1次元畳み込みニューラルネットワークを用いたリアルタイムsEMGベースの補助ロボットアーム遠隔操作
本研究は、4チャンネル表面筋電図（sEMG）と1次元畳み込みニューラルネットワーク（CNN）を用いたリアルタイムインターフェースを提案し、補助ロボットアームの遠隔操作を実現する。シミュレーションと実機の両方で90%以上の分類精度、平均遅延約0.32秒を達成し、sEMGベースの遠隔操作の実現可能性を示した。
上肢の運動機能障害は日常生活の自立度を大きく低下させますが、補助ロボットアームはその解決策として有望視されています。ただし、直感的で信頼性が高く応答性の良い制御方式が求められます。本研究では、表面筋電図（sEMG）を用いた非侵襲的なヒューマンマシンインターフェースにより、補助ロボットアームを遠隔操作するリアルタイムシステムを提案します。
システムは4チャンネルのsEMG計測、信号前処理、スライディングウィンドウによるセグメンテーション、そして1次元畳み込みニューラルネットワーク（CNN）による分類で構成されます。閾値ベースの動作開始検出、2段階分類（安静vs動作の識別後にジェスチャ認識）、および安静と5種類のジェスチャを同時に扱う単一分類器など、複数のリアルタイム戦略を検討しました。完全なパイプラインはシミュレーションと実機ロボットプラットフォームの両方で実装・評価されました。
CNNベースのアプローチは高い分類性能を示し、テスト精度は90%を超え、実験で取得した信号に対する優れた汎化能力を示しました。システムは安定したリアルタイム動作を実現し、平均レイテンシは選択したウィンドウ戦略に一貫して約0.32秒でした。ロボットは離散的なジェスチャで確実に制御でき、シミュレーションと実環境の両方で一貫性のある滑らかな動きを生成しました。
これらの結果は、補助ロボット分野におけるsEMGベースの遠隔制御の実現可能性を実証し、信号処理、深層学習、制御戦略を統一的リアルタイムフレームワークに統合する重要性を強調しています。将来の研究では、sEMGと追加のセンシングモダリティを組み合わせたハイブリッド制御アプローチを探求し、ロバスト性と使いやすさをさらに向上させる可能性があります。例えば、視覚や力覚センサーとの統合により、複雑な環境への適応力が高まるでしょう。研究チームはより多くの被験者での検証や長期的な安定性の評価も計画しています。