Máquinas de vetores de suporte para controle de próteses utilizando interfaces miocinéticas e sua implementação em SoC FPGA

Abstract

O desenvolvimento de algoritmos e sistemas embarcados para aplicações de Interface Humano-Máquina voltadas ao controle de próteses apresenta desafios significativos, devido a restrições de tempo de resposta, capacidade de processamento, consumo de energia, dispo nibilidade de recursos, tamanho e peso. Buscando atender a esses requisitos com elevada eficiência computacional, este trabalho propõe a implementação de Regressores de Vetores de Suporte (SVR), utilizando kernel linear e kernel RBF, em um SoC FPGA para estimar o deslocamento de ímãs em aplicações de interface miocinética. Para o treinamento dos modelos de aprendizado de máquina, foi construída uma base de dados experimental contendo informações sobre o campo magnético associado a cada posição dos ímãs, de modo a gerar modelos capazes de localizá-los em tempo de execução. A complexidade da solução é reduzida por meio de uma análise estatística que identifica as variáveis mais relevantes para cada regressor, permitindo minimizar simultaneamente o erro empírico e o custo computacional. Além disso, a comunicação entre a FPGA, onde os regressores estão implementados, e o microcontrolador responsável pela leitura dos sensores é realizada via protocolo SPI, garantindo alta velocidade e paralelismo na aquisição dos dados. Os resultados obtidos demonstram como as características dos diferentes conjuntos de dados impactam o treinamento dos modelos, além de evidenciar o potencial dos SVRs implemen tados em hardware para estimar, em tempo real, o deslocamento de ímãs, configurando-se como uma alternativa precisa e eficiente para o controle de próteses por meio de interfaces miocinéticas.