简单手势和肌肉信号近乎“无缝”操控无人机
最后更新：2020-05-13 11:32:27 手机定位技术交流文章
使用手势、可穿戴肌肉和运动传感器来控制无人机。
记录肌肉和运动信号。
EMG传感器监测肱二头肌、肱三头肌和前臂肌肉。
中国航空公司空新闻:爱因斯坦曾经说过，“唯一真正有价值的东西是直觉”。但是直觉很难教，尤其是对机器来说。机器如何感知人类的直觉并给出正确的反馈？这可能是每个人都会关心的问题。
我们希望与像人类一样的机器实现无缝通信，但使用预先指定的语音/触摸屏命令或设置复杂的传感器通常会让机器变得笨拙。让机器理解我们的非语言暗示，比如手势，可能是走向更广泛的人机合作的重要一步。此外，肌肉信号还能为机器提供难以目视观察的状态信息。
麻省理工学院计算机科学和人工智能实验室(MIT CSAIL)的研究人员的一项新研究可能会实现“近乎无缝”的人机协作。相关论文已在本月的美国计算机学会/美国电气工程师学会人机交互国际会议上发表。
“我们想象一个世界，在这个世界里，机器可以帮助人类进行认知和物理工作。但要做到这一点，机器需要适应人类，而不是人类。”该论文的作者之一、麻省理工学院计算机科学和人工智能实验室主任丹妮拉·罗斯教授说。
在一个名为“指挥机器人”的系统中，研究人员通过简单的手势和肌肉信号，在肱二头肌、肱三头肌和前臂上放置肌电图和运动传感器，成功地操纵了机器的运动。该系统旨在减少普通用户与机器互动的障碍。通过使用少量的可佩戴传感器和即插即用的机器学习算法，为人类和机器助手或其他电子设备之间更自然的通信建立了新的可能性。
研究人员表示，该系统可以用于各种潜在场景，包括电子设备上的导航菜单和监控自主机器人。在本研究中，试验对象是“鹦鹉贝宝2号”无人机，它通过旋转手势、握紧拳头、收紧手臂和移动前臂来控制无人机左右、上下、前后移动以及旋转和停止。
结果表明，该无人机在1500次实验中正确识别了82%的手势，识别准确率高。
在无人机测试中，基本手势对应于以下动作:
收紧上臂以阻止无人机运动(类似于人们犯错时的暂时畏缩):肱二头肌和肱三头肌信号；
用一只手左右上下摆动，使无人机横向或纵向移动:前臂肌肉信号(用前臂加速度计指示手的方向)；
使无人机向前移动的拳头:前臂肌肉信号；
顺时针/逆时针转动无人机以转动:前臂陀螺仪。
对人类手势的快速理解有助于机器对人类在日常生活中使用的非语言信号给出正确的反馈。"这个系统可以帮助我们与机器无缝互动，就像人一样."第一作者约瑟夫·德尔·普雷托说。
在该无人机测试中，该系统无需离线校准或训练数据即可检测到预先定义的手势，并可通过简单佩戴肌电图(EMG)和惯性测量单元(IMU)传感器来远程控制无人机。佩戴在肱二头肌和肱三头肌上的肌电图传感器用于检测上臂肌肉何时绷紧，而前臂上的肌电图和运动传感器用于检测姿势和肌肉信号。
当研究人员做手势控制机器时，系统会根据肌肉发出的信号自动校准，从而使普通用户能够更快更容易地与机器互动。在此过程中，系统使用机器学习算法同步处理采集到的肌肉信号并实时检测手势，无需任何离线校准。
机器学习分类器使用可佩戴的传感器来检测手势。无监督分类器处理肌肉和运动数据，并实时对它们进行聚类，以学习如何区分手势和其他运动。神经网络还可以通过前臂肌肉信号预测手腕弯曲或伸展。
研究人员说，“这个系统让我们离实现与机器无缝协作的愿望更近了一步”，它们将成为更有效、更智能的工具来完成日常任务。
然而，为了在实际情况中普遍有效，有必要确保系统简单且可用。研究人员表示，该系统根据以前用户的数据进行培训，不要求每个用户提供新的培训数据。该系统只使用两三个可佩戴的传感器，不需要其他多余的东西，大大减少了普通用户与机器互动的障碍。
这种类型的系统最终可以应用于人机合作的一系列应用中，包括远程检测、个人辅助机器人或诸如运输货物或材料的机械任务。
此外，该系统可能为未来的非接触工作开辟一个新的领域。例如，在保持安全距离的前提下，我们可以控制机器人清洁医院病房和给病人开药。
未来，研究小组希望扩大测试对象的范围，比如增加更多连续的或用户定义的手势。最后，研究人员希望机器能够从这些人机交互中学习，以便更好地理解任务，提供更多的预测性帮助，并增加它们的自主性。
本文由 在线网速测试 整理编辑，转载请注明出处。
