תרגום אותות שרירים אנושיים ל- Robotic Motion

המסע לבניית רובוטים שנעים עם נוזל דמוי אדם כבר זמן רב האתגר המרכזי הרובוטיקה. בעוד תכנות מסורתי ובקרת מכנית להשיג תנועות מדויקות, חוזרות ונשנות, הם לעתים קרובות חסרים את יכולת ההתאמה ואת החסד של התנועה האנושית הטבעית.אלקטרומוגרפיה (EMG) ו-mdash; הטכניקה של מדידת הפעילות החשמלית המיוצרת על ידי שרירי השלד; הם לעתים קרובות חסר גשר חזק בין כוונה אנושית ולוכדת, כדי להגיב אותות מוטוריים יותר, אשר מסייעות, אשר מסייעות יותר, אשר מסייעות, אשר מסייעות, כדי ליצור אינטראקציה חשמלית, אשר מסייעות, אשר מסייעות, כגון גירויים, אשר מסייעות, אשר מסייעות של השרירים, אשר מסייעות, אשר מסייעות יותר, אשר מסייעות, אשר מסייעות, כדי ליצור אינטראקציה חשמלית, אשר מסייעות, אשר מסייעות, אשר מסייעות, אשר מסייעות, אשר מסייעות, אשר מסייעות, אשר מסייעות יותר, כדי ליצור אינטראקציה חשמלית, אשר מסייעות, אשר מסייעות, אשר מסייעות, אשר מסייעות, אשר מסייעות יותר, אשר מסייעות, אשר מסייעות לנטרו של נוגדנים עצמי, אשר מסייעות, אשר מסייעות, אשר מסייעות, אשר מסייעות, אשר מסייעות, אשר מסייעות לנטרו של נוגדנים עצמי

מאמר זה מספק מחקר מעמיק של איך EMG רתום רובוטיקה כדי להשיג שכפול תנועה טבעי.אנו נבחן את העקרונות הבסיסיים של רכישת אות EMG, אסטרטגיות בקרה שונות המשמשות לתרגם אותות אלה לפקודות רובוטיות, היישומים המשפיעים ביותר בהסתברות, אקסוטונים ורובוטים הומניים, יחד עם היתרונות, אתגרים נוכחיים ומבטיחים כיוונים עתידיים של שדה מתפתח במהירות.

הבנה אלקטרומיוגרפיה: שפת החוזים של השרירים

פיזיולוגית של אות EMG

כל תנועה מרצון מקורה קליפת המנוע של המוח, אשר שולח דחפים חשמליים מטה חוט השדרה ודרך תאי עצב מוטוריים להגיע סיבי שריר בודדים. כאשר שריפות עצביות מנוע, זה גורם פוטנציאל פעולה כי מתאחד לאורך סיבי השריר, גרימת הסיבים לחוזה.סכום של כל פוטנציאל פעולה יחידות המנוע בתוך שריר יוצר שדה חשמלי מזוהה על פני השטח הגולמי הוא דפוס אלקטרוגרפיים.

האמפליט של אות EMG טווחים ממיקרו וולט לכמה מ"ט, עם תוכן תדירות בדרך כלל בין 0 ל 500 הרץ.כוחו של האות מתואם עם רמת התכווצות שרירים ו mdash; כוח גדול יותר לגייס יותר יחידות מוטוריות ומגדיל את שערי האש, וכתוצאה מכך פעילות אותות אמפיריים ודחוסה יותר.

Surface EMG vs. Intramuscular EMG

שתי שיטות עיקריות קיימות ללכידת אותות EMG.FLT:0 (Surface EMG) (SEMG) LT:1 משתמש אלקטרודות דבקות המוצבות ישירות על העור ישירות על שריר היעד. גישה בלתי פולשנית זו היא הנפוצה ביותר ביישומים רובוטיים כי הוא חסר כאב, קל ליישם, מתאים לשליטה בזמן אמת.

(FLT:0) Intramuscular EMG (iEMG)BuildFLT) 1, לעומת זאת, משתמש חוט עדין או אלקטרודות מחט מוכנס לתוך הבטן השריר.טכניקה זו מציעה יחס אות גבוה יותר לרעש ויכול לבודד פוטנציאל פעולה יחידה מנוע בודד, נותן הרבה יותר פתרון טוב של קבוצות שרירים ספציפיות.

