Skip to content
Hot eventLive

低成本肌电与机器学习假手论文

1 reports1 sources2 hr ago updated

Get the story

AI overview

2026年10月12日，arXiv Human-Computer Interaction 频道发布一手论文，提出一种低成本肌电假肢手方案。该研究利用3块肌肉的肌电信号分类5种手势，驱动仅含2个伺服电机、2个自由度的机械手；时域与频域特征分别训练浅层神经网络，平均分类准确率为94.8%和93.2%，因时域计算与响应更快而被采用。此外，论文还设计了腕部旋转机构以增加第3个自由度，并用力传感器与振动电机构成触觉反馈系统。目前公开信息仅此一篇报道，尚无后续验证或同行评议进展披露。

Generated from reports · updated 2 hr ago

LatestOct 12
论文提出低成本肌电假手，2自由度驱动加腕部旋转与触觉反馈，时域特征准确率94.8%。

Timeline

Follow the coverage from different angles.

Oct 12, 2026
  1. arXiv · Human-Computer Interaction
    基于肌电图与机器学习开发低成本假肢手

    研究提出一种低成本肌电假肢手，用 3 块肌肉的 EMG 信号分类 5 种手势并驱动只有 2 个伺服电机、2 个自由度的机械手。时域与频域特征分别训练浅层神经网络，平均分类准确率为 94.8% 和 93.2%，时域计算与响应更快而被采用；另设计腕部旋转机构增加第 3 个自由度，并用力传感器与振动电机构成触觉反馈系统。

Heat trend

There is not enough continuous observation data to draw a trend yet.