新智元報(bào)道編輯：peter東 喬楊【新智元導(dǎo)讀】只需要在手腕上戴一個腕帶，就能夠?qū)崿F(xiàn)隔空打字。Meta近期推出的開源表面肌電圖（sEMG）數(shù)據(jù)集，可進(jìn)行姿態(tài)估計(jì)和表面類型識別，推動神經(jīng)接口發(fā)展。每一個新的計(jì)算平臺都帶來了我們與設(shè)備互動方式的范式轉(zhuǎn)變。鼠標(biāo)的發(fā)明為今天主導(dǎo)PC世界的圖形用戶界面（GUIs）鋪平了道路，而智能手機(jī)直到觸摸屏的出現(xiàn)才開始真正獲得影響力。同樣的規(guī)則也適用于可穿戴設(shè)備和AR，想象一下，在晨跑時只需輕輕一觸指尖就能拍照，或者用幾乎察覺不到的手部動作來導(dǎo)航菜單。AR時代革新人機(jī)交互在Connect 2024大會上，Meta展示了EMG腕帶與Orion增強(qiáng)現(xiàn)實(shí)眼鏡的產(chǎn)品原型。這兩大神器疊加在一起，科幻電影中才會出現(xiàn)的「隔空打字」場景或許即將實(shí)現(xiàn)。Orion AR眼鏡meta推出的肌電圖腕帶戴上這樣一個腕帶，你讓雙手舒適地放在身側(cè)，同時進(jìn)行鼠標(biāo)的滑動、點(diǎn)擊和滾動等操作，無縫控制數(shù)字內(nèi)容。未來還將有許多其他應(yīng)用場景，包括在增強(qiáng)現(xiàn)實(shí)中操縱物體，或者像在鍵盤上打字一樣——甚至更快，快速輸入完整信息，幾乎無需費(fèi)力。在近日的NeurIPS 2024 的「數(shù)據(jù)集和基」子會場中，Meta發(fā)布了兩個數(shù)據(jù)集——emg2qwerty 和 emg2pose，展示在硬件層面僅僅依靠腕帶的情況下，如何產(chǎn)生比細(xì)微手勢更豐富的輸入數(shù)據(jù)集。原文地址：https://arxiv.org/abs/2410.20081原文地址：https://arxiv.org/abs/2412.02725v1用于隔空打字的數(shù)據(jù)集emg2qwerty表面肌電圖（sEMG）是在皮膚表面測量由肌肉產(chǎn)生的電勢，它能夠檢測到由單個神經(jīng)元引起的活動，同時是非侵入性的。具體來說，對于單個的脊髓神經(jīng)元，其細(xì)胞于脊髓中，向肌纖維中投射一條長軸突，每條肌纖維只被一個神經(jīng)元支配。脊髓神經(jīng)元放電時，就會觸發(fā)它支配的所有肌纖維收縮，同時放大了來自神經(jīng)元的電脈沖。正是這些來自肌纖維的電信號，可被皮膚上的sEMG傳感器檢測到。用于數(shù)據(jù)收集的表面肌電圖研究設(shè)備（sEMG-RD）及其腕圍電極放置的示意圖基于腕帶的打字系統(tǒng)旨在解決可穿戴設(shè)備的文本輸入問題，實(shí)現(xiàn)無需物理鍵盤的觸摸打字。僅使用手腕上檢測到的肌肉電信號，系統(tǒng)將可自動解碼并對應(yīng)至虛擬現(xiàn)實(shí)中投影的計(jì)算機(jī)鍵盤按鍵。這意味著，用戶未來可以在沒有物理鍵盤的情況下，無論在桌子上、腿上還是廚房桌子上打字，都能如同在實(shí)際鍵盤上一樣輸入。一個針對提示「the quickbrown fox」的表面肌電圖（sEMG）記錄示例，顯示左右腕帶上32通道的表面肌電圖信號和按鍵時間；垂直線表示按鍵開始，每個電極通道的信號經(jīng)過高通濾波emg2qwerty數(shù)據(jù)集包括從兩只手腕獲取的高分辨率sEMG 信號，與QWERTY 鍵盤的真實(shí)按鍵同步。該數(shù)據(jù)集總計(jì)包含108名參與者完成的、涵蓋廣泛單字和句子打字提示的346小時記錄，共計(jì)超過520萬次按鍵。emg2qwerty數(shù)據(jù)集分割的可視化。每一列代表一個用戶，每一個方塊代表一個會話，方塊的高度表示其持續(xù)時間如何僅通過表面肌電圖數(shù)據(jù)中檢測到用戶按了哪個鍵呢？為了解決這個核心問題，Meta開發(fā)了受自動語音識別（ASR）領(lǐng)域啟發(fā)的方法。該方法同樣模擬了給定連續(xù)多通道時間序列下，預(yù)測離散字符輸出序列的任務(wù)。為了給emg2qwerty構(gòu)建強(qiáng)大的基線，Meta嘗試了新穎的網(wǎng)絡(luò)架構(gòu)、不同的訓(xùn)練損失以及語言模型的使用，始終關(guān)注表面肌電圖數(shù)據(jù)的獨(dú)特領(lǐng)域特征要求。