עיבוד אותות: החל מ- Raw Data to control Commands

אותות Raw EMG הם רועשים מטבעם, מזוהמים על ידי חפצים בתנועה, התערבות קו חשמל, ודיבור חוצה שרירים סמוכים. כדי להמיר אותות אלה קלטות בקרה אמין עבור רובוט, צינור עיבוד רב-שלב הוא חיוני:

  • (FLT:0) להגביר את הסינון ואת המסנן: FLT:1 כי האות הגולמי הוא בטווח המיקרו-וולט, זה חייב להיות מוגדל (בדרך כלל 100 –1000 פעמים) מסננים של בנד-pass להסיר סחף נמוך (נמוך 20 הרץ) ורעש גבוה הרץ (מעל 500 הרץ), בעוד מסננים לא מחוסנים 50 / 60 / קו חשמל.
  • (FLT:0) ectification ו- Smoothing:FearLT:1 , Full-wave תיקון להמיר סטיות מתח שלילי לנקודות חיוביות, ואז מסנן נמוך (למשל, ממוצע נע או Butterworth) מייצר מעטפה המייצגת את רמת ההפעלה הכוללת של השריר לאורך זמן.
  • (FLT:0) פלטת שיער: FLT:1ir כדי להפחית את המימדיות ולשפר דיוק הסיווג, תכונות ספציפיות נקבעות מהאות מעובד.תכונות של זמן משותף כוללות שורש מרובע (RMS), כלומר ערך מוחלט (MAV), אורך הגלפור, ואפס. תכונות של Frequency-domain כגון תדירות מדיה משמשים כדי להעריך עייפות.
  • (FLT:0) Classification ו- Mapping: FLT:1 Machineאלגוריתמים & mdash; מניתוח פשוט לינארי (LDA) ועד מכונות תמיכה מתקדמות יותר (SVM) ורשתות עצביות עמוקות ו-mdash; הם מאומן לזהות דפוסים נפרדים בתכונות המתאימות לתנועות ספציפיות המיועדות (למשל, מפרק יד, פתח, אחיזה, תא המטען, סוג מסווג של תפוקה רובוטית עבור מנועים לפלט רובוטית (למשל, לאחר מכן).

ניתוח בזמן אמת דורש שקיפות נמוכה: כל הצינור מרכישה של אות לביצועים חייב להשלים בתוך 50 – 100 מילי שניות כדי לשמור על תחושת השליטה המתמשכת של המשתמש.המשחת הזו מניעה אופטימיזציה הן חומרה (באמצעות גבוה דו-כיט אנלוגי לדיגיטליים ממירים) ותוכנה (אלגוריתמים משובצים יעילים).

שילוב של EMG לתוך מערכות בקרת רובוטיות

שליטה Paradigms: Threshold, Proportional ו- Pattern Recognition

מוקדם של האסתטיקה המיואלקטרית השתמש פשוט FLT:0reshold controlFLT:1: כאשר EMG amplitude על פני רמה מוקדמת, היד הרדמה נפתחת או סגורה במהירות קבועה.

(FLT:0) בקרה מקצועית (Proportional controlFLT:1) השתפרה על ידי מיפוי המעטפה EMG מעובד ישירות למהירות או כוח של הרובוטיקה. A חזק יותר התכווצות שרירים מייצרת תנועה מהירה או חזקה יותר, נותן למשתמש ניסיון שליטה טבעי יותר ונוצל.עבור משותף חד-דרגה של חופשות (כמו מרפק שרירים פרוטי), שליטה פרופורציונלית ומופצה באופן נרחב.

עבור ידיים רובוטיות מרובות-articulated או exoskeletons עם דרגות מרובות של חופש, (FLT:0 â € 1 הכרה ההכרה FLT:1) הוא פרדיגמה הדומיננטית.המשתמש מיישם שילובים שונים של שרירים כדי ליצור דפוסים נפרדים EMG. A Classifier, מאומן על סט של מחוות מתורגל, מזהה כי דפוס מיוצר ושולח פקודה מתאימה הרובוט עם דפוסים, עם משתמשים מזהים, בין פעולות פיזיות, או לחץ, או הפעלה (או לחץ דם) ללא הפעלת כוח נוסף.

