Сучасні методи декодування сигналів для керування роборукою
Вантажиться...
Файли
Дата
Науковий керівник
Редактор
Інші учасники
Відповідальний
ORCID
Назва журналу
Номер ISSN
Назва тому
DOI
Альтернативна назва
Анотація
У роботі розглянуто сучасні методи декодування намірів руху, що використовуються для керування роботизованими пристроями, зокрема протезами та екзоскелетами, на основі електроміографічних (ЕМГ) сигналів. Описано основні підходи до розпізнавання рухових намірів, включаючи моделі опорно-рухового апарату, традиційні алгоритми машинного навчання та глибокі нейронні мережі.
The paper reviews modern methods for decoding movement intentions used to control robotic devices, including prostheses and exoskeletons, based on electromyographic (EMG) signals. The main approaches to recognizing movement intentions are described, including musculoskeletal models, traditional machine learning algorithms, and deep neural networks.
The paper reviews modern methods for decoding movement intentions used to control robotic devices, including prostheses and exoskeletons, based on electromyographic (EMG) signals. The main approaches to recognizing movement intentions are described, including musculoskeletal models, traditional machine learning algorithms, and deep neural networks.
Опис
Тип документа
Мова
ISSN
Посилання на публікацію
Серія, номер
ISBN
978-617-8132-48-8
ББК
Інші ідентифікатори
Пов’язані матеріали
Спонсорська підтримка
Правовласник
Бібліографічний опис
Коваль Л. Г., Пастушенко А. О. Сучасні методи декодування сигналів для керування роборукою // Матеріали LIV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2025 р. Електрон. текст. дані. 2025. URI: https://conferences.vntu.edu.ua/index.php/all-frtzp/all-frtzp-2025/paper/view/23404.
Схвалення
Рецензія
Доповнено
Цитується в
Список використаної літератури (4)
- Inkol, K.A.; Brown, C.; McNally, W.; Jansen, C.; McPhee, J. Muscle torque generators in multibody dynamic simulations of optimal sports performance. Multibody Syst. Dyn. 2020, 50, 435-452.
- Pan, L.; Crouch, D.L.; Huang, H. Comparing EMG-based human-machine interfaces for estimating continuous, coordinated movements. IEEE Trans. Neural Syst. Rehabil. Eng. 2019, 27, 2145-2154.
- Bi, L.; Guan, C. A review on EMG-based motor intention prediction of continuous human upper limb motion for human-robot collaboration. Biomed. Signal Process. Control 2019, 51, 113-127.
- Xiong, D.; Zhang, D.; Zhao, X.; Zhao, Y. Deep learning for EMG-based human-machine interaction: A review. IEEE/CAA J. Autom. Sin. 2021, 8, 512-533.