GESTES DE LA MAIN EMG

Le projet vise à améliorer la reconnaissance de l’intention de mouvement pour les systèmes robotiques d’assistance, en particulier les prothèses de main robotisées pour amputés transradiaux. Il utilise des signaux d’électromyographie de surface provenant des muscles résiduels pour classifier différents gestes de la main, permettant à la prothèse ou au robot d’assistance d’interpréter mieux le mouvement souhaité par l’utilisateur.

L’étude compare systématiquement plusieurs modèles d’apprentissage automatique et d’apprentissage profond pour la classification des gestes de la main. Il évalue comment différents choix de prétraitement, caractéristiques temporelles et longueurs de fenêtres glissantes influencent la reconnaissance, la précision et la généralisation selon les classes gestuelles et les utilisateurs.

Les résultats montrent que l’apprentissage en ensemble et les méthodes d’apprentissage profond ont généralement mieux performé que les approches classiques d’apprentissage automatique. Dans l’ensemble, le projet fournit des conseils utiles pour développer des systèmes de contrôle basés sur des EMG plus fiables, réactifs et adaptatifs pour l’utilisateur pour les mains prothétiques et autres robots d’assistance.