Giriş: İnsan Kas İşaretleri Robotik Harekete Geçirmek

İnsan benzeri akışkanlık ile hareket eden robotlar inşa etme arayışı uzun zamandır robotik kaslarda merkezi bir meydan okuma olmuştur; geleneksel programlama ve mekanik kontrol, tekrarlanabilir hareketler, genellikle doğal insan hareketlerinin adaptasyon ve lütufunu yoksunlar. EMG robotları, protezleri ve exoskeletel kas-dash tarafından üretilen elektrik aktivitesini ölçür; insan niyeti ve robot eylemi arasında güçlü bir köprüyü ortaya koyarlar.

Bu makale, EMG'nin doğal hareket replikasyonu elde etmek için robotik olarak nasıl kullanıldığı konusunda ayrıntılı bir araştırma sağlar. Bu hızla gelişen EMG sinyal satın alımının temel prensiplerini inceleyeceğiz, bu sinyalleri robotik komutlara dönüştürmek için kullanılan çeşitli kontrol stratejileri, exoskeletonlar ve insanoid robotlar, mevcut zorluklarla birlikte, gelecekteki bu hızla gelişen alanın temel ilkelerini inceleyeceğiz.

Elektromiyografiyi Anlamak: Kas Anlaşmazlığı Dili:

EMG Signaliological Basis

Her gönüllü hareket beyin motor kortektinde ortaya çıkıyor, bu da omurdan gelen elektrik dürtüleri ve bir kas liflerine ulaşmak için motor nöronları gönderir.Bu gerilim modeli, ham elektromiyografik sinyalin üzerinde bir eylem potansiyeli tetikliyor.

EMG sinyalinin amplitüdünün birkaç milivolta mikro volta kadar uzanır, frekans içeriği tipik olarak 0 ve 500 Hz. arasında sinyalin gücü kas sözleşme seviyesi ile ilişkilidir ve daha fazla motor birimleri işe alır ve daha yüksek amplamin ve yoğun sinyal aktivitesine yol açar.

Surface EMG vs. Intramuscular EMG

EMG sinyalleri yakalama için iki ana yöntem var.ETHFLT:0)Surface EMG (sEMG)[Döneticileri doğrudan hedef kas aktivasyonuna yerleştirilen yapıştırıcılar. Bu non-vazif yaklaşım, robotik uygulamalarda en yaygın olanıdır, çünkü gerçek zamanlı kontrol için uygun ve uygun. sEMG, elektrotların altındaki birçok motor ünitesinin toplam aktivitesini algılar.

[FONT:0)Intramuscular EMG (iEMG)[Dönetici:0)[Dönetici:0)) Diğer taraftan, ince tel veya iğne elektrotları kas karnına yapıştırılır. Bu teknik yüksek çözünürlükte yüksek çözünürlükte yüksek çözünürlükte ve bireysel motor ünitesi aksiyon potansiyellerini ayırabilir, belirli kas gruplarının çok iyi bir karar verir.

Signal Processing: Raw Data'dan Komuta Kontrol Etmeye Yönelik

Raw EMG sinyalleri, hareket eserleri, güç hattı müdahalesi ve bitişik kaslardan gelen haçlı kaslardan oluşan bu sinyalleri bir robot için güvenilir kontrol girdilerine dönüştürmek, çok adımlı bir işlem hattı gereklidir:

  • [FONT=0]Amplification and Filtering:[Dönetici: 0 °T:1) Çünkü ham sinyal mikrovolt aralığındadır, güvenilir olmalıdır (tipik olarak 100–1000 kez). Band-pass filtreleri düşük frekanslı sürüklenme (daha az 20 Hz) ve yüksek frekanslı gürültü (daha fazla Hz) ve yüksek frekanslı gürültüyü ortadan kaldırır.
  • [FONT=0)Rectification and Smoothing:) Full-wave retification, negatif gerilim defleksiyonları olumlu olanlara dönüştürür, sonra düşük seviyeli bir filtre (örneğin, ortalama veya Butterworth) zaman içinde genel kas aktivasyon seviyesini temsil eden bir zarf üretir.
  • [[Dönetici:0)Ana Sayfa Ekstraksiyon:[Döneticileri azaltmak ve sınıflandırma doğruluğunu artırmak için, belirli özellikler iş sinyalinden işlem edilir. Ortak zaman alanı özellikleri kök anlamına gelir (RMS), mutlak değer (MAV), dalgaform uzunluğu ve sıfır geçişler.
  • [FONT=0)Köfke ve Haritalama: [Dönetici: [Dönetici:0) Yönelme ve Haritalama: [Dönetici: 0,4|Etçe öğrenme algoritmaları vedash; Daha sonra basit doğrusal ayrımcı analiz (LDA) ile vektör makineleri (SVM) daha ileri bir motor komutunu haritaladı.