研究發(fā)現(xiàn)，在100個用戶的規(guī)模上，盡管生理、解剖、行為、帶寬大小和傳感器放置存在差異，用戶間的泛化仍然可出現(xiàn)。當(dāng)使用大約半小時的個體用戶打字?jǐn)?shù)據(jù)來個性化模型時，性能的進(jìn)一步提升隨之而來。通過整合語言模型來優(yōu)化結(jié)果，可將字符錯誤率降至 10%以下——這個值被認(rèn)為是一個使文本模型可用的關(guān)鍵閾值。隨著數(shù)據(jù)集的增加，類似語言模型中的Scaling Law將會生效，從而使得對用戶輸入的預(yù)測更加準(zhǔn)確。emg2pose姿態(tài)估計(jì)：可完全預(yù)測用戶的手部配置另一個名為emg2pose的數(shù)據(jù)集，旨在解決肌電信號與手部之間的映射問題，這對于人機(jī)交互、康復(fù)工程和虛擬現(xiàn)實(shí)等領(lǐng)域具有重要意義。該數(shù)據(jù)集包含來自193名參與者的370小時sEMG和手部姿態(tài)數(shù)據(jù)，從29個不同的行為組中采集，包括拳頭、從一數(shù)到五等眾多動作。數(shù)據(jù)集包含25253個HDF5文件，合計(jì)達(dá)到431GB。每個文件包含時間對齊的2kHz表面肌電圖數(shù)據(jù)和單手在單一階段的關(guān)節(jié)角度。手部姿態(tài)標(biāo)簽是通過高分辨率動作捕捉陣列生成的。完整數(shù)據(jù)集包含超過8000萬個姿態(tài)標(biāo)簽，其等效規(guī)模已經(jīng)可以與最大的計(jì)算機(jī)視覺數(shù)據(jù)集比肩。emg2pose數(shù)據(jù)集組成：a)sEMG-RD腕帶和動作捕捉標(biāo)記（白色圓點(diǎn)）設(shè)置 b)數(shù)據(jù)集分解；i）用戶被提示執(zhí)行一系列動作類型（手勢），如上下計(jì)數(shù)，同時記錄 sEMG 和姿態(tài) ii)特定手勢類型的組合構(gòu)成一個階段emg2pose數(shù)據(jù)集的主要特點(diǎn)在于其高頻率的表面肌電圖記錄（2kHz）與精確的動作捕捉數(shù)據(jù)相結(jié)合，提供了對手部細(xì)微的深入洞察。此外，數(shù)據(jù)集包含詳細(xì)的元數(shù)據(jù)，如用戶ID、會話、階段、手部側(cè)向、是否移動等，便于進(jìn)行多樣化的分析和實(shí)驗(yàn)。數(shù)據(jù)集還提供了訓(xùn)練、測試和驗(yàn)證的劃分，支持多種泛化類型的研究，包括跨用戶、跨階段以及跨用戶和階段的泛化。在基準(zhǔn)測試中，emg2pose還提供了具有競爭力的基線和具有挑戰(zhàn)性的任務(wù)，這些任務(wù)評估了在排除用戶、傳感器放置和手勢姿態(tài)方面的物理世界泛化場景。該研究還介紹了一種新的最先進(jìn)模型，用于從表面肌電圖進(jìn)行姿態(tài)估計(jì)的 vemg2pose模型，通過整合對姿態(tài)速度的預(yù)測來重建手勢姿態(tài)。研究人員將emg2pose以及另外兩種當(dāng)代基線用于sEMG的姿態(tài)估計(jì)，并分析了它們在泛化條件下的性能。結(jié)果顯示：emg2pose模型在對不同用戶的數(shù)據(jù)集進(jìn)行預(yù)測時，僅顯示1厘米誤差，從而在廣泛的范圍內(nèi)實(shí)現(xiàn)了高保真跟蹤。在不同采集階段及不同用戶間，基于vemg2pose預(yù)測的泛化能力emg2pose不僅提升了動作識別的準(zhǔn)確性，還為手勢控制、康復(fù)治療等有潛在的應(yīng)用可能。在醫(yī)療康復(fù)領(lǐng)域，通過分析患者的sEMG信號，可以實(shí)時監(jiān)測和評估手部功能的恢復(fù)情況，為個性化康復(fù)方案的制定提供科學(xué)依據(jù)；在人機(jī)交互領(lǐng)域，該數(shù)據(jù)集支持開發(fā)更加自然和精準(zhǔn)的手勢控制系統(tǒng)，提升用戶體驗(yàn)；此外，emg2pose還可應(yīng)用于虛擬現(xiàn)實(shí)和增強(qiáng)現(xiàn)實(shí)技術(shù)中，實(shí)現(xiàn)更加逼真的手部動作捕捉和交互。參考資料：https://x.com/perlinwarp/status/1864745303796257236