From muscle signals to motor learning: multisensor-based gesture recognition and serious game design

Van spiersignalen tot motorisch leren: op multi-sensoren gebaseerde gebarenherkenning en het ontwerpen van serious games

Dit proefschrift van Yiling Zhang onderzoekt de ontwikkeling van mens-machine-interfaces die gebruikmaken van biosignalen en multisensorische feedback om handgebaarherkenning mogelijk te maken en motorisch leren van het kniegewricht te ondersteunen via interactieve exergame (oefening en gaming) omgevingen.

Menselijke bewegingsherkenning is een essentieel onderdeel van de interactie tussen mens en machine. Dit gebeurt doorgaans met behulp van draagbare sensoren die op het lichaam worden bevestigd. Deze sensoren verzamelen bewegingsgegevens, waardoor menselijke bewegingen nauwkeurig kunnen worden gedetecteerd en geïnterpreteerd. 

Handgebaarherkenning met behulp van elektromyografie (EMG)-signalen in combinatie met machine learning kan de ontwikkeling van hulpmiddelen voor mensen met een amputatie van een bovenarm ondersteunen. Op dezelfde manier kan bewegingsherkenning van de onderste ledematen met behulp van inertiële meeteenheden (IMU) en EMG de ontwikkeling van motorische leerplatforms voor thuisgebruik vergemakkelijken en effectieve monitoring van trainingsresultaten mogelijk maken voor zowel klinische populaties als atleten.