[发明专利]基于神经肌肉数据获得控制方案的系统和方法

说明书

所公开的系统和方法总体上针对基于神经肌肉数据生成用户控制方案。所公开的系统和方法可以包括神经肌肉数据的特征空间或本征空间表示，以训练用户并使用户实现对机器和计算机的更大的神经肌肉控制。在某些实施例中，系统和方法采用多个不同的推理模型(例如，使用在特征空间的多个区域中训练的推理模型的完全控制方案)。还公开了各种其他方法、系统和计算机可读介质。

相关申请的交叉引用

本申请要求2019年3月29日提交的美国申请第62/826,493号、2019年4月30日提交的美国申请第62/840,803号、2020年1月31日提交的美国申请第62/968,495号和2020年3月29日提交的美国申请第16/833,626号的优先权。出于所有目的，美国申请第62/826,493号、美国申请第62/840,803号、美国申请第62/968,495号和美国申请第16/833,626号的内容通过引用以其整体被并入本文。

附图简述

附图示出了许多示例性实施例，并且是说明书的一部分。与以下描述一起，这些附图展示并解释了本公开的各种原理。

图1是神经肌肉数据的示例特征空间的图示。

图2是图1的示例特征空间和该特征空间内的转换的图示。

图3是用于经由手腕旋转对2D移动的推理模型进行在线训练的示例图形用户界面的图示。

图4是比较用于训练不同推理模型的数据点分布的标绘图的图示。

图5是图1的示例特征空间和该特征空间内的另一个转换的图示。

图6是表示代表用户手部姿态(pose)的本征向量的2D可视化的经处理的神经肌肉数据的示例标绘图的图示。

图7是表示代表用户手部姿态的本征向量的2D可视化的经处理的神经肌肉数据的示例标绘图的附加图示。

图8是表示代表用户手部姿态的本征向量的2D可视化的经处理的神经肌肉数据的示例标绘图的附加图示。

图9是表示代表用户手部姿态的本征向量的2D可视化的经处理的神经肌肉数据的示例标绘图的附加图示。

图10是用于用代表用户手部姿态的本征向量的2D可视化来可视化经处理的神经肌肉数据的示例界面的图示。

图11是推理模型的示例训练任务的图示。

图12A-12C是基于将推理模型应用于神经肌肉数据的光标控制的示例界面的图示。

图13A-13B是路径效率度量的表示的图示。

图14A-14B是稳定性度量的表示的图示。

图15A-15B是可达性度量(reachability metrics)的表示的图示。

图16是组合学度量的表示的图示。

图17是示例光标指示器的图示。

图18A-18B是通过感测一对肌肉而产生的神经肌肉数据的连续1D输出的示例标绘图的图示。

图19是映射到特征空间的1D神经肌肉信号的图示。

图20是通过图19所示特征空间的示例事件路径的图示。

图21是图20的事件路径在马氏距离度量(Mahalanobis distance metric)的上下文中的图示。

图22是图20的事件路径在基于负对数似然的距离度量的上下文中的图示。

图23是图20的事件路径在支持向量机得分距离度量的上下文中的图示。

图24是2D特征空间的示例标绘图的图示。