A Montage-Agnostic Encoder for Calibration-Light Cross-User Gesture Recognition from Surface Electromyography

تخيل أن ذراعك عبارة عن مدينة صاخبة، وفي كل مرة تقرر فيها تحريك أصابعك، ترسل عضلاتك رسائل كهربائية صغيرة — مثل الرسائل النصية التي تتردد في الهواء. لقد حاول العلماء بناء "مترجم" يقرأ هذه الإشارات الكهربائية، التي تسمى تخطيط كهربائية العضل السطحي (sEMG)، ويحولها إلى أوامر لأذرع روبوتية أو مؤشرات فارة الكمبيوتر. الحلم هو إنشاء يد اصطناعية يمكنها القيام بعشرات الإيماءات المختلفة، وليس فقط الفتح والإغلاق. ولكن هناك مشكلة كبيرة، وهي أن عضلات كل شخص "موصولة" بطريقة مختلفة، كما أن المستشعرات (الأقطاب الكهربائية) التي نلصقها على جلدنا يمكن وضعها في أماكن مختلفة قليلاً. الأمر يشبه محاولة تعليم روبوت فهم لغة يتحدث فيها كل شخص بلكنة مختلفة ويستخدم قاموساً مختلفاً. عادةً، لجعل هذا الأمر يعمل، يتعين على الروبوت الجلوس مع كل شخص جديد والتدرب لساعات، ليتعلم "لكنته" الخاصة من الصفر. هذا الأمر بطيء، ومزعج، ويجعل هذه التكنولوجيا صعبة الاستخدام في العالم الحقيقي.

يقدم هذا البحث مترجماً ذكياً جديداً لا يحتاج إلى حفظ اللكنة الفريدة لكل شخص. فبدلاً من معاملة كل مستشعر كخانة ثابتة ومرقمة (مثل "المستشعر 1" أو "المستشعر 2")، يعامل هذا النظام الجديد كل مستشعر كشخصية في قصة، حيث يعرف بالضبط أين تقف هذه الشخصية على الذراع بناءً على إحداثياتها الفيزيائية. إنه يشبه المحقق الذي يمكنه حل جريمة سواء كان الشهود يقفون في دائرة أو في خط، طالما أنه يعرف من يجلس بجانب من. وقد وجد الباحثون أن هذا النظام "المدرك للموقع" يمكنه تعلم التعرف على الإيماءات من شخص جديد بتمارين قليلة جداً — أحياناً ثلاث محاولات فقط — وغالباً ما يتفوق على الطرق القديدية القياسية التي تتطلب بيانات أكثر. ومع ذلك، فقد اكتشفوا أيضاً أن هذه الخدعة السحرية لا تعمل إلا إذا كانت إشارات الشخص الجديد واضحة بما يكفي؛ فإذا كانت "الإشارة" ضبابية للغاية، فإن حتى أذكى المترجمين سيعانون.

"المترجم العالمي" لإشارات العضلات

قام الباحثان، جيثرو أودييمي و. ج. (كريس) تشانج، ببناء دماغ كمبيوتر خاص (مشفر/encoder) مصمم لقراءة إشارات العضل من أي شخص، في أي مكان، دون الحاجة إلى إعداد مخصص لكل شخص. فكر في الأمر كجهاز تحكم عن بعد عالمي يعمل على أي ماركة تلفزيون، بينما تعمل أجهزة التحكم القديمة على موديل واحد محدد فقط.

كيف يعمل: استراتيجية "أين، وليس من"
تعامل الأنظمة القديمة معظم المستشعرات كأنها مقاعد مرقمة في مسرح: "المقعد 1 هو العضلة ذات الرأسين، والمقعد 2 هو الساعد". إذا حركت المستشعرات، يصاب النظام بالارتباك. أما النظام الجديد، فيتجاهل أرقام المقاعد، وبدلاً من ذلك يسأل: "أين تجلس؟". فهو يستخدم الإحداثيات الفيزيائية $(x, y, z)$ لكل مستشعر على الذراع. إنه يشبه المعلم الذي يعرف طلابه من خلال موقعهم في الفصل الدراسي بدلاً من أرقام تسلسلهم. فإذا غير الطالب مقعده، يظل المعلم عارفاً به لأنه يعرف أين يجلس. وهذا يسمح للنظام بالتعامل مع أي عدد من المستشعرات، من 8 إلى 16، دون الحاجة إلى إعادة برمجة.

المكونات الثلاثة السرية
اختبرت الورقة البحثية ثلاث "قوى خارقة" محددة تجعل هذا النظام يعمل، ووجدوا أن كلاً منها ضروري للغاية. فإذا تمت إزالة أي منها، ينهار أداء النظام بأكثر من النصف.

