LiteEMG-FM: An Efficient and Deployable Foundation Model for Robust EMG Sensing

📄 arXiv: 2610.02497v1 📥 PDF

作者: Tianhao Wu, Xu Wu, Amirmohammad Radmehr, Jiawei Yu, Yi Wu, Phuc Nguyen, Jian Liu

分类: cs.LG

发布日期: 2026-10-01

💡 一句话要点

提出LiteEMG-FM以解决EMG信号泛化不足问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 肌电图 基础模型 混合CNN-Transformer 实时处理 泛化能力 分层唤醒机制 高效模型 人机交互

📋 核心要点

  1. 现有EMG信号处理模型在个体和设备间的泛化能力不足，限制了其在实际应用中的有效性。
  2. LiteEMG-FM结合了CNN和Transformer的优点，通过预训练和分层唤醒机制提高了模型的效率和准确性。
  3. 实验表明，LiteEMG-FM在多种评估设置下表现优越，尤其是在零校准和数据稀缺条件下，显著提升了性能。

📝 摘要（中文）

肌电图（EMG）信号因个体差异、身体部位、记录会话和传感硬件的不同而变化显著，这限制了助残设备和人机交互模型的泛化能力。现有的时间序列基础模型在实时可穿戴设备部署中计算开销较大，且往往无法捕捉EMG特有的时频特征。本文提出LiteEMG-FM，一种高效的混合CNN-Transformer基础模型，专为实用的EMG感知而设计。该模型在16个多样的上下肢EMG数据集上进行预训练，学习到跨用户和数据集的泛化表示。为了适应资源受限的部署，我们实现了分层唤醒架构，使用轻量级的1D-CNN过滤静息和非目标活动，仅在有效手势时激活LiteEMG-FM。实验结果表明，LiteEMG-FM在零校准跨参与者和数据稀缺条件下，优于现有的时间序列基础模型和监督基线。

🔬 方法详解

问题定义：本文旨在解决EMG信号在不同个体和设备间泛化能力不足的问题。现有方法在实时部署中计算开销大，且无法有效捕捉EMG信号的时频特征。

核心思路：LiteEMG-FM通过结合CNN和Transformer的优势，设计了一种高效的基础模型，能够在多样化的EMG数据集上学习到泛化表示，并通过分层唤醒机制降低资源消耗。

技术框架：LiteEMG-FM的整体架构包括一个轻量级的1D-CNN模块用于过滤静息和非目标活动，只有在检测到有效手势时才激活主模型进行处理。模型经过16个不同的EMG数据集预训练，以增强其泛化能力。

关键创新：LiteEMG-FM的主要创新在于其混合架构和分层唤醒机制，这使得模型在保持高效性的同时，能够有效捕捉EMG信号的特征，显著优于传统的时间序列模型。

关键设计：模型设计中采用了特定的损失函数以优化EMG信号的特征提取，并在网络结构上进行了轻量化处理，以适应资源受限的环境。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在多种评估设置中，LiteEMG-FM在零校准跨参与者和数据稀缺条件下的表现优于现有的时间序列基础模型，尤其在准确性和响应时间上有显著提升，展示了其在实际应用中的有效性。

🎯 应用场景

LiteEMG-FM的研究成果在医疗康复、运动监测和人机交互等领域具有广泛的应用潜力。其高效的模型设计和优越的性能使其能够在实际场景中实现实时EMG信号处理，提升用户体验和设备的智能化水平。

📄 摘要（原文）

Electromyography (EMG) signals vary substantially across individuals, body regions, recording sessions, and sensing hardware, limiting the generalization of models for assistive devices and human-computer interaction. Existing time-series foundation models are also computationally expensive for real-time wearable deployment and often fail to capture EMG-specific time-frequency characteristics. We present LiteEMG-FM, an efficient hybrid CNN-Transformer foundation model for practical EMG sensing. Pretrained on 16 diverse upper- and lower-limb EMG datasets, LiteEMG-FM learns representations that generalize across users and datasets. For resource-constrained deployment, we implement a hierarchical wake-up architecture in which a lightweight, always-on 1D-CNN filters rest and non-target activity and activates LiteEMG-FM only for valid gestures. We evaluate full inference offloading, split inference, and full on-device processing, characterizing their trade-offs in latency, power consumption, and memory footprint. Across diverse evaluation settings, LiteEMG-FM outperforms state-of-the-art time-series foundation models and supervised baselines, particularly under zero-calibration cross-participant and data-scarce conditions. These results demonstrate that LiteEMG-FM is an effective, efficient, and deployable foundation model for EMG applications.