في خطوة نوعية تعزز قدرات التحكم في الأطراف الاصطناعية، تم كشف النقاب عن نموذج EMG-CrossFormer الجديد الذي يعد ثورة في مجال التعرف على حركات اليد باستخدام كهرباء العضلات السطحية (sEMG). هذا الابتكار لا يقتصر على تجاوز النماذج الحالية، بل يقدم أملاً جديدًا لمستخدمي الأطراف الاصطناعية في تحسين دقة التحكم.

التحديات الحالية في هذا المجال تشمل عدم قدرة النماذج التقليدية على التعامل مع تنوع الحركات اليدوية، حيث يقل الأداء بزيادة عدد الحركات المطلوبة. علاوة على ذلك، تعتمد معظم النماذج السائدة على معمارية مُنَفَردة الأبعاد، مما يحد من قدرتها على استيعاب الأنماط التسلسلية الطويلة.

لكن مع EMG-CrossFormer، تم تقديم نموذج هجين يجمع بين تقنيات الالتفاف (Convolutional) وتقنيات المحولات (Transformers) ليحقق تكاملًا سلسًا بين المعلومات المتعددة. هذا النموذج يستخدم طبقات الانتباه متعددة الاتجاهات، مما يمكّن النظام من تقديم تمثيلات دقيقة من مجموعة غير محدودة من المداخل.

تم اختبار النموذج على أربع مجموعات بيانات معروفة (NinaPro)، وأظهر نتائج مبهرة، حيث حقق دقة متوسطة بلغت 72.33% و90.66% عند دمج المعلومات من أنظمة الاستشعار الحركية. هذه النتائج توضح كيف يمكن دمج البيانات لرفع كفاءة النماذج في التعرف على الإيماءات اليدوية المعقدة.

المستقبل يبدو واعدًا مع هذه الابتكارات؛ حيث تسهم في توفير تجربة أكثر سلاسة ودقة لمرتدي الأطراف الاصطناعية. إذا كنت مهتمًا بالتطورات في مجال الذكاء الاصطناعي وتكنولوجيا الأطراف الاصطناعية، تابعنا لمزيد من الأخبار المثيرة.