Development of an sEMG-based Human-Computer Interface Utilizing Deep Transfer Learning and Continual Learning

• Project/Area Number: 23K28135
• Project/Area Number (Other): 23H03445 (2023)
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Multi-year Fund (2024); Single-year Grants (2023)
• Section: 一般
• Review Section: Basic Section 61020:Human interface and interaction-related; Basic Section 62040:Entertainment and game informatics-related; Sections That Are Subject to Joint Review: Basic Section61020:Human interface and interaction-related , Basic Section62040:Entertainment and game informatics-related
• Research Institution: National Institute of Advanced Industrial Science and Technology
• Principal Investigator: 叶賀 卓 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 主任研究員 (40803903)
• Co-Investigator(Kenkyū-buntansha): 唐木田 亮 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 主任研究員 (30803902)
• Project Period (FY): 2023-04-01 – 2027-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥18,590,000 (Direct Cost: ¥14,300,000、Indirect Cost: ¥4,290,000); Fiscal Year 2026: ¥3,120,000 (Direct Cost: ¥2,400,000、Indirect Cost: ¥720,000); Fiscal Year 2025: ¥3,120,000 (Direct Cost: ¥2,400,000、Indirect Cost: ¥720,000); Fiscal Year 2024: ¥5,330,000 (Direct Cost: ¥4,100,000、Indirect Cost: ¥1,230,000); Fiscal Year 2023: ¥7,020,000 (Direct Cost: ¥5,400,000、Indirect Cost: ¥1,620,000)
• Keywords: 筋電 / 転移学習 / 継続学習

Outline of Research at the Start

筋電位は個人差が大きく、状態識別のためにユーザのデータが1時間分ほど必要である。また、学習済みモデルにクラスを追加すると、学習した表現を大幅に喪失する破滅的忘却と呼ばれる現象が起きる。少ない計測時間でユーザのデータを計測済み他ユーザ(ソース)のように変換し、今までの表現を忘れずに新しいクラスをソースモデルに追加学習できれば、ユーザはソースの識別モデルを代用し、そのモデルを継続学習でき るインタフェースが提供できる。本研究では、まず深層転移学習に基づいたドメイン適応技術を開発する。次に、初期識別モデルのクラス数を 増加可能な継続学習法を開発し、これらを組み合わせたフレームワークを構築・応用する。