A Apple treinou inteligência artificial para reconhecer apertos de mão desconhecidos com base em sinais EMG.

Apple criou o modelo EMBridge – reconhecimento de gestos a partir de sinais EMG

As novas pesquisas da Apple mostraram que seu IA EMBridge pode determinar movimentos das mãos apenas a partir de sinais elétricos dos músculos (EMG), mesmo quando esses gestos não foram encontrados no conjunto de treinamento.

O que é EMG e onde já está sendo usado
A eletromiografia mede a atividade elétrica gerada durante a contração muscular.

Na medicina, ela é usada para diagnóstico e fisioterapia, além de próteses de membros.

Dispositivos vestíveis (por exemplo, óculos Meta Ray‑Ban Display com controlador Neural Band) utilizam EMG para controlar realidade virtual.

Como treinar o EMBridge
1. Dados – os pesquisadores usaram dois conjuntos abertos:

* `emg2pose` – sinais EMG e coordenadas das mãos.

* `NinaPro DB2` – conjunto semelhante.

2. Duas representações – o modelo foi treinado inicialmente em dois fluxos separados:

* apenas sinais EMG;

* apenas dados de posição da mão.

3. Sincronização – após o treinamento inicial, os pesquisadores “uniram” os fluxos: o componente que trabalhava com EMG aprendeu a “compreender” as informações das coordenadas. Assim, o EMBridge passou a reconhecer gestos apenas pelo sinal EMG.

Dificuldades no problema
* Cortaram parte do segundo fluxo (coordenadas) e forçaram o modelo a fazer inferências apenas com base em EMG.

* Para evitar erros excessivos, a avaliação das previsões tornou-se menos rigorosa: gestos semelhantes foram percebidos como relacionados, não totalmente diferentes.

* Essa abordagem ajudou a “estruturar” o espaço de recursos e melhorou a recuperação das posições das mãos que não estavam presentes no treinamento.

Teste e resultados
* O modelo foi testado nos mesmos conjuntos `emg2pose` e `NinaPro`, usando-os como benchmarks.

* O EMBridge mantém alta precisão mesmo quando utiliza apenas 40 % dos dados de treinamento.

Limitações
Os cientistas destacam que o principal obstáculo continua sendo o acesso a conjuntos com pares “EMG + posição da mão”. Esses dados ainda são limitados em volume e nem sempre disponíveis.