תפקיד הלמידה והלמידה העמוקה

ההצלחה של שליטה מכנית-המדפסת תלוי במידה רבה על האינטנסיביות של אלגוריתם הסיווג. קואר מסווג (LDA) הם אור חישובי ועובד היטב כאשר מספר החוות קטן, ואת אותות השריר של המשתמש יציבים.עם זאת, הם נאבקים עם אחריות בין-session (למשל, שינוי אלקטרודה קל מיום ליום) ועם פירוק מחוות גדול להגדיר.

מודלים למידה עמוקה, במיוחד רשתות עצביות אבולוציה (CNN) ורשתות עצביות חוזרות ונשנות (RNNNs, כגון LSTMs), הראו ביצועים מעולים בכיתת תבניות EMG על פני תנאים מגוונים. CNN מצטיינים בלמידה תכונות מרחביות ממערךי אלקטרודה רב ערוצים, בעוד RNs ללכוד temporal של רצפי הפעלה היברידיים.

למרות הכוח שלהם, מודלים למידה עמוקה דורשים כמויות גדולות של נתוני הכשרה מתוייגים והם אינטנסיביים יותר מבחינה חישובית. Efforts כדי לפרוס מודלים כאלה על מעבדים מוטבעים בעלי כוח נמוך (למשל, ARM Cortex-M סדרה עם מאיצים חומרה) נמשכים, במטרה להפוך את הלמידה עמוקה בזמן אמת למכשירים רובוטיים לבישים.

הסתגלות בזמן אמת ואימון משתמשים

הן המשתמש והן הבקר חייבים להתאים אחד לשני.משתמשים בתחילה לחוזה השרירים בדפוסים ספציפיים כדי ליצור אותות עקביים.בינתיים, מערכות מודרניות משלבות את ה-FLT:0 אלגוריתמים של התאמה מקוונת, אשר מעדכנים פרמטרים של מערכי מעמד בזמן אמת, להסתגל לסחף אותות הדרגתיים, עייפות שרירים, או תנועת אלקטרודה קלה.

יישומים מרכזיים של EMG ב- Robotics

אסתטיקה מיואלקטרית מתקדמת

איברים פרותטיים הם היישום הבוגר והגלוי ביותר של הרובוטיקה המונעת על ידי EMG. Prosb Pros Theses עם שליטה מיואלקטרית עכשיו לאפשר למשתמשים לבצע מגוון רחב של פעילויות של חיי היומיום; מתפיסת ביצה שברירית לשאת תיק כבד ו mdash; עם פונקציונליות גבוהה להפליא של השרירים ממוקדים (TMR), טכניקה כירורגית שפותחה על ידי שיקום של השרירים המוח, לאחר גירוי עצביים, לאחר הפרעה רגשית, לאחר לחץ דם, לאחר לחץ דם שרירי עצב לקויה, לאחר הפרעה פיזית, לאחר לחץ דם, לאחר לחץ דם שרירית, לאחר גירוי עצביים, לאחר הפרעה נפשית לקויה, לאחר לחץ דם שרירית, לאחר הפרעה נפשית לקויה, לאחר גירוי דרמטי של השרירים.

ידיים אסתטיקה מודרנית, כגון אוטובק Bebionic או Touch Bionics i-לימוזינה, משלבות אצבעות ממונעות באופן אינדיבידואלי, ומאפשרות מגוון של דפוסי אחיזה.מערכות זיהוי דפוס יכולות לעבור בין אחיזה זו בצורה חלקה. חוקרים משלבים גם את EMG עם שיטות רגישות אחרות (למשל, יחידות מדידה לא רצויות, חיישנים) כדי לספק שליטה הקשרית כי משפרת את הגמישות הטבעית.

שיקום וסיוע Exoskeletons

Exoskeletons המסייע או להגדיל את התנועה האנושית להסתמך מאוד על ממשקי בקרה אינטואיטיביים. . EMG מבוסס exoskeletons לזהות את הפעלת השריר מרצון של המשתמש ולאחר מכן לספק בדיוק מומנט עזרי זמן אשר משלים את המאמץ של המשתמש. גישה זו היא בעלת ערך במיוחד ב neurorehabilitation עבור ניצולי שבץ או אנשים עם פציעות חוט השדרה, שבו exoskele יכול להקל על עצמו, פעילות ספציפית.

