标签
Axonnic(YC F26)推出了一款 64 通道 EMG(肌电)前臂袖套,无需接触双手即可解码手指关节角度和指尖力度,旨在记录熟练的手工作业,为灵巧机器人生成训练数据。据报告,该设备在无需重新校准的情况下,20 个关节的角度误差为 6.9°。
Axonnic(YC F26)正在推出一款 EMG 袖套,能够捕捉手指运动与力量,以真实的人类技能训练机器人,背后有 Y Combinator 的支持。
LiteEMG-FM 是一种高效的混合 CNN-Transformer 基础模型,基于 16 个肌电(EMG)数据集进行预训练,可实现鲁棒的零标定手势识别。论文通过分层唤醒门机制展示了其在资源受限边缘设备上的实时部署能力,并评估了不同卸载范式下的延迟、功耗与内存开销的权衡。
Preload(YC F26)宣布推出用于机器人操作、VLA 和世界模型的同步第一视角视频、EMG 与触觉数据采集方案,提供可规模化的一站式机器人数据采集能力。
本文提出了一种基于学习的框架,通过混淆矩阵对个体评分者行为进行建模,以从多位专家中推导更稳健的睡眠分期标签,提高了在DOD-H和DOD-O数据集上的准确性。