Skip to main content

Des chercheurs de l’École Gina-Cody innovent en IA en perfectionnant une technologie de reconnaissance des mouvements de la main

11 décembre 2023
|

Arash Mohammadi Crédit photo: David Ward

Il arrive parfois qu’on puisse en faire plus avec moins, et ce, même dans le domaine de l’intelligence artificielle et de l’apprentissage automatique. Mansooreh Montazerin, récemment diplômé de maîtrise sous la direction d' Arash Mohammadi et Farnoosh Naderkhani de l’École de génie et d’informatique Gina-Cody, ont ainsi utilisé une approche d’apprentissage automatique simplifiée pour améliorer la reconnaissance des mouvements de la main servant à la fabrication de prothèses et d’exosquelettes ainsi que dans des applications de réalité mixte.

Avec des collègues de l’Université de New York (NYU) et de l’Université de Calgary, ils ont mis à profit le modèle Vision Transformer qui se fonde sur un mécanisme d’attention pour découvrir des modèles dans les données. L’outil peut servir à analyser les mouvements des muscles dans un bras humain à l’aide d’électrodes cutanées.

S’appuyant sur ce modèle, ils ont créé un cadre d’applications qui s’est avéré précis même si le nombre de paramètres d’apprentissage (65 000) était réduit comparativement aux millions de paramètres des modèles d’apprentissage profond habituels.

Farnoosh Naderkhani Crédit photo: David Ward

Ils décrivent leurs travaux dans la section Scientific Reports de la revue Nature, laquelle arrive au cinquième rang des revues les plus citées au monde en 2022.

Ce nouveau cadre d’applications se distingue par son efficacité d’apprentissage. Au contraire des modèles habituels qui demandent d’être préalablement entraînés de manière intensive, leur modèle peut apprendre immédiatement, un peu comme le fait un enfant qui apprend une langue en observant et en écoutant. Cette capacité d’apprentissage inhérente au système le rend à la fois novateur et pratique.

L’efficacité du cadre a d’abord été testée sur 20 personnes non handicapées effectuant chacune 65 différents mouvements de la main. Si différents facteurs, comme le nombre de capteurs utilisés et la durée de l’observation, ont joué sur la capacité du système à interpréter ces mouvements correctement, le taux d’exactitude a néanmoins parfois atteint 92 %, ce qui est un exploit dans le domaine de la reconnaissance des mouvements.

Il est possible que cette recherche se poursuive désormais sur des personnes amputées et fasse appel à une analyse des mouvements musculaires en temps réel.

Arash Mohammadi et Farnoosh Naderkhani sont tous deux professeurs à l’Institut d’ingénierie des systèmes d’information de l’Université Concordia, et le Pr Mohammadi dirige le laboratoire de traitement intelligent des signaux et de l’information.

Lisez l’article Transformer-based hand gesture recognition from instantaneous to fused neural decomposition of high-density EMG signals dans la section Scientific Reports de la revue Nature.

Renseignez-vous sur l’Institut d’ingénierie des systèmes d’information de l’Université Concordia.



Retour en haut de page

© Université Concordia