Meta公布黑科技：戴上腕帶即可隔空打字，引領神經接口AR

新智元報道編輯：peter東 喬楊【新智元導讀】只需要在手腕上戴一個腕帶，就能夠實現隔空打字。Meta近期推出的開源表面肌電圖（sEMG）數據集，可進行姿態估計和表面類型識別，推動神經接口發展。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，對于單個的脊髓神經元，其細胞于脊髓中，向肌纖維中投射一條長軸突，每條肌纖維只被一個神經元支配。脊髓神經元放電時，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 quickbrown 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。參考資料：https://x.com/perlinwarp/status/1864745303796257236