直达期货

直达期货,

本文来自微信民众号：，作者：温淑，原问题：《绷紧肌肉就能操控无人机！MIT硬核研究：AI让你的麒麟臂变遥控器》，题图来自：电视剧《风云》

克日，麻省理工学院计算机科学与人工智能实验室（CSAIL）的研究团队行使肌肉传感器和运动检测算法，开发出一个“行为控制机械人”系统，能通过肌肉收紧来远程遥控无人机。

现在，搭载这个系统的无人机能够对8种手势做出反映，反映准确率到达81.6%。

行使机械人完成事情可以解放人类的生产力。要到达这一目的，需要机械人和人之间到达较高的配合度。此前的研究从语音识别、自然语言处置、计算机视觉、触觉、手势等角度举行了探索。效果显示，语音、触屏控制不够敏捷，已有的传感器系统也对照粗笨。

麻省理工学院的研究职员以为让机械人明白人类的非语言指令可以解决这些问题。据此，他们研发出一款端到端手势控制系统。这个系统用肌电信号传感器吸收用户手势，用算法判断指令内容，不需要举行繁琐的数据训练或校准，配套传感器的尺寸也对照小。

这项研究已经入选2020年人机交互国际集会（ACM/IEEE HRI），这是人机交互领域最主要的集会之一。

论文揭晓在计算机学术网站ACM Digital Library上，论文问题为《》。

用传感器捕捉肌电信号，装备更轻盈

肌电信号与人体的运动意图相关。凭据之前的研究，肌电信号和相关肌肉动力学之间的建模可被用于提升外骨骼、假肢等辅助机械人的性能。

本项研究中，研究职员实验行使肌电信号传感器（也称肌电图传感器，EMG），将人类手部运动时的肌电信号传输给机械人。

用外面肌电电极从参与者的右上臂提取肌电信号，在肱二头肌短头和肱三头肌长头上放置24mm预涂导电胶的Covidien电极。前臂上的装置包罗肌电图电极和一个惯性丈量装备（IMU，由一个加速度计和一个陀螺仪组成）。

可穿着式肌电信号传感器会差异化增强网络到的每对肌电信号。数据网络系统以1KHz的频率对肌电信号举行采样，并通过USB把它们传输到可视化仿真工具Simulink R2018b。

传感器捕捉肌电信号的历程

论文指出，使用肌电信号传感器有几个利益：

首先，降低了模子的复杂性。不需要照相机等动作捕捉装备，装备更轻盈；

其次，排除了遮挡、环境噪音等因素的滋扰；

另外，肌肉信号能够反映出肉眼考察不到的运动状态（好比枢纽僵硬），有助于提升人机交互系统的灵活性。

“行为控制机械人（Conduct-a-Bot）”系统

用算法明白手势寄义，实现即插即用

连呼吸机都能搭起来，还有什么树莓派做不了？

树莓派并不是以订单量来决定生产，而是以库存量作为基准，因此库存更稳定。图片来自 TechRadar医疗设备以外，树莓派在疫情期间还成为了很多人在家办公的工具。在今年 3 月，树莓派的销售量达到了 64 万件，这是自树莓派于 2012 年创立以来第二高单月销售。当然，除了呼吸机和办公计算机，不少创客也趁这段时间订购树莓派在家捣鼓，这也是销售增长的来源之一。除了够开放，树莓派另一了不起的地方在于其价格够低。

凭据论文，让机械人明白手势指令有两个利益。首先，相比于延续运动，手势有助于增添系统的稳健性；其次，这种设计可以削减需要的电极数目，降低了模子的复杂性，增添了可部署性。

研究职员共设计了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）、手腕弯曲和舒展。

对于大多数手势引起的肌电信号，研究职员使用自顺应在线聚类算法（Online clustering for adaptive thresholding）辅助机械人明白。

最初，所有的考察效果都储存在未知缓冲区。几秒钟后，高斯夹杂模子（GMMs，Gaussian Mixture Models）会对数据流分类，并将其添加到响应的转动缓冲区中。

相比于离线训练方式，自顺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、训练历程，可以做到即插即用。高斯夹杂模子（GMMs，Gaussian Mixture Models）会连续更新，聚类数据流并建立自顺应阈值。这样，系统就可以顺应差别用户的使用习惯。

对于那些很难用自顺应阈值来形貌的手势（在上、下、左、右四个方向上的握拳动作），研究职员用一个神经网络来辅助系统明白。这个神经网络用已往网络的一些受试者数据举行训练。

通过这两种方式，最终每个集群的训练池中都包罗至少25%的手势。使用牢固的覆盖率有助于保持原有的手势分类。

测试1200次，分类器识别准确率达97.6%

在测试阶段，研究职员根据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。分类器优先根据最近0.2s内检测到的手势做出反映，其次根据凭据肌电信号展望到的运动意图做出反映。

研究职员放置6名参与者做出1200次下令手势，以此评估分类器的性能和界面效率。凭据统计效果，分类器对手势动作的识别准确率到达97.6%。

分类器分类准确率

凭据肌电信号展望运动意图方面，分类器对于向上握拳的展望准确率最高，到达100%；对向左握拳的展望准确率最低，为80%。

分类器展望准确率

另外，研究职员把这个系统应用于一个Parrot Bebop 2无人机。该无人机尺寸大约为35*43cm，重500g。在119分钟的航行时间中，测试职员随机做出1535个下令手势，无人机在81.6%的情况下做出了准确反映。

结语：未来机械人或能识别更多手势

麻省理工学院计算机科学与人工智能实验室的研究团队设计出的“行为控制机械人”系统有用提升了人机交互的效率。论文中写道：“（我们）提出的方式在改善真实场景中的人机协作方面迈出了一步。这种协作越来越普及，会带来更多效益。”

研究职员示意将继续研究，致力于使机械人明白更多手势，并实验提升传感器性能，捕捉到更精致的肌电流动。

文章泉源：ACM Digital Library，MIT CSAIL

本文来自微信民众号：，作者：温淑

,直达期货