每一個新的計算平臺都帶來了我們與設備互動方式的范式轉變。鼠標的發明為今天主導PC世界的圖形用戶界面（GUIs）鋪平了道路，而智能手機直到觸摸屏的出現才開始真正獲得影響力。

同樣的規則也適用于可穿戴設備和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航菜單。

AR時代革新人機交互

在Connect 2024大會上，Meta展示了EMG腕帶與Orion增強現實眼鏡的產品原型。這兩大神器疊加在一起，科幻電影中才會出現的「隔空打字」場景或許即將實現。

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，同時進行鼠標的滑動、點擊和滾動等操作，無縫控制數字內容。

未來還將有許多其他應用場景，包括在增強現實中操縱物體，或者像在鍵盤上打字一樣——甚至更快，快速輸入完整信息，幾乎無需費力。

在近日的NeurIPS 2024 的「數據集和基」子會場中，Meta發布了兩個數據集——emg2qwerty 和 emg2pose，展示在硬件層面僅僅依靠腕帶的情況下，如何產生比細微手勢更豐富的輸入數據集。

原文地址：https://arxiv.org/abs/2410.20081

原文地址：https://arxiv.org/abs/2412.02725v1

用于隔空打字的數據集emg2qwerty

表面肌電圖（sEMG）是在皮膚表面測量由肌肉產生的電勢，它能夠檢測到由單個運動神經元引起的活動，同時是非侵入性的。

具體來說，對于單個的脊髓運動神經元，其細胞體位于脊髓中，向肌纖維中投射一條長軸突，每條肌纖維只被一個運動神經元支配。

脊髓運動神經元放電時，就會觸發它支配的所有肌纖維收縮，同時放大了來自神經元的電脈沖。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。

用于數據收集的表面肌電圖研究設備（sEMG-RD）及其腕圍電極放置的示意圖

基于腕帶的打字系統旨在解決可穿戴設備的文本輸入問題，實現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，系統將可自動解碼并對應至虛擬現實中投影的計算機鍵盤按鍵。

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，都能如同在實際鍵盤上一樣輸入。

一個針對提示「the quick brown 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過高通濾波

emg2qwerty數據集包括從兩只手腕獲取的高分辨率sEMG 信號，與QWERTY 鍵盤的真實按鍵同步。該數據集總計包含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，共計超過520萬次按鍵。

emg2qwerty數據集分割的可視化。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時間

如何僅通過表面肌電圖數據中檢測到用戶按了哪個鍵呢？為了解決這個核心問題，Meta開發了受自動語音識別（ASR）領域啟發的方法。

該方法同樣模擬了給定連續多通道時間序列下，預測離散字符輸出序列的任務。為了給emg2qwerty構建強大的基線，Meta嘗試了新穎的網絡架構、不同的訓練損失以及語言模型的使用，始終關注表面肌電圖數據的獨特領域特征要求。

研究發現，在100個用戶的規模上，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。

當使用大約半小時的個體用戶打字數據來個性化模型時，性能的進一步提升隨之而來。通過整合語言模型來優化結果，可將字符錯誤率降至 10%以下——這個值被認為是一個使文本模型可用的關鍵閾值。

隨著數據集的增加，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測更加準確。

emg2pose姿態估計：可完全預測用戶的手部配置

另一個名為emg2pose的數據集，旨在解決肌電信號與手部運動之間的映射問題，這對于人機交互、康復工程和虛擬現實等領域具有重要意義。

該數據集包含來自193名參與者的370小時sEMG和手部姿態數據，從29個不同的行為組中采集，包括拳頭、從一數到五等眾多動作。

數據集包含25253個HDF5文件，合計達到431GB。每個文件包含時間對齊的2kHz表面肌電圖數據和單手在單一階段的關節角度。

手部姿態標簽是通過高分辨率動作捕捉陣列生成的。完整數據集包含超過8000萬個姿態標簽，其等效規模已經可以與最大的計算機視覺數據集比肩。

emg2pose數據集組成：a)sEMG-RD腕帶和動作捕捉標記（白色圓點）設置 b) 數據集分解；i）用戶被提示執行一系列動作類型（手勢），如上下計數，同時記錄 sEMG 和姿態 ii) 特定手勢類型的組合構成一個階段

emg2pose數據集的主要特點在于其高頻率的表面肌電圖記錄（2kHz）與精確的動作捕捉數據相結合，提供了對手部細微運動的深入洞察。

此外，數據集包含詳細的元數據，如用戶ID、會話、階段、手部側向、是否移動等，便于進行多樣化的分析和實驗。數據集還提供了訓練、測試和驗證的劃分，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。

在基準測試中，emg2pose還提供了具有競爭力的基線和具有挑戰性的任務，這些任務評估了在排除用戶、傳感器放置和手勢姿態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模型，用于從表面肌電圖進行姿態估計的 vemg2pose模型，通過整合對姿態速度的預測來重建手勢姿態。

研究人員將emg2pose以及另外兩種當代基線用于sEMG的姿態估計，并分析了它們在泛化條件下的性能。結果顯示：emg2pose模型在對不同用戶的數據集進行預測時，僅顯示1厘米誤差，從而在廣泛的運動范圍內實現了高保真跟蹤。

在不同采集階段及不同用戶間，基于vemg2pose預測的泛化能力

emg2pose不僅提升了動作識別的準確性，還為手勢控制、康復治療等有潛在的應用可能。

• 在醫療康復領域，通過分析患者的sEMG信號，可以實時監測和評估手部功能的恢復情況，為個性化康復方案的制定提供科學依據；
• 在人機交互領域，該數據集支持開發更加自然和精準的手勢控制系統，提升用戶體驗；
• 此外，emg2pose還可應用于虛擬現實和增強現實技術中，實現更加逼真的手部動作捕捉和交互。