#今日论文推荐#手势和力度同步识别的假肢手交互，有效缓解残肢肌肉疲劳

#今日论文推荐#手势和力度同步识别的假肢手交互，有效缓解残肢肌肉疲劳

肌电意图识别在过去几十年的关注点主要集中在实现高精度手部运动解码方面，大部分研究都是基于相同力度等级执行。虽然也有研究人员关注通过sEMG解码力意图[1, 2]，但手部运动和力度等级的解码通常是独立进行的，这与人类涉及复杂的运动和力度同时变化的日常生活活动相悖，因此如何在力度变化的场景下实现鲁棒的肌电意图识别也是个亟待解决的关键问题[3]。

创新点
清华大学孙富春教授团队、安徽工大单建华教授团队及其国家康复中心梁文渊博士联合在神经系统及康复领域顶刊IEEE Transactions on Neural Systems and Rehabilitation Engineering 发表研究工作“Simultaneous sEMG recognition of gestures and force levels for interaction with prosthetic hand”.针对不同的力度等级和不同的手势设计了一个实时肌电假肢手控制框架：通过多任务学习技术实现了基于sEMG同时识别多手势和多力度等级任务，并为截肢受试搭建了具备触觉反馈的假肢手控制系统，完成了一系列的日常抓握任务，包括抓握水果、倒水等数项力量敏感实验，为截肢受试提供了更优的人机交互方式，以帮助其在操作任务中更方便、更舒适地使用假肢手。

文章解析

所提出的基于sEMG同时识别手势和力度等级的控制框架如图1所示。首先通过sEMG传感器和力传感器收集数据，将其作为神经网络进行离线训练的输入数据，然后实时读取sEMG数据，并将其输入经过训练的模型，以进行在线控制假肢执行抓取任务。

论文题目：Simultaneous sEMG recognition of gestures and force levels for interaction with prosthetic hand
详细解读：https://www.aminer.cn/research_report/630cb9797cb68b460f0ede44https://www.aminer.cn/research_report/630cb9797cb68b460f0ede44
AMiner链接：https://www.aminer.cn/?f=cs