Naukowcy opracowali nową metodę rozpoznawania gestów ręki przy użyciu sieci neuronowych opartych na grafach i sygnałów sEMG z przedramienia. Algorytm został przetestowany na danych z urządzenia myoband wyposażonego w osiem elektrod rozmieszczonych wokół przedramienia, zbierając informacje od ośmiu zdrowych uczestników badania. Uzyskana średnia dokładność klasyfikacji wyniosła 99 procent, co przewyższa dotychczasowe rozwiązania w tej dziedzinie.
Kluczową innowacją jest wykorzystanie grafów do reprezentacji wzorców aktywacji mięśni w przedramieniu, zamiast tradycyjnych podejść opartych na bezpośredniej analizie sygnałów. Dzięki takiemu ujęciu sieć neuronowa może lepiej zrozumieć przestrzenną i czasową dynamikę aktywacji poszczególnych grup mięśni. Średni czas potrzebny do konstrukcji grafu i dokonania predykcji wyniósł 48 milisekund na procesorze M1 Pro, co czyni metodę praktyczną dla aplikacji działających w czasie rzeczywistym.
Zastosowania tego rozwiązania są znaczące dla użytkowników zaawansowanych protez ręki oraz aplikacji rzeczywistości rozszerzonej, gdzie naturalna i niezawodna kontrola przez gesty jest kluczowa. Wysoka dokładność i niska latencja oznaczają, że użytkownik może kontrolować urządzenie prawie instancyjnie, bez opóźnień, co drastycznie podnosi intuicyjność interakcji.