Gerçek zamanlı işlem düşük gecikme gerektirir: sinyal satın alma işleminden gelen tüm boru hattı 50–100 milisaniyeler kullanıcının sürekli kontrol duygusunu korumak için. Bu kısıtlama sürücüleri her iki donanımda optimizasyonlar (yüksek-yavaplı dönüştürücüler) ve yazılım (malzeme algoritmaları) ve yazılımlar (dikal algoritmalar).

EMG'yi Robotik Kontrol Sistemlerine Bütünleştirmek

Kontrol Paradigms: Threshold, Proportional, ve Pattern Recognition

Erken myoelektrik prosthetics basit bir şekilde kullandı:0)treshold control[DDÜT:1): EMG amplitüdünün önceden belirlenmiş bir seviyeye geçtiğinde, prosthetic hand ya da kapalı, ancak işlevsel olarak, bu yaklaşım sadece brüt, ikili kontrol ve hareket için bir başarı teklif etti.

[FONT=0)Proportional control[[Dönetici:0) Bu konuda, işlenmiş EMG zarfı doğrudan robot eylemcinin hızına veya gücüne göre daha hızlı veya daha güçlü bir hareket yaratır, kullanıcıya daha doğal ve çıplak bir kontrol deneyimi verir.

Çok-articized robotik eller veya birden fazla özgürlük derecesi ile iskeletler için, [[0)pattern tanıma) Kullanıcının, farklı kas kombinasyonlarını farklı bir şekilde üretmesi için kasların farklı kombinasyonlarını kasıtlı olarak, bir sınıflandırıcı, hangi desenin üretileceğini ve robota karşılık gelen bir komut gönderdiğini tespit eder.

Makine Öğrenmesinin Rolü ve Derin Öğrenme

Model tanıma myoelektrik kontrolü başarısı, sınıflandırıcıların (LDA) çok yüksek bir noktaya kadar sabit bir şekilde hareket ederken ve kullanıcı kas sinyallerinin sayısı küçük ve kullanıcı başına düşen değişkenlik ile mücadele ediyorlar.

Derin öğrenme modelleri, özellikle de geleneksel sinir ağları (CNNs) ve tekrarlayan sinir ağları (RNNs, LSTMs gibi), EMG modellerini çeşitli koşullar altında sınıflandırmak için üstün performans göstermiştir. CNNs, uzaysal özellikleri öğrenmede Multi-channel elektrot dizileri yaparken, RNNs kas aktivasyon dizilerini sürekli dinamiklerini yakalarken.

Güçlerine rağmen, derin öğrenme modelleri, çok sayıda etiketli eğitim verileri gerektirir ve daha fazla hesaplamalı yoğundur. Düşük güç gömülü işlemciler (örneğin, ARM Cortex-M serisi donanım hızlandırıcıları ile) sürekli olarak pratik olarak öğrenilir.

Gerçek- AdaptTimeation ve Kullanıcı Eğitimi

Kullanıcı ve kontrol cihazı, başlangıçta kas yorgunluğunu belirli şekillerde tutarlı sinyaller üretmek için sözleşmeli olarak uygulamalıdır.Bu arada, modern sistemler ESFLT:0)online adaptasyon) algoritmaları gerçek zamanlı olarak, sınıflandırıcı parametrelerini ayarlamak için, kas yorgunluğunu veya hafif elektrot hareketini uygulamak önemlidir.

