APRENDIZADO AUTO-SUPERVISIONADO NO CONTROLE DE PROSTÉTICOS

Olá Ricardo. Depende de quais graus de liberdade a prótese tem a habilidade de realizar. Na minha nova iniciação científica, estamos trabalhando com uma Brunel 2.0 com 4 motores (flexão e extensão do indicador, médio e anelar e abdução e adução do polegar, o dedo mínimo é movimentado pelo mesmo motor do anelar) portanto as tarefas que pretendemos realizar para compor o banco de dados neste caso seria composta por movimentos de diferentes velocidades e força que envolvam estes 4 graus de movimento. Futuramente, ao trabalhar com próteses mais complexas, podemos ampliar as tarefas da base de dados. 

Olá Eliane, os ensáios foram dividos em duas sessões com a mesma configuração de eletrodos. Na primeira sessão, ensáios de 10 minutos foram realizados com intervalos de 10 minutos entre eles para minimizar os efeitos da fadiga. Mais especificamente, o cotovelo foi apoiado em um suporte de cadeira enquanto a palma da mão inicialmente estava parelela ao chão. Ao iniciar o ensáio, movimentos cujos musculos responsáveis estariam em grande parte presentes em uma amputação transradial ( como flexão do indicador ou pronação do antebraço) com durações, intervalos e velocidades aleatórias foram realizados, mantidos por um período aleatório, então, retornava-se a mão para a posição original com a palma da mão paralela ao chão. Idealmente, os movimentos realizados na base de dados deve refletir os graus de liberdade que a prótese tem a capacidade de  realizar, como não se tinha especificado uma prótese no momento da realização destes ensáios, os movimentos realizados são mais genéricos. Na segunda sessão, os ensáio foram mais estruturados, se aproximando mais do paradigma clássico. Os movimentos realizados nesta coleta foram exemplificados na figura 11 do relatório. Os dados de sEMG podem ser inseridos de diferentes formas na rede neural, devido à complexidade da construção da luva, não houve tempo para o treinamento desta rede, no entanto, inicialmente se pretendia realizar testes com os dados de sEMG somente com filtragem da rede elétrica e com a FFT do sEMG. Uma outra interessante proposta de preprocessamento é uma transformação por u-law [HAND GESTURE RECOGNITION USING TEMPORAL CONVOLUTIONS AND ATTENTION MECHANISM, Elahe Rahimian et el.]