1. المرشح ذاتي التصحيح: يقوم النظام بتطبيع (normalization) الإشارات أثناء ورودها، مما يعدل مدى قوة أو خفوت إشارات عضلات الشخص بشكل طبيعي. إنه يشبه الميكروفون الذي يرفع مستوى الصوت تلقائياً للهمس ويخفضه للصراخ، بحيث يسمع الكمبيوتر كل شيء بوضوح دون الحاجة لإخباره بمدى قوة صوت الشخص عادةً.
2. خريطة الإحداثيات: كما ذكرنا، يستخدم النظام الموقع الفيزيائي للمستشعرات. وهذا يساعد النظام على فهم شكل النشاط العضلي، وليس مجرد الأرقام الخام.
3. التدريب بـ "عصابة العينين": أثناء التدريب، يُجبر النظام أحياناً على تجاهل (حجب) بعض المستشعرات عشوائياً. هذا يشبه لعب لعبة "سيمون يقول" حيث يتعين عليك تخمين النمط حتى لو انطفأت بعض الأضواء. هذا يجبر النظام على تعلم الصورة الكبيرة لكيفية عمل العضلات معاً، بدلاً من الاعتماد على مستشعر واحد فقط.

النتائج: تدريب أقل، أداء أفضل
اختبر الفريق هذا النظام الجديد على أربع مجموعات مختلفة من الأشخاص باستخدام إعدادات مستشعرات مختلفة. وقارنوه بالمعيار الذهبي في الصناعة: وهي طريقة قديمة بسيطة تسمى "المحلل التمييزي الخطي" (LDA) والتي تتطلب عادةً الكثير من بيانات التدريب لتعمل بشكل جيد.

• الفوز الكبير: في مجموعة بيانات رئيسية واحدة (DB1) تضم 27 شخصاً، كان النظام الجديد فائزاً واضحاً. فحتى مع ثلاث محاولات تدريب فقط (تكرارات المعايرة)، حقق النظام درجة 0.827 (وهي مقياسة لمدى جودة التعرف على الإيماءات)، بينما حققت الطريقة القديمة 0.593 فقط. هذه قفزة هائلة قدرها 0.234.
• مفاجأة "الصفر تدريب": حتى بدون أي تدريب مسبق (0-shot)، سجل النظام الجديد 0.105. ورغم أن هذا الرقم يبدو منخفضاً، تذكر أنه كان يخمن من بين 53 إيماءة يد مختلفة لشخص غير معروف تماماً. هذا أفضل بكثير من التخمين العشوائي!
• واقع "الأمر يعتمد على الظروف": وجدت الورقة أيضاً أن هذه ليست وصفة سحرية لكل المواقف. ففي مجموعة بيانات ثالثة (DB5) تضم 10 أشخاص فقط، كان النظام الجديد في الواقع أسوأ من الطريقة القديمة. لماذا؟ لأن الطريقة القديمة كانت جيدة جداً في تلك المهمة المحددة (بسبب وضوح الإشارات العالي)، مما جعل النظام الجديد غير قادر على التفوق عليها. وخلص الباحثون إلى أن نجاح النظام الجديد يعتمد بشدة على مدى "دقة" (fidelity) الإشارات؛ فإذا كانت الإشارات ضبابية، يحتاج النظام الجديد إلى المزيد من بيانات التدريب ليجد موطئ قدم له.

ما لا يفعله (وما استبعدوه)
كان المؤلفون حذرين في اختبار بعض الأفكار الشائعة التي تبين أنها طرق مسدودة لهذا المشكل تحديداً:

• لا سحر في "التدريب المسبق": حاولوا تعليم النظام أولاً باستخدام بيانات غير مصنفة (التعلم الخاضع للإشراف الذاتي)، آملين أن يتعلم "لغة" العضلات قبل رؤية أي إيماءات. لم يساعد ذلك؛ فبمجرد تدريب النظام بشكل صحيح باستخدام بيانات مصنفة، أصبحت خطوة التدريب المسبق الإضافية عديمة الفائدة.
• أسطورة "المزيد من البيانات": تساءلوا عما إذا كانوا بحاجة إلى مئات الأشخاص لتدريب النظام. اختبروا ذلك عبر التدريب على مجموعات مكونة من 39، 20، 9، وحتى 5 أشخاص. ووجدوا أنه طالما كان لديهم 9 أشخاص على الأقل، فإن النظام يعمل بشكل رائع. أما عند الهبوط إلى 5 أشخاص، فقد فشل النظام تماماً (لم يستطع حتى التعلم). لذا، لست بحاجة إلى جيش ضخم من الأشخاص؛ أنت فقط بحاجة إلى عدد كافٍ للحفاظ على استقرار النظام.

الخلاصة
تظهر هذه الورقة البحثية أنه يمكننا بناء نظام للتعرف على الإيماءات يكون "مستقلاً عن طريقة التركيب" (montage-agnostic) — مما يعني أنه لا يهتم بعدد المستشعرات التي لديك أو مكان وضعها، طالما أنه يعرف مواقعها. يمكنه تعلم إيماءات مستخدم جديد بتدريب قليل جداً (مجرد بضع محاولات)، وغالباً ما يتفوق على الطرق القياسية المستخدمة في العيادات اليوم. ومع ذلك، فهو ليس علاجاً معجزاً؛ فهو يعمل بشكل أفضل عندما تكون إشارات العضل واضحة، ويحتاج إلى "حد أدنى" يبلغ حوالي 9 أشخاص تدريب ليبقى مستقراً. ويقترح الباحثون أنه مع الإعداد الصحيح، قد نرى قريباً أيدي اصطناعية تتكيف مع المستخدمين الجدد بشكل فوري تقريباً، مما يحول حلم الذراع الروبوتية متعددة الإيماءات إلى واقع ملموس.