EMG'nin Robotik Uygulamaları

Gelişmiş Myoelektrik Prosthetics

Prosthetic uzuvlar, ağır bir çanta vedash taşımak için en olgun ve görünür bir uygulamadır; Hedefli Kas Reinnert (TMR), Rehabilitasyon Enstitüsü'nde geliştirilen bir cerrahi teknik, kullanıcıların mevcut olmayan kaslarda kaslara karşı genişleyen sinirler üzerinde sabitlenir.

Ottobock Bebionic veya Touch Bonics i-limb gibi modern prosthetic eller, çeşitli kavrama kalıpları sağlar. Desen tanıma sistemleri bu kavramalar arasında geçiş yapabilir. Araştırmacılar ayrıca EMG'yi diğer algılama yöntemleriyle birleştirir (örneğin, sabit ölçüm birimleri, güç sensörleri)

Rehabilitasyon ve Yardımcı Exoskeleton

İnsan hareketine yardımcı olan veya teşvik eden aşırı iskeletler, özellikle de omurgalı yaralanmalara dayanıyor. EMG temelli exoskeleton kullanıcının gönüllü kas aktivasyonunu tespit eder ve sonra kullanıcının çabasını tamamlayan tam zamanlı yardımcı tork sağlar.Bu yaklaşım özellikle de omurdav yaralanması için değerlidir, exo iskeleton tekrarlanabilir, görev özel pratikleri sağlar.

Ekso GT ve ReWalk exoskeletonları, geleneksel olarak kriminaller veya eğim sensörleri ile kontrol ederken, EMG algılaması ile daha fazla sıvıya, niyet odaklı akıp giden adımlar atmasına izin vermek için EMG algılaması ile geliştirilmektedir. Araştırma platformları, HAL (Hybrid Assistive Limb) exouralon gibi, Cyberdyne tarafından geliştirilen (Japonya), kullanıcı bacaklarının, tam olarak gerektiğinden emin olmak için sEMG sensörlerini kullanın.

İnsanoid Robotlar ve Teleoperatif

İnsanoid robotlarında, doğal jestleri çoğaltmak, duygusallık ve manipülasyonu önemlidir. EMG, operatörlerin insansız robotun hareketlerini uzaktan kontrol etme yolunu sağlar, sadece eylemleri gerçekleştirmekle ilgili EMG sinyalleri, operatörlerin kollarına yakalanan ve bacakları haritalanır, robotun eylemcileri için, bir tür teleoperatifi uzaktan daha az soyut hissetmelerini sağlar.

Örneğin, Honda ASIMO, bir EMG-equipped koltuğu takan bir operatörün robotun el hareketlerini ve kol hareketlerini kontrol ettiği deneylerde kullanılmıştır. Benzer şekilde, NASA Valkyrie robotunun kontrol planına odaklanmalarına izin veren bir operatör arayüzüyle test edilmiştir.

Endüstriyel ve Collaborative Robotlar

Endüstriyel ortamlarda, işbirlikçi robotlar (kobotlar) giderek insan işçilerinin yanında dağıtılır. EMG sensörleri, işçinin önbellek veya omuzlarında takılabilir, kas yorgunluğu veya garip duruşları tespit edebilir, yardımcı kuvvetle uyarmak veya potansiyel ergonomik risklerin kullanıcısını uyarmak için cobotları tetikleyebilir.

Güçlendirmenin ötesinde, EMG-yeterli cobotlar hem iyi hem de kolarse motor becerileri gerektiren görevlerde yardımcı olabilir, örneğin montaj hattı seçimi veya araç manipülasyonu. Kullanıcının kas aktivitesini okuyarak, robot pasif yük tutma ve aktif yönlendirme hareketi arasında sorunsuz bir şekilde geçiş yapabilir.

