自己教師あり事前学習AEMGによる汎用的な行動表現の学習

arXiv cs.LG / 2026/5/6

📰 ニュースSignals & Early TrendsModels & Research

共有:

要点

本論文は、被験者・デバイス・タスクをまたいで汎化しやすいEMG表現を学習するための大規模自己教師ありフレームワーク「Any Electromyography（AEMG）」を提案している。
AEMGは、Neuromuscular Contraction Tokenizer（NCT）により、離散的な筋収縮を構造トークンへ、時間的な筋活動を文のようなパターンへ変換し、神経筋ダイナミクスを「言語的」に捉える。
異なるチャネル構成やサンプリング周波数にも対応できるよう、クロスデバイスのEMG信号として過去最大規模の語彙（ボキャブラリ）を構築している。
実験では、AEMGがゼロショットのleave-one-subject-out（LOSO）精度を既存の6つの最先端ベースラインに対して5.79〜9.25%向上させ、目標ユーザーデータの約5%のみで90%以上のfew-shot適応性能を達成することを示している。
全体として、EMGを「デバイスをまたいだ生理言語」と見なし、大規模に一度学習することで広く適用可能なEMG基盤モデルにつながる基盤を提示している。