跳到正文
arXiv · ML· Gabriel Parra, Kimia Khoshnami, Daniel S. Brown, Laura A. Hallock·· 14 天前AI 评分21

基于 Transformer 的 sEMG 优化机器人康复轨迹处方

Transformer-Based Trajectory Prescription for sEMG-Optimizing Robot-Mediated Rehabilitation

AI 导读

该研究提出可个性化 Transformer 模型,将表面肌电信号映射至末端执行器康复机器人的接触力轨迹,实现面向神经运动激活的处方生成。 模型采用旋转位置嵌入(RoPE)生成潜在表征,并引入流匹配生成轨迹分布;基于 16 名健康参与者 15 项等长任务评估,留出任务与用户轨迹预测误差低于 8%,具备亚秒级采样与近即时确定性推理。

来源:arXiv · ML · arxiv.org