Leveraging Task-Specific Context to Improve Unsupervised Adaptation for Myoelectric Control
Notice bibliographique
Résumé
While there has been renewed interest in the use of myoelectric control for general-purpose applications, the burden of training and maintaining robust models still limits its real-world viability. Online unsupervised adaptation has been proposed to solve this issue by updating the model using predicted pseudo-labels in real time during regular device use. Until now, however, these unsupervised strategies have been limited as they rely on the very classifier outputs they are adapting, making them ill-suited when there is a drastic shift in the input space (e.g., after donning and doffing a device) or there is insufficient training data. In such situations, leveraging context (i.e., task-specific information that can help understand or assess a circumstance) could provide additional guidance for adaptation and improve its robustness. Although difficult to extract in traditional prosthesis control use cases without additional sensors, context may be more readily available in other general-purpose applications, such as in human-computer interaction. In this study, we explore leveraging context, both positive (i.e., reinforcing correct actions) and negative (i.e., correcting poor actions), for conditioning pseudo-label predictions within an adaptive gamified target acquisition setting. The results show that leveraging this additional con-text significantly outperforms the current state-of-the-art high-confidence unsupervised adaptation (p<0.05) using both offline and online performance metrics. This pilot work contributes novel findings and contextual approaches that do not rely on additional sensors, and thus outlines a promising direction of study for myoelectric control as a reliable and effective interaction technique.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».