(ה-Kickso GT ו-ReWalk exoskeletons, בעוד נשלט באופן מסורתי באמצעות חיישנים מוטות או הטיה, הם מועצמים עם EMG sensing כדי לאפשר יותר נוזלים, פלטפורמות מחקר מונעות על ידי כוונה, כגון HAL (Hybrid Assistive Limb) exosleton, שפותחה על ידי Cyberdyne (יפן), להשתמש חיישנים של אינטראקציה של המשתמש שנועדה לנבאדבנים בדיוק כמו: Fif יש צורך תנועות כוח משותף: 1.Ficericericoericericericericericericericerto:

רובוטי הומניאיד וטלקומוניקציה

רובוטיות אנושיות, העתקת מחוות טבעיות, תנופה ומניפולציה היא חובה. EMG מספק דרך למפעילים לשלוט מרחוק בתנועות הרובוט ההומואיד על ידי ביצוע הפעולות בעצמם. אותות EMG שנתפסו מהזרועות, הידיים והרגליים ממפותחות למנהגים הרובוטיים של הרובוט, המאפשרים צורה של תקשורת שמרגישה הרבה פחות מאשר שמחה מופשטת או מקלדת.

לדוגמה, הונדה ASIMO שימש בניסויים שבהם מפעיל בעל שרוולים שמפקח על מחוות היד של הרובוט ותנועות הזרועות של הרובוט. בדומה, הרובוט של נאס"א Valkyrie נבדק עם ממשק מפעיל המשלב את EMG עם מעקב לא מודע כדי להשיג מניפולציה דהקסטרית בתרחישים של לעג אסון-תגובה. גישה זו מפחיתה את העומס הקוגניטיבי על המפעיל, ומאפשרת להם להתמקד על תוכנית הבקרה של הרובוט במקום על המשימה של הרובוט.

רובוטים תעשייתיים ושיתופיים

בהגדרות תעשייתיות, רובוטים שיתופיים (cobots) יותר ויותר מפורסים לצד עובדים אנושיים.החיישנים EMG שחוקים על סף של העובד או כתף יכולים לזהות עייפות שרירים או תנומות מביכות, מה שגורם ל-Cobot להתאים כוח מסייע או להזהיר את המשתמש של סיכונים ארגונומיים פוטנציאליים.

מעבר להגדלת כוח, הרובוטים מונעים על ידי EMG יכולים לסייע במשימות הדורשות מיומנויות מוטוריות משובחות וקורקות, כגון איסוף קו הייצור או מניפולציה כליים.על ידי קריאה בפעילות השרירים של המשתמש, הרובוט יכול לעבור בצורה חלקה בין החזקת עומס פסיבי ותנועה מודרך פעילה.

היתרונות של EMG-Integrated Robotics

  • (FLT:0) בקרת אינפורמטיבי: 1.FLT:1 EMG משקף ישירות את פקודות המנוע של המשתמש, ביטול הצורך ללמוד ממשקי בקרה מופשטים.
  • איכות התנועה הטבעית:0 (Natural Movement Quality:FLT:1 משום שהמערכת הרובוטית מתבוננת בדפוסי ההפעלה של השריר עצמו, התנועות הנובעות ירשו את הניואנסים העצומים של תנועה אנושית ומדש; פרופילים של צמצום, מתינות כוח, ותיאום רב-joint תיאום & mdash; ומייצרות פעולות שמרגישות נוזלים ולא רובוטיות.
  • (FLT:0) אחריות בזמן אמת: קיד 1 (עם עיבוד אותות נמוכים (תחת 100 מ"מ), הרובוט נע כמעט בו זמנית עם כוונת המשתמש, שמירה על תחושת הסוכנות והשליטה.
  • (FLT:0)Fine Motor Precision:FLT:1; Proportional and Pattern-recognition Control מאפשר משימות עדינות כגון צבט, רוטט מברג, או מניפולציה של אובייקטים רכים, אשר מאתגרים עם מתגים מסורתיים על /off.
  • (FLT:0) ,Adaptability: FLT:1 מכונות מודלים יכול לאימון מחדש או להסתגל לשינויים במצב של המשתמש (fatigue, צמיחת שרירים, התחדשות אלקטרודה) להבטיח ביצועים עקביים לאורך זמן.
  • (FLT:0) שיפור מטען קוגניטיבי: שליטה אינטואיטיבית גבוהה 1 משחררת את תשומת לבו של המשתמש למשימה עצמה, במקום להתמקד כיצד להפעיל את המכשיר הרובוטי.

