AppleはEMG信号を基に、未知の握手を認識する人工知能を訓練しました

AppleはEMBridgeというモデルを開発しました。これは筋電図（EMG）信号だけから手のジェスチャーを認識します。

EMGとは何か、そしてすでにどこで使われているか
* 電気筋電図は筋肉が収縮するときに生じる電気活動を測定します。
* 医学では診断や理学療法、義肢にも利用されています。
* ウェアラブルデバイス（例：Meta Ray‑Ban DisplayとNeural Bandコントローラー）はEMGで仮想現実を操作します。

EMBridgeの訓練方法
1. データ – 研究者は2つの公開データセットを使用しました。
* `emg2pose` – EMG信号と手の座標。
* `NinaPro DB2` – 同様のデータセット。
2. 二重表現 – モデルは最初、二つの別々のストリームで訓練されました。
* ただEMG信号のみ。
* 手の位置情報のみ。
3. シンクロニゼーション – 初期学習後、研究者は「ストリームを結合」し、EMGを扱うコンポーネントが座標データから情報を「理解」するようにしました。その結果、EMBridgeはEMG信号だけでジェスチャーを認識できるようになりました。

課題の複雑化
* 二番目のストリーム（座標）を切り取り、モデルにEMGのみで推論させました。
* 過度な誤差を防ぐため、予測評価は緩やかにし、似たジェスチャーを類似とみなし、完全に異なるものとは区別しました。
* このアプローチは特徴空間を「構造化」し、訓練時に存在しなかった手の位置を復元するのに役立ちました。

検証と結果
* モデルは同じ`emg2pose`と`NinaPro`データセットでテストされ、ベンチマークとして使用しました。
* EMBridgeは訓練データの40％だけを使っても高精度を維持します。

制約
研究者たちは、「EMG + 手位置」のペアデータへのアクセスが主要な障壁であると指摘しています。このようなデータはまだ量的に限られており、常に入手可能ではありません。