表面肌电意图识别技术是人机融合智能技术发展的重要支撑技术,在智能假肢、康复机器人等领域具有重要应用价值,然而,该技术在实际应用中常受到电极偏移、个体性差异、肌肉疲劳、肢体姿态或其他综合性干扰等多种因素的影响,难以推广使用,如何克服上述因素的影响是目前急需解决的关键问题。
*沈阳自动化研究所医疗康复机器人团队在深入分析的基础上,提出了非理想肌电的概念,建立了非理想肌电分析的框架体系,在构建肌电数据集、探索深度学习和迁移学习方法,以及肌电分解技术研究等方面,对未来的关键技术进行了展望,相关文章被《自动化学报》中文版录用。针对电极偏移这一难点问题,科研人员提出了一种自适应矫正方法,可估计出环形传感器偏移的角度,将动作估计精度提高了35.72%,相关研究成果发表在IEEE J. Biomed. Health Inform上。
此外,科研人员融合深度学习的特征提取能力和模型泛化能力,对动作分类、角度估计、力估计、多模态信息融合、个体性差异以及鲁棒性等问题结合深度学习方法进行了系统性总结,分析了目前主要的问题及相应的解决方案,并展望了未来研究方向,相关研究成果发表在IEEE/CAA J. Autom. Sinica上。
与人共融是机器人技术发展的重要特征,将人的智能与机器人的智能相融合推动了与人共融机器人的发展。*以来,课题组致力于人机融合智能领域的理论研究和应用实践,是国内早利用表面肌电进行人体连续运动意图估计的团队之一,*提出基于运动单元分解的运动意图识别方法,开发了手部康复系统、踝关节康复系统、上/下肢外骨骼康复机器人等系统并结合患者开展临床试验,相关研究成果先后发表在IEEE Trans. Ind. Electron, IEEE Trans. Neural Syst. Rehabil. Eng上。
上述研究工作得到自然科学基金委员会、中科院和机器人学重点实验室的支持。
原标题:沈阳自动化所在人机融合智能领域研究中获进展