שמירה על אתגרים והגבלות נוכחיות

איכות אותות ו רעש

למרות ההתקדמות, אותות SEMG הם לשמצה שברירית. Motion פריטים מתנועת כבלים או עקירה אלקטרודה לגרום ספייקטים transient כי ניתן לפרש כמו פקודות מרצון הזיעה, שינויים שיבוש בעור, והתערבות אלקטרומגנטית עוד מדגימה את האות. Robust חומרה עיצוב חומרה (כבלים מקודשים, אלקטרודות פעיל, סינון מתקדם) יכול להפחית אך לא לחסל את הבעיות האלה, במיוחד בעולם האמיתי מחוץ לסביבות המעבדה.

אפשרויות והדרכה

שני אנשים המבצעים את אותה תנועה יניבו דפוסים EMG שונים עקב הבדלים אנטומיים, הרכב שרירים ואסטרטגיות הפעלה נלמדות. כתוצאה מכך, ממריצים צריכים להיות מכווצים או מאומנים עבור כל משתמש חדש, תהליך שיכול להיות זמן-consuming. יתר על כן, כמה משתמשים נאבקים לייצר דפוסים עקביים, נפרדים, להגביל את מספר פונקציות בעלות שליטה.

אלקטרודה מקום ויציבות ארוכת טווח

מיקום אלקטרודה אופטימי משתנה עם האנטומיה של המשתמש ומשתנה מעט כאשר המשתמש נע או משמרת יציבה. אלקטרודה נודדת אפילו כמה מ"מ יכול לשנות את האות המתועד באופן משמעותי מספיק כדי לחדד דיוק סיווג. אלקטרודות רטובות ניתנות לדרגה דורש ג'ל זה מתפוגג לאורך זמן, בעוד אלקטרודות יבשות לעתים קרובות יש יותר מתחוללים מגע.

המונחים: Power Constraints

זיהוי דפוס בזמן אמת ברשתות עצביות עמוקות דורש כוח עיבוד משמעותי, אשר סותר את הצורך במכשירים קלים, דלים באנרגיה נמוכה. חיי סוללה, ניתוק חום, ועיבוד לבה הם כל הניתוקות הסחר כי מעצבים חייבים לאזן. Edge פתרונות מחשוב עם יחידות עיבוד עצביות מיוחדות (NPUs) מתעוררים, אך הם עדיין אינם נפוצים בהסתברות מסחרית או exoskeons.

סיקור ו- Closed-Loop Feedback

בעוד EMG מספק אות בקרה מזין קדימה, המשתמש מקבל מוגבל או ללא משוב חושי מהמכשיר הרובוטי.ללא tactile או proprioceptive תחושות (למשל, לדעת כמה קשה היד הפרוטטית הוא מטושטש), משתמשים חייבים להסתמך על רמזים חזותיים בלבד.חוסר משוב חד פעמי מקטין את הטבעיות של אינטראקציה ויכול להוביל לקטע או כוח מופרז מתפתח.

כיוונים עתידיים: לקראת Seamless Human-Robot Symbiosis

רגישות גבוהה EMG והפרדה Source

באמצעות מערך של עשרות או אפילו מאות מיקרו-אלקטרוניקה, sEMG בעלות גבוהה יכול למפות את תבנית ההפעלה על פני קבוצת שרירים.טכניקות הפרדה של מקור עיוור (כגון ניתוח רכיב עצמאי) יכולות לבודד את הפעילות של יחידות מנוע אינדיבידואליות, המציעות אות שליטה עשיר יותר וסלקטיבי יותר. גישה זו מבטיחה להגדיל את מספר הפקודות המבדלות ולשפר את העוצמה לרעש.

