Meta 公布黑科技：戴上腕带即可隔空打字，引领神经接口 AR 革命

每一个新的计算平台都带来了我们与设备互动方式的范式转变。鼠标的发明为今天主导 PC 世界的图形用户界面（GUIs）铺平了道路，而智能手机直到触摸屏的出现才开始真正获得影响力。

同样的规则也适用于可穿戴设备和 AR，想象一下，在晨跑时只需轻轻一触指尖就能拍照，或者用几乎察觉不到的手部动作来导航菜单。

AR 时代革新人机交互

在 Connect 2024 大会上，Meta 展示了 EMG 腕带与 Orion 增强现实眼镜的产品原型。这两大神器叠加在一起，科幻电影中才会出现的「隔空打字」场景或许即将实现。

戴上这样一个腕带，你让双手舒适地放在身侧，同时进行鼠标的滑动、点击和滚动等操作，无缝控制数字内容。

未来还将有许多其他应用场景，包括在增强现实中操纵物体，或者像在键盘上打字一样 —— 甚至更快，快速输入完整信息，几乎无需费力。

在近日的 NeurIPS 2024 的「数据集和基」子会场中，Meta 发布了两个数据集 ——emg2qwerty 和 emg2pose，展示在硬件层面仅仅依靠腕带的情况下，如何产生比细微手势更丰富的输入数据集。

原文地址：https://arxiv.org/abs/2410.20081

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

用于隔空打字的数据集 emg2qwerty

表面肌电图（sEMG）是在皮肤表面测量由肌肉产生的电势，它能够检测到由单个运动神经元引起的活动，同时是非侵入性的。

具体来说，对于单个的脊髓运动神经元，其细胞体位于脊髓中，向肌纤维中投射一条长轴突，每条肌纤维只被一个运动神经元支配。

脊髓运动神经元放电时，就会触发它支配的所有肌纤维收缩，同时放大了来自神经元的电脉冲。正是这些来自肌纤维的电信号，可被皮肤上的 sEMG 传感器检测到。

基于腕带的打字系统旨在解决可穿戴设备的文本输入问题，实现无需物理键盘的触摸打字。

仅使用手腕上检测到的肌肉电信号，系统将可自动解码并对应至虚拟现实中投影的计算机键盘按键。

这意味着，用户未来可以在没有物理键盘的情况下，无论在桌子上、腿上还是厨房桌子上打字，都能如同在实际键盘上一样输入。

一个针对提示「the quick brown fox」的表面肌电图（sEMG）记录示例，显示左右腕带上 32 通道的表面肌电图信号和按键时间；垂直线表示按键开始，每个电极通道的信号经过高通滤波

emg2qwerty 数据集包括从两只手腕获取的高分辨率 sEMG 信号，与 QWERTY 键盘的真实按键同步。该数据集总计包含 108 名参与者完成的、涵盖广泛单字和句子打字提示的 346 小时记录，共计超过 520 万次按键。

如何仅通过表面肌电图数据中检测到用户按了哪个键呢？为了解决这个核心问题，Meta 开发了受自动语音识别（ASR）领域启发的方法。

该方法同样模拟了给定连续多通道时间序列下，预测离散字符输出序列的任务。为了给 emg2qwerty 构建强大的基线，Meta 尝试了新颖的网络架构、不同的训练损失以及语言模型的使用，始终关注表面肌电图数据的独特领域特征要求。

研究发现，在 100 个用户的规模上，尽管生理、解剖、行为、带宽大小和传感器放置存在差异，用户间的泛化仍然可出现。

当使用大约半小时的个体用户打字数据来个性化模型时，性能的进一步提升随之而来。通过整合语言模型来优化结果，可将字符错误率降至 10% 以下 —— 这个值被认为是一个使文本模型可用的关键阈值。

随着数据集的增加，类似语言模型中的 Scaling Law 将会生效，从而使得对用户输入的预测更加准确。

emg2pose 姿态估计：可完全预测用户的手部配置

另一个名为 emg2pose 的数据集，旨在解决肌电信号与手部运动之间的映射问题，这对于人机交互、康复工程和虚拟现实等领域具有重要意义。

该数据集包含来自 193 名参与者的 370 小时 sEMG 和手部姿态数据，从 29 个不同的行为组中采集，包括拳头、从一数到五等众多动作。

数据集包含 25253 个 HDF5 文件，合计达到 431GB。每个文件包含时间对齐的 2kHz 表面肌电图数据和单手在单一阶段的关节角度。

手部姿态标签是通过高分辨率动作捕捉阵列生成的。完整数据集包含超过 8000 万个姿态标签，其等效规模已经可以与最大的计算机视觉数据集比肩。

emg2pose 数据集的主要特点在于其高频率的表面肌电图记录（2kHz）与精确的动作捕捉数据相结合，提供了对手部细微运动的深入洞察。

此外，数据集包含详细的元数据，如用户 ID、会话、阶段、手部侧向、是否移动等，便于进行多样化的分析和实验。数据集还提供了训练、测试和验证的划分，支持多种泛化类型的研究，包括跨用户、跨阶段以及跨用户和阶段的泛化。

在基准测试中，emg2pose 还提供了具有竞争力的基线和具有挑战性的任务，这些任务评估了在排除用户、传感器放置和手势姿态方面的物理世界泛化场景。

该研究还介绍了一种新的最先进模型，用于从表面肌电图进行姿态估计的 vemg2pose 模型，通过整合对姿态速度的预测来重建手势姿态。

研究人员将 emg2pose 以及另外两种当代基线用于 sEMG 的姿态估计，并分析了它们在泛化条件下的性能。结果显示：emg2pose 模型在对不同用户的数据集进行预测时，仅显示 1 厘米误差，从而在广泛的运动范围内实现了高保真跟踪。

emg2pose 不仅提升了动作识别的准确性，还为手势控制、康复治疗等有潜在的应用可能。

• 在医疗康复领域，通过分析患者的 sEMG 信号，可以实时监测和评估手部功能的恢复情况，为个性化康复方案的制定提供科学依据；

• 在人机交互领域，该数据集支持开发更加自然和精准的手势控制系统，提升用户体验；

• 此外，emg2pose 还可应用于虚拟现实和增强现实技术中，实现更加逼真的手部动作捕捉和交互。

广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。