W artykule przedstawiamy ekonomiczny zestaw do mierzenia sygnałów mechanomiograficznych, wykorzystujący mikrofon elektretowy umieszczony w zaprojektowanej do tego celu obudowie. Zestaw został skonstruowany w celu określenia sztywności dłoni operatora, który za pomocą rękawicy sensorycznej steruje manipulatorem. Urządzenie stanowi uzupełnienie systemu do teleoperacji chwytakami zręcznymi [25, 24], dostarczając dodatkowych informacji o stanie sztywności ręki operatora, co można wykorzystać do ustalania impedancji chwytaka wielopalczastego. Przedstawiamy budowę urządzenia, sposób przetwarzania sygnału oraz porównujemy algorytmy uczenia maszynowego pozwalające na wykorzystanie urządzenia do rozpoznawania sztywności dłoni. Efektem pracy systemu jest binarne rozpoznawanie sztywności (sztywny, rozluźniony) z jakością klasyfikacji 94% przy dowolnym ruchu dłoni. Zaprojektowane urządzenie oraz algorytmy udostępnione są na otwartej licencji i dostępne są w repozytorium projektu.
The article presents a low cost set for measuring mechanomyographic signals to determine the stiffness of the operator's hand during remote control of manipulator with a dextrous gripper. The device complements the system for teleoperation initially containing sensor glove and LeapMotion vision, and now providing additional information about the operator's hand condition, which can be used to determine the impedance of a multi-fingered gripper. We present the construction of the device, signal acquisition, and processing, the machine learning algorithm that provides the main functionality of the device: recognizing hand stiffness without the need for calibration with any external measurement tools. The output of the system is the binary recognition of the operator's hand stiffness (rigid, non-rigid) with the maximum quality of classification of around 94% regardless of sensor placement or movement of the hand.