FUOKE עם biosignals אחרים

EMG לבד לא יכול ללכוד את כל ההיבטים של כוונה אנושית.שלב EMG עם אלקטרונספילוגרפיה (EEG) מן הקרקפת, mechanomyography (MMG) מדידת רטט שרירים, או הדמיה אולטרסאונד של עיוות שרירים עמוק יכול לספק מידע משלים. היתוך חיישן רב-ממדי, מעובד על ידי מודל למידה מאוחדת, יכול לאפשר שליטה בו זמנית של מספר רב של איברים רובוטיים או סילוק מורכב של פעולות.

חיישן EMG בלתי ניתן להחלפה

עבור יישומים הדורשים אותות לטווח ארוך, נאמנות גבוהה, חיישני מיואלקטריים מושתלים (IMES) מפותחים.מכשירים זעירים, ביו-תואמים אלה מוזרקים לשרירים בודדים ולהעביר EMG אלחוטי לבקר חיצוני. IMES נמנעים מבעיות של שיבוש העור ולספק אותותסלקטיביים ויציבים. ניסויים קליניים הראו תוצאות מבטיחות לשליטה אסתטית, וגרסאות עתידיות עשויות לכלול תקשורת דו-צדדית עבור משוב חושי.

בקרה הסתגלות וחיזוי

בקרים הדור הבא לא רק יגיבו לאותת EMG הנוכחית, אלא גם לצפות את התנועה הבאה של המשתמש.על ידי לימוד רצפים זמניים של הפעלת שרירים כי לפני פעולה נתונה (למשל, את הקוטרנסטור הקדם-פרלמנט עדין לפני התפוסה), הרובוט יכול להציב עצמו, להפחית את הגמישות אפילו יותר.

רובוטיקה רכה ולבוש

ההתכנסות של EMG עם חומרים רובוטיים רכים (הפועלים של סכיזופרניה, חליפות טקסטיל מבוסס) מבטיחה במיוחד. Soft exoskeletons כי הם לבושים כמו בגדים נשלטים על ידי חיישנים EMG משובצים יכול לספק כוחות מסייעים ללא רוב ונוקשות של exoskeons קונבנציונליים.

מסקנה

אלקטרומיוגרפיה התפתחה מטכניקת מעבדה לחקר פיזיולוגיה של השרירים לממשק בקרה מעשי, אשר הופך את האופן שבו רובוטים מפרשים ומבצעים תנועה אנושית.באמצעות התקדמות בעיבוד אותות, למידת מכונה ועיצוב חיישן, EMG מעצימה את הגפיים הרדמה כדי לשחזר את התפקוד שאבד, exoskeletons כדי להגביר את כוח האדם, ורובוטים אנושיים כדי לשקף את המחווה שלנו עם נאמנות חסרת תקדים.

במבט קדימה, השילוב של מערך חיישן גבוה, מכשירים מושתלים, היתוך ביו-מודולאלי, ואלגוריתמים חיזויים אדפטיים מתאימים ידחפו את הגבולות של מה שניתן.כפי שטכנולוגיות אלה בוגרות, הקו בין כוונה מוטורית אנושית וביצוע רובוטי רובוטי ימשיך לטשטש, ויתקרב אותנו אל עתיד שבו רובוטים עוזרים ומשתפים עוברים עם אותו נוזל, ומביעים כמו האנשים שמשרתים את האנשים.

(ב) ויקרא י"ד:

  • טבע: "מהירות גבוהה וחסכונית אלקטרו-אופטיקה מבוססת מיקרו-השפעה על אנרגיה, למיין תבניות EMG"
  • (ב) ◄ עסקאות על הנדסה ביו-רפואית: נושא מיוחד על Myoelectric ControlFIRLT:1
  • הספרייה הלאומית לרפואה: "Applications of EMG in Robotics - A Review" (PMC7240485)
  • [01:0] כתב העת הבינלאומי של מחקר הרובוטיקה: "Deep Learning for sEMG-based Gesture Recognition" 1
  • (בלטינית:0 ScienceDirect: Review of Electromyography in RoboticsFLT:1)