Segnali bioelettrici che diventano movimento
Sono stato Team Leader della sezione EMG/EEG in un progetto che punta a tradurre i segnali del corpo in gesti naturali di una mano bionica.
Abbiamo sviluppato una piattaforma completa: acquisizione multi-canale EMG ed ECG, filtraggio e sincronizzazione dei segnali, estrazione feature e classificazione in tempo reale con modelli di Machine Learning ottimizzati per microcontrollore.
Il sistema riconosce decine di gesti diversi (presa a pinza, presa cilindrica, hook, punta-dito, apri/chiudi, gesture personalizzate) e li esegue con transizioni morbide grazie a profili di coppia e velocità controllati.
Hardware modulare: elettrodi di superficie a bassa impedenza, front-end analogico con filtraggio anti-rumore e protezioni, conversione ADC ad alta risoluzione, microcontrollore per l’inferenza, bus dedicato per comandi ai servomotori/attuatori della mano.
Pipeline segnale→azione: rimozione artefatti, finestratura, feature nel dominio tempo/frequenza, normalizzazione online, classificatore leggero quantizzato per latenza millisecondi e basso consumo.
Integrazione ECG: monitoraggio del carico fisiologico e gating di sicurezza; se rileviamo stress eccessivo o rumore miografico, il controller adatta sensibilità e guadagni per mantenere stabilità e sicurezza dell’utente.
Addestramento e validazione: sessioni su più soggetti con protocolli ripetibili, data labeling assistito, cross-validation, confusion matrix e metriche di accuratezza/lag per scegliere i modelli più robusti in condizioni reali.
Firmware a macchina a stati: calibrazione, training rapido, inference, fallback di sicurezza; logging su SD/seriale per analisi offline e auto-tuning dei parametri.
Interfaccia utente: wizard di calibrazione in pochi minuti, profili di gesto salvabili, mappatura personalizzata gesto→movimento per esigenze specifiche o riabilitazione.
Risultato: una mano capace di interpretare i segnali bioelettrici e trasformarli in azioni affidabili, pronta ad apprendere nuovi gesti e adattarsi all’utente nel tempo.
