近年来，基于深度学习的神经解码器已成为实现神经假肢灵巧、直觉控制的主要方法。人类甚至已经设想出了这种假肢在医学领域的广泛应用图景。
然而，由于深度学习对计算的要求很高，很少有研究将其应用于临床。边缘计算设备的发展为解决这一问题提供了可能。在一篇新论文中，来自明尼苏达大学等机构的研究者提出了一种基于嵌入式深度学习控制的神经假肢实现。该研究中的神经解码器基于 RNN 架构设计，部署在 NVIDIA Jetson Nano 上。NVIDIA Jetson Nano 拥有不错的 AI 算力，但体格非常小巧，这使得假肢安装者可以实时控制每一根手指，同时还能自由移动。
研究者利用外周神经信号在桡骨截肢的志愿者身上评估所提出的系统。实验结果显示，无论是在实验室还是真实环境下，该系统都能提供鲁棒、准确（95-99%）、低延迟（50-120 毫秒）的单个手指控制。
研究者表示，据他们所知，该系统是第一个在临床神经假肢应用的便携式平台上有效实现深度学习神经解码器的系统。这种新型假肢系统拥有嵌入式人工智能，可以作为新型可穿戴生物医学设备的基础，有助于加快深度神经网络在临床应用中的部署。
论文链接：https://arxiv.org/pdf/2103.13452.pdf这一成果离不开之前研究取得的进展，包括 Overstreet 等人 2019 年提出的连接神经纤维和生物电子系统的神经束内微电极阵列；Nguyen 等人 2020 年设计的能同时展开神经记录和刺激的 Neuronix 神经接口微芯片；Luu 等人 2021 年提出的降低解码器计算复杂度的深度学习电机解码范式优化；以及 SOTA 边缘计算平台的软硬件实现等。下图展示了研究者提出的神经假肢神经解码器的大体构造：
该系统包含 Scorpius 神经接口、带有定制载板的 Jetson Nano、定制的手臂控制器以及一个可多次充电的锂电池。下图是该系统的原型图。AI 引擎重 90 克，锂电池（7.4V，2200mAh）重 120 克。在实际应用中，整个系统都可以集成到假肢内部，替代假肢现有的 ENG 传感器和电子设备，因此对手臂的重量和美感影响极小。
神经数据是通过研究者之前提出的 Scorpius 神经接口获得的。每个 Scorpius 设备有 8 个记录通道，配有频率整形（FS）放大器和高精度模数转换器（ADC）。根据需要的通道数量，可以配置多个设备。FS 神经记录器被证明能够在抑制 artifact 的同时获得超低噪声神经信号。原始的神经数据会直接传输到 Jetson Nano 电脑进行进一步处理。该系统的核心是由 Jetson Nano 平台支撑的 AI 引擎。研究者设计了一个定制的载板为 Nano 模块提供电源管理和 I/O 连接。该模块可工作在 10W 模式 (4 核 CPU 1900 MHz，GPU 1000 GHz) 或 5W 模式 (2 核 CPU 918 MHz，GPU 640 MHz) 下，按当前电池尺寸，可分别连续使用 2 小时和 4 小时左右。在这个系统中，训练好的深度学习模型被部署到 AI 引擎上，实时地将神经信号转化为个体手指运动的真实意图。最后的预测被发送到手部控制器来驱动假手。这个假手是基于英国科技公司 Touch Bionics 的 i-Limb 假肢平台设计的，有五个单独驱动的手指。研究者用定制的手部控制器替换了原来的 i-Limb 默认驱动器，从而根据深度学习模型的预测，直接操作隐藏在每根手指中的直流电机。该控制器是围绕 ESP32 模块设计的，带有一个低功耗微控制器。
关键字：Jetson Nano
引用地址：
开发板还能这么用？用Jetson Nano支持便携式AI假肢
推荐阅读最新更新时间：2024-11-11 10:19
NVIDIA发布为高要求客户打造的Jetson AGX Xavier工业级模组
从工厂和农场到炼油厂和建筑工地，全球范围内不乏炎热、卫生条件差、嘈杂、存在潜在危险的地点，但这些地点对维持工业运转至关重要。 这些地点都需要在日常运营的同时接受检查和维护，但鉴于安全问题和工作条件，由人类去完成这些任务并非最佳选择。 机器人和自动化技术在制造业、农业、建筑业、能源、政府和其他行业的应用日益增加，与此同时，许多公司也一直致力于让要求严苛的应用也能受益于AI和深度学习。 在一些严苛的环境中，安全性和可靠性至关重要，而通过全新NVIDIA Jetson AGX Xavier 工业级模组，NVIDIA使这些环境中的边缘AI部署成为可能。 Jetson AGX Xavier 工业级模组 这种新型工
[工业控制]
基于Jetson Nano的六轴协作机械臂myCobot
大象机器人致力于为机器人教育及科研机构、商业场景、工业生产提供高柔性的协作机器人、简单易学的操作系统以及智能的自动化解决方案。
myCobot 机械臂由大象机器人出品，是一款基于 Jetson Nano 的六轴协作机械臂，体积小巧但功能强大，既可搭配多种末端执行器适配多种应用场景，也可根据的需求进行二次开发，实现用户个性化定制，是生产力也是想象力边界的拓展工具。
NVIDIA人工智能套装视觉识别技术
助力开源创意实践
大象机器人与 NVIDIA 合作，打造突破性产品，创造出体积小巧的 Jetson Nano 六轴协作机械臂，以亲民的价格提供高品质的产品。
myCobot 机械臂嵌入的 Jetson Nano
[机器人]
Molex推出 Nano-Pitch I/O™ 80 电路互连系统
(新加坡 2016 年3月15日) Molex 公司推出 Nano-Pitch I/O 80 电路互连系统，在最小的可用封装内具有超高的端口密度（高速差分通道数）和速度（每通道 25 Gbps）。多协议引脚分配的概念可实现与全部现有的 SAS、SATA 和 PCIe 协议的兼容性，并且在超紧凑的体积下增强了信号的完整性。该连接器可理想用于 SAS 和 PCI Express 应用，适用于包括存储到控制器、服务器到服务器、服务器到交换机、交换机到交换机以及移动/企业在内的连接。 Molex 产品经理 Joe Dambach 表示： 通过行业领先的端口密度、多协议应用支持以及增强的信号完整性，Nano-Pitch I/O
[模拟电子]
Arduino Nano 通过 LabVIEW 和 DHT11 采集温湿度数据
自动驾驶的语义分割：模型评估、数据集生成、视角比较和实时性能
控制系统计算机辅助设计 — MATLAB语言与应用
京公网安备 11010802033920号