EMG-Integrated Robotics

  • [FONT:0) Intuitive Control:[Dönetici:[Dönetici:0) EMG doğrudan kullanıcının gönüllü motor komutlarını yansıtır, soyut kontrol arayüzlerini öğrenme ihtiyacını ortadan kaldırır.
  • [FONT:0)Doğal Hareket Kalitesi: [Dönetici: [Dönetici: [Dönetici: [Dönetici: [Dönetici: [Dönetici: [Dönetici: [Dönetici: 0], robot sistemi, kullanıcının kendi kas aktivasyon modellerini aynaları, ortaya çıkan hareketleri insan hareket vedash'in ince nüanslarını miras alır; hız profilleri, kuvvet modülasyon ve çok-joint koordinasyonu ve çok-dash; robotik olarak hissettiren eylemleri üretir.
  • [FONT:0)Real-Time Responsiveness: Düşük çözünürlükli sinyal işleme (100 ms altında), robot neredeyse aynı anda kullanıcı niyetiyle hareket eder, ajansın ve kontrolün anlamını korur.
  • [FONT:0]Fine Motor Hassasiyeti:[Dönetici ve örüntü tanıma kontrolü, bir tornavidayı döndürerek yumuşak nesnelere yol açan, geleneksel / çıkış noktaları ile meydan okuyan hassas görevleri sağlar.
  • [FONT:0)Adaptability:[Dönetici:[Dönetici:0)[Dönetici:0))) Makine öğrenme modelleri, kullanıcının durumundaki değişikliklere yeniden eğitim verebilir veya adapte edilebilir (sorun, kas büyümesi, elektrot repozisyon) zamanında tutarlı performans sağlar.
  • [FONT:0)Redüktör Bilişsel Yük:[Dönetici: 0,4] Yüksek sezgisel kontrol, kullanıcının görevi için dikkatini kendisi için ücretsiz olarak, robotik cihazı nasıl çalıştırılacağına odaklanmak yerine.

Meydan okumalar ve Güncel Sınırlar

Signal Quality and Gürültü

İlerlemelere rağmen, sEMG sinyalleri çok kırılgandır. Kablo hareketi veya elektrot yerinden gelen hareketler, özellikle gönüllü komutlar olarak yanlış yorumlanabilecek geçici çatlaklara neden olabilir.

Kullanıcı Variability ve Eğitim

Aynı hareketi yapan iki kişi anatomik farklılıklar, kas kompozisyonu nedeniyle farklı EMG kalıpları üretecek ve aktivasyon stratejileri öğrenmelidir. Sonuç olarak, sınıflandırıcılar her yeni kullanıcı için kalibre edilmiş veya yeniden eğitilmelidir, zaman alıcı olabilecek bir süreçtir.

Mekanik ve Uzun Süreli Stability

Optimal elektrode yerleştirme, kullanıcı hareket ettiğinde veya duruşları değiştirirken kullanıcı anatomisi ve değişikliklerle değişir. Birkaç milimetre bile göç eden bir elektrot, kaydedilen sinyali önemli ölçüde sınıflandırma doğruluğunu değiştirmek için değiştirir.Reusable ıslak elektrotlar, kuru elektrotlar genellikle daha yüksek temasa geçilmesini gerektirir.

C ⁇ ve Güç Konsolosları

Derin sinir ağları ile gerçek zamanlı model tanıma, hafif, düşük enerjili giyilebilir cihazlara ihtiyaç duyan önemli işlem gücünü talep eder. Battery life, ısı dağılımı ve gecikmeler tüm bu tasarımcıların dengeye ihtiyacı olan ticari işlem çözümleridir. Edge Computing Solutions with specific sinir işleme birimleri (NPUs) ortaya çıkmaktadır, ancak ticari prosthetics veya exoskeletonlarda henüz yaygın değildir.

Perrioception ve Kapalı-Loop Geri Bildirim

EMG, bir yem kontrol sinyali sağlarken, kullanıcı yalnızca görsel cütüre güvenmelidir.Bu tür bir tepkinin doğallığını azaltır ve yanlışlıkla bağlantı veya aşırı güçle birleştirir.

Future: Probleme Doğru İnsan-Robot Symbiosis

Yüksek Lisans EMG ve Kaynak Ayrımı

Yüzlerce mikroelektrodes, yüksek çözünürlükte sEMG, kas grubu ile aktivasyon modelini kavramsal olarak haritalayabilir ve böylece bağımsız bileşen analizi gibi) bireysel motor birimlerinin aktivitesini izole edebilir, daha zengin ve daha seçici bir kontrol sinyali sunar.

