日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

筋電認識arXiv:2506.06624

注意機構付き畳み込みニューラルネットワークによるsEMG下肢動作認識

Attention-Based Convolutional Neural Network Model for Human Lower Limb Activity Recognition using sEMG

シェア:XThreadsFacebookLINEはてブBluesky

多チャネル表面筋電図から歩行・立位・座位の下肢動作を分類する軽量な注意機構付きDNNを提案し、リアルタイム性と高精度を両立させた。

詳しい要約

1. どんなもの?

- どんなもの? - 多チャネル sEMG 信号から下肢の動作を分類する、軽量な attention-based DNN モデル - 公開データセット BASAN を用い、walking、standing with knee flexion、sitting with knee extension の3クラスを対象 - パラメータ数は 62,876 のみで、計算コストの高い前処理を必要とせず、real-time deployment を狙う - 補助ロボティクスやリハビリテーションシステムへの応用を想定

2. 先行研究と比べてどこがすごい?

- 先行研究と比べてどこがすごい? - 既存モデルとの比較分析により、計算コストと real-time response が重要な場面での efficiency と effectiveness を示す - 計算コストの高い前処理を不要としつつ、軽量なモデルで分類性能を確保 - ただし具体的な比較対象モデル名や改善幅は要旨からは不明

3. 技術・手法の肝は?

- 技術や手法の肝はどこ? - attention-based の DNN により、多チャネル sEMG の特徴を捉えて動作分類を行う - モデルは 62,876 パラメータの軽量構成 - 計算コストの高い前処理を必要としない設計で、real-time deployment を可能にする - 詳細なネットワーク構成や attention の実装は要旨からは不明

4. どうやって有効だと検証した?

- どうやって有効だと検証した? - 公開データセット BASAN の多チャネル sEMG データを使用 - leave-one-out validation strategy を採用し、被験者間の generalizability を確認 - validation set で 86.74%、test set で 85.38% の accuracy を達成 - 文献の既存モデルとの comparative analysis を実施

5. 議論はある?

- 議論はある? - 計算コストと real-time response が重要なシナリオでの有効性を主張 - human-robot interaction systems の upper-level controllers への統合候補として位置づけ - 3クラス分類に限定された評価であり、より多様な動作や被験者への一般化は要旨からは不明 - 前処理不要の設計による性能面の限界や、実機展開時の課題は要旨からは不明

6. 次に読むべき論文は?

- 次に読むべき論文は? - BASAN dataset を提案・公開した論文 - sEMG を用いた lower limb activity recognition の既存モデル(要旨で比較対象とされる文献) - attention-based DNN を用いた sEMG 分類の関連研究 - leave-one-out validation を用いた sEMG の被験者間 generalizability 評価に関する研究

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Mojtaba Mollahossein, Farshad Haghgoo Daryakenari, Mohammad Hossein Rohban, Gholamreza Vossoughi

分類: cs.RO

原文アブストラクト

Accurate classification of lower limb movements using surface electromyography (sEMG) signals plays a crucial role in assistive robotics and rehabilitation systems. In this study, we present a lightweight attention-based deep neural network (DNN) for real-time movement classification using multi-channel sEMG data from the publicly available BASAN dataset. The proposed model consists of only 62,876 parameters and is designed without the need for computationally expensive preprocessing, making it suitable for real-time deployment. We employed a leave-oneout validation strategy to ensure generalizability across subjects, and evaluated the model on three movement classes: walking, standing with knee flexion, and sitting with knee extension. The network achieved 86.74% accuracy on the validation set and 85.38% on the test set, demonstrating strong classification performance under realistic conditions. Comparative analysis with existing models in the literature highlights the efficiency and effectiveness of our approach, especially in scenarios where computational cost and real-time response are critical. The results indicate that the proposed model is a promising candidate for integration into upper-level controllers in human-robot interaction systems.

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3Google DeepMind、ロボット向けAIを発表新製品・発表
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開

PR・アフィリエイト広告

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI