无人机整机
无人机配件
无人机服务
设备与工具论文指出，使用肌电信号传感器有几个好处：
首先，降低了模型的复杂性。不需要照相机等动作捕捉设备，设备更轻巧；
其次，排除了遮挡、环境噪音等因素的干扰；
另外，肌肉信号能够反映出肉眼观测不到的运动状态（比如关节僵硬），有助于提升人机交互系统的灵活性。
▲“行为控制机器人（Conduct-a-Bot）”系统
根据论文，让机器人理解手势指令有两个好处。首先，相比于连续运动，手势有助于增加系统的稳健性；其次，这种设计可以减少需要的电极数目，降低了模型的复杂性，增加了可部署性。
研究人员共设计了8种手势，分别是：手臂僵直、转动（分为顺时针转动和逆时针转动）、握拳（分为左手、右手、向上、向下）、手腕弯曲和伸展。
对于大多数手势引起的肌电信号，研究人员使用自适应在线聚类算法（Online clustering for adaptive thresholding）帮助机器人理解。
最初，所有的观察结果都储存在未知缓冲区。几秒钟后，高斯混合模型（GMMs，Gaussian Mixture Models）会对数据流分类，并将其添加到相应的滚动缓冲区中。
相比于离线训练方法，自适应在线聚类算法不储存所有的历史数据，不需要大量的校准、训练过程，可以做到即插即用。高斯混合模型（GMMs，Gaussian Mixture Models）会持续更新，聚类数据流并创建自适应阈值。这样，系统就可以适应不同用户的使用习惯。
对于那些很难用自适应阈值来描述的手势（在上、下、左、右四个方向上的握拳动作），研究人员用一个神经网络来帮助系统理解。这个神经网络用过去收集的一些受试者数据进行训练。
通过这两种方法，最终每个集群的训练池中都包含至少25%的手势。使用固定的覆盖率有助于保持原有的手势分类。
在测试阶段，研究人员按照这样的顺序给出指令：转动，手臂僵直，向上、下、右握拳，向左握拳。分类器优先按照最近0.2s内检测到的手势做出反应，其次按照根据肌电信号预测到的运动意图做出反应。
研究人员安排6名参与者做出1200次命令手势，以此评估分类器的性能和界面效率。根据统计结果，分类器对手势动作的识别准确率达到97.6%。
▲分类器分类准确率
2025-04-25 11:15
2025-04-25 11:13
2025-04-24 09:06
2025-04-24 09:01
2025-04-23 09:09
2025-04-23 09:05
2025-04-22 09:30
2025-04-22 09:28
2025-04-21 10:13
2025-04-21 10:11
