DualMyo: Multi-Channel Dual-Stream Transformer Architecture for EMG-to-Digit Classification

لطالما سعى البشر لإيجاد طرق لجسّر الفجوة بين الفكر والفعل، لا سيما لأولئك الذين لم تعد عضلاتهم تستجيب للأوامر. وتعد تقنية تخطيط كهربائية العضل السطحي (surface electromyography) واحدة من أكثر الأدوات واعدة لهذا الاتصال، وهي وسيلة تنصت إلى الهمسات الكهربائية للعضلات القابعة تحت الجلد مباشرة. فعندما ينوي الشخص التحرك، يرسل دماغه إشارات تسبب انقباض الألياف العضلية، مما يولّد تيارات كهربائية ضئيلة. ويمكن للمستشعرات الموضوعة على الجلد اكتشاف هذه التيارات دون الحاجة إلى أي جراحة أو غرسات. وبينما أثبتت هذه التقنية فائدتها بالفعل في التحكم في أذرع روبوتية بسيطة أو اختيار إيماءات أساسية مثل فتح اليد أو تدوير المعصم، إلا أنها واجهت صعوبات في المهام التي تتطلب دقة متناهية؛ إذ تظل الكتابة باليد، بما تتضمنه من تسلسل معقد من حركات الأصابع الصغيرة، جبهة صعبة. فالإشارات معقدة، والأنماط تتغير من لحظة إلى أخرى، مما يجعل من الصعب على الحواسيب التمييز بين حرف وآخر أو الحفاظ على الدقة بمرور الوقت.

لقد توجه فريق من الباحثين الآن إلى نهج جديد لحل هذه المشكلة، مبتعدين عن الطرق التقليدية التي تعتمد على تفكيك الإشارة يدوياً إلى أجزاء أصغر. وبدلاً من ذلك، طوروا نظاماً يسمى "DualMyo"، يعامل النشاط الكهربائي الناتج عن مستشعرات متعددة كقصة واحدة متدفقة من الزمان والمكان. تخيل البيانات ليس كمجموعة من اللقطات المنفصلة، بل كتدفق مستمر حيث يهم توقيت الإشارة في أحد المستشعرات بقدر أهمية الإشارة نفسها. وقد بنى الباحثون نموذجاً حاسوبياً متخصصاً يمكنه قراءة هذا التدفق، مع إيلاء اهتمام دقيق لكيفية ارتباط الإشارات من مستشعرات مختلفة ببعضها البعض وكيفية تطورها عبر أجزاء من الألف من الثانية. يستخدم هذا النموذج تقنية تسمح له بفهم موقع كل قطعة من المعلومات ضمن التسلسل، مما يساعده على التعرف على الإيقاع الفريد لحركة إصبع معينة، مثل تشكيل منحنى حرف ما.

تظهر نتائج هذا العمل أن النظام يمكنه تعلم تحديد الأرقام المكتوبة بخط اليد بدقة مبهرة عند اختباره ضمن الجلسة نفسها. ومع ذلك، أدرك الباحثون أن الاستخدام في العالم الحقيقي سيواجه عقبة كبيرة: الإشارات تتغير عندما يتحرك الشخص، أو يغير وضعية ذراعه، أو حتى عندما تتحرك المستشعرات قليلاً على الجلد. ولاختبار ما إذا كان النظام قادراً على التعامل مع ذلك، قاموا بمحاكاة سيناريو تأتي فيه البيانات من وقت مختلف أو من إعداد مختلف قليلاً. ووجدوا أن النموذج يمكنه التكيف بسرعة ملحوظة؛ فمن خلال عرض مثالين فقط لكل رقم من الجلسة الجديدة على النظام، وتركه يتعلم لفترة قصيرة جداً، استطاع التكيف مع الظروف الجديدة. وفي هذه الاختبارات، وصل النظام إلى دقة تقارب 91 بالمائة، مما أثبت قدرته على التغلب على الانحراف والتباين الطبيعي الذي عادة ما يعيق مثل هذه الواجهات.

وعلى الرغم من هذا النجاح، يحرص المؤلفون على الإشارة إلى أن هذا يمثل خطوة للأمام وليس وجهة نهائية. فقد أُجري العمل في بيئات مضبوطة، ويقر الباحثون بأن هناك حاجة لمزيد من الاختبارات لمعرفة ما إذا كان النظام سيعمل في الوقت الفعلي لأشخاص مختلفين أو في البيئة المعقدة للحياة اليومية. كما يشيرون إلى أن فهم النطاق الكامل لكيفية تحكم الجسم البشري في هذه الحركات الدقيقة لا يزال رحلة علمية مستمرة. وتشير النتائج إلى أنه مع البنية المناسبة، يمكن للآلات أن تتعلم قراءة اللغة الكهربائية الخفية لليد، مما يفتح مساراً محتملاً نحو أدوات تواصل تبدو طبيعية بقدر الكتابة بالقلم.