Графовая нейросеть распознает жесты рук с точностью 99% за 48 мс
Учёные представили новый метод распознавания жестов рук в реальном времени на основе поверхностной электромиографии (sEMG). Разработка использует графовые нейронные сети (GNN) для анализа мышечной активности предплечья.
Традиционные подходы к интерпретации sEMG-сигналов часто требуют сложной обработки и не обеспечивают достаточной скорости для практических применений. Однако графовое представление сигналов позволяет эффективно моделировать взаимосвязи между электродами и динамику активации мышц.
В ходе эксперимента исследователи использовали браслет Myoband с восемью электродами, данные записывались у восьми здоровых добровольцев. Разработанный алгоритм достиг средней точности классификации 99%, что превышает показатели современных технологий.
Важным преимуществом является скорость работы: в среднем на построение графа и прогноз уходит 48 миллисекунд (на процессоре M1 Pro). Это делает систему пригодной для задач, требующих мгновенной обратной связи.
Потенциальные области применения включают управление продвинутыми протезами рук и взаимодействие с дополненной реальностью. Быстрое и точное распознавание жестов критически важно для естественного интерфейса между человеком и устройством.
Результаты исследования опубликованы на сервере препринтов arXiv и демонстрируют перспективность графовых нейронных сетей в биомедицинской инженерии и робототехнике.
