I Transformer Basati su Query Migliorano il Riconoscimento dei Gesti della Mano tramite sEMG per Protesi

Un nuovo articolo di ricerca propone un'architettura transformer basata su query per il riconoscimento multimodale dei gesti della mano tramite elettromiografia di superficie (sEMG) nel controllo protesico. Gli attuali approcci di deep learning, considerati lo standard di riferimento, faticano a scalare all'aumentare del numero di movimenti della mano a causa della complessità statistica della decodifica di insiemi di gesti ampliati. I metodi all'avanguardia si basano su architetture unimodali convoluzionali a bassa latenza, che operano localmente e non riescono a catturare pattern sequenziali a lungo raggio. Le configurazioni unimodali inoltre non sfruttano informazioni complementari provenienti da segnali coordinati come dati inerziali e di eye-tracking. L'architettura proposta integra caratteristiche locali e globali attraverso sequenze fisiologiche multimodali per superare queste limitazioni. L'articolo è disponibile su arXiv con ID 2607.22779.