تعلمت شركة Apple الذكاء الاصطناعي التعرف على المصافحة غير المألوفة استنادًا إلى إشارات EMG.

أطلقت شركة Apple نموذج EMBridge – التعرف على الإيماءات من إشارات EMG

أظهرت الأبحاث الجديدة لشركة Apple أن ذكاءها الاصطناعي EMBridge يمكنه تحديد حركات اليد فقط من إشارات كهربائية للعضلات (EMG)، حتى عندما لا توجد مثل هذه الإيماءات في مجموعة التدريب.

ما هو EMG وأين يُستخدم بالفعل* يقيّم التليغراف الكهربائي النشاط الكهربائي الناتج عن انقباض العضلات.

* في الطب تُستعمل لتشخيص العلاج الطبيعي، وكذلك في الأطراف الصناعية.

* الأجهزة القابلة للارتداء (مثل نظارات Meta Ray‑Ban Display مع جهاز تحكم Neural Band) تستخدم EMG للتحكم في الواقع الافتراضي.

كيف تدرب EMBridge
1. البيانات – استخدم الباحثون مجموعتين مفتوحتين:

* `emg2pose` – إشارات EMG وإحداثيات اليد.

* `NinaPro DB2` – مجموعة مماثلة.

2. وجهان – تم تدريب النموذج أولاً على مسارين منفصلين:

* فقط إشارات EMG؛

* فقط بيانات موقع اليد.

3. التزامن – بعد التدريب الأولي، “ربط” الباحثون المسارين: الجزء الذي يعمل مع EMG تعلم “فهم” المعلومات من البيانات الإحداثية. في النهاية استطاع EMBridge التعرف على الإيماءات فقط من إشارات EMG.

تعقيد المهمة
* تم قطع جزء من المسار الثاني (الإحداثيات) وجبروا النموذج على الاستنتاجات فقط بناءً على EMG.

* لتجنب الأخطاء المفرطة، أصبح تقييم التنبؤات أقل صرامة: كانت الإيماءات المشابهة تُعتبر متشابهة، وليس مختلفة تماماً.

* ساعد هذا النهج في “تركيب” فضاء السمات وحسّن استعادة مواقع اليد التي لم تكن موجودة في التدريب.

التحقق والنتائج
* تم اختبار النموذج على نفس مجموعتي `emg2pose` و `NinaPro` كمعايير.

* يظل EMBridge دقيقاً للغاية حتى عند استخدام 40٪ فقط من بيانات التدريب.

القيود
يشدد العلماء على أن العائق الرئيسي لا يزال هو الوصول إلى مجموعات “EMG + موقع اليد”. هذه البيانات ما زالت محدودة الحجم ولا تتوفر دائماً.