机械手融合了截肢者和机器人控制

神经工程和机器人技术之间的跨学科概念证明在3名截肢者和7名健康受试者身上成功测试。该技术融合了来自两个不同领域的两个概念。将这两种方法结合起来应用于机械手控制之前从未有过，这也为神经义肢共享控制的新兴领域做出了贡献。

一个来自神经工程的概念，涉及从截肢者残肢上的肌肉活动中破译预期的手指运动，从而实现单个手指对假肢手的控制，这是以前从未做过的。另一种，来自机器人技术，允许机械手帮助抓取物体，并与它们保持接触以获得有力的抓取。“当你手里拿着一个物体，它开始滑动时，你只有几毫秒的反应时间，”EPFL学习算法和系统实验室负责人奥德·比拉德解释说。“机械手能够在400毫秒内做出反应。手指上都装有压力传感器，它可以在大脑察觉到物体滑动之前做出反应并稳定物体。

共享控制如何工作

该算法首先学习如何解码用户的意图，并将其转化为假肢手的手指运动。为了训练使用机器学习的算法，截肢者必须执行一系列手部动作。放置在截肢者残肢上的传感器检测肌肉活动，然后算法学习哪些手部运动对应哪些肌肉活动模式。一旦用户的手指动作被理解，这些信息就可以用来控制假肢手的各个手指。“因为肌肉信号可能很嘈杂，我们需要一种机器学习算法，从这些肌肉中提取有意义的活动，并将它们转换成运动，”该出版物的第一作者凯蒂·庄(Katie Zhuang)说。

接下来，科学家们设计了算法，这样当用户试图抓住一个物体时，机器人就会自动启动。该算法告诉假肢手，当物体与假肢表面的传感器接触时，关闭它的手指。这种自动抓取是对先前机器人手臂研究的一种适应，该研究的目的是在没有视觉信号帮助的情况下，仅根据触觉信息来推断物体的形状并抓取它们。

在将该算法应用于商用假肢之前，还存在许多挑战。目前，该算法仍在外部提供的机器人上进行测试。“我们共同的控制机械手的方法可以用于多个神经义肢应用，如仿生手义肢和脑-机接口，增加这些设备的临床影响和可用性。”EPFL Bertarelli基金会转化神经工程主席、意大利圣安娜高等学校生物电子学教授Silvestro Micera说。