Diğer Biyosignals ile Fısıltı

EMG tek başına insan niyetinin tüm yönlerini yakalayamaz. EMG'yi elektroenseografi (EEG) kafa derisinden, mechanomyografi (MMG) kas titreşimini ölçebilir veya derin kas deformasyonunun ultrasonu görüntülemesi, birleşik bir makine öğrenimi modeliyle işlenebilir, birden fazla robotun veya karmaşık ayrımını eşzamanlı olarak kontrol edebilir.

Implantable ve İnjeable EMG Sensörleri

Uzun vadeli, yüksek sadakat sinyalleri gerektiren uygulamalar için, implantatif myoelektrik sensörleri (IMES) geliştirilmektedir. Bu küçük, biyo uyumlu cihazlar bireysel kaslara enjekte edilir ve EMG'yi dış kontrole iletmez. IMES, cilt imkansızlığı problemlerinden kaçınır ve seçici, istikrarlı sinyaller sunar.

Adaptif ve Tahminsel Kontrol

Sonraki nesil kontrolörler sadece mevcut EMG sinyaline tepki vermeyecektir, ancak ayrıca kullanıcının bir sonraki hareketi de tahmin edebilir.Birkaç eylemin (örneğin, ince hazırlık ko-çakırlık) bir şekilde uzatılabilir, robotun kendini önceden tahsis edebilir, gecikmeli yaklaşımı daha da ileri sürebilir.Bu tahmin edici yaklaşım, takviye öğrenme ile birlikte, robotların belirli bir eyleminin uzatılması gibi hissettiren bir hareketi gerçekleştirmesine izin verebilir.

Yumuşak ve Giyilebilir Robotik

EMG'nin yumuşak robotik malzemelerle yakınlaştırılması ( ⁇ e actuators, tekstil tabanlı exosuits) özellikle de EMG sensörlerinin ev sahipliğinde giyildiği ve yaygınlaşmış eksoküler yardımı sağlandığında, özellikle de sualtınları tarafından kontrol edilen yumuşak iskeletler için test edilir.

Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç

Elektromyografi, kas fizyolojisini insan gücünü kullanarak pratik bir kontrol arayüzüne göre gelişti ve robotların insan hareketine nasıl yorum yaptığını ve uygulayabileceğini ortaya koydu. sinyal işleme, makine öğrenimi ve sensör tasarımı, EMG güçlendirici ve prosthetic uğrlar, klinik ve araştırma ortamlarındaki yanlış anlamalar: sinyalsel uygulamalar, kullanıcı sınırlamaları ve sorunsuz bir şekilde kısıtlayıcılar, bilgisayar dışı bir şekilde kontrol, doğal hareket kalitesi, gerçek zamanlı duyarlılık ve prosthetic uğraşı; zaten önemli engeller kalır: sinyalsel kısıtlamalar, bilgisayar dışı bir şekilde kısıtlayıcı olmalıdır.

İleriye bakıldığında, yüksek seviyeli sensör dizilerinin entegrasyonu, implant edilebilir cihazlar, multi-modal biyosignal füzyon ve uyarlayıcı algoritmaların hizmet ettikleri insanların sınırlarını zorlayacaktır.Bu teknolojiler olgun olarak, insan motor niyeti ve robot yürütme arasındaki çizgi bizi daha da bulanıklaştırmaya devam edecektir, yardımcı ve işbirlikçi robotlar aynı akışkanlık, lütuf ve ifade edici ve ifade edici robotlar hizmet ettikleri insanlar olarak hareket eder.

[0]Dönemli Referanslar ve Okuma[Dönemli:0)

  • [FONT:0) Doğa: “Yüksek hızlı ve enerji verimli elektrowetting-based mikrofluidic türing EMG kalıpları için sıralama.”
  • [FONT:0]IEEE İşlemleri Biyomedikal Mühendisliği: Myoelektrik Kontrolü Üzerine Özel Sorun).
  • [FONT:0]NIH National Library of Medicine: "Designs of EMG in Robotics - A Review" (PMC7240485)).
  • [FONT=0)Uluslararası Robotik Araştırma Dergisi: "Temel Gesture Recognition için Öğrenme.").
  • [FONT:0) BilimDirect: Elektromiyografiye Bakış (FLT:1).