據傳輸到附近的計算機或設備。這不僅加快了計算時間，而且還確保了個人生物數據的私密性。

傳感器內訓練，更新和分類結果。

"當亞馬遜或蘋果創建算法時，他們會在云中運行一堆軟件來創建模型，然后將模型下載到您的設備上，"唐納德·O·佩德森(Donald O. Pedersen)杰出的電氣工程學教授揚·拉巴伊(Jan Rabaey)說。伯克利和該論文的高級作者。"問題在于，您只能使用該特定模型。在我們的方法中，我們實施了一個過程，該過程是在設備本身上進行學習的。這非常快：您只需要執行一次，然后開始做這項工作。但是，如果做更多次，它就會變得更好。因此，它是不斷學習，這就是人類的工作方式。"

雖然該設備尚未準備好用于商業產品，但Rabaey表示，可能需要進行一些調整才能達到目標。

"這些技術大多數已經存在于其他地方，但是該設備的獨特之處在于它將生物傳感，信號處理和解釋以及人工智能集成到一個相對較小，靈活且具有低功耗預算的系統中，" Rabaey說。