用于假肢的液体金属传感器和人工智能

每根指尖都有3000多个触觉感受器，它们主要对压力做出反应。人类在操纵物体时严重依赖于指尖的感觉。缺乏这种感觉对个体来说是一个独特的挑战上肢截肢。同时还有几家高科技、灵巧的假肢现在可用的——它们都缺乏“触觉”。这种感觉反馈的缺失会导致物体无意中被扔下或压碎假肢手．

佛罗里达大西洋大学工程与计算机科学学院的研究人员和合作者们首次将可拉伸技术纳入假肢手界面，以实现更自然的感觉触觉传感器在假手的指尖上使用液态金属。该技术封装在硅基弹性体内，与传统传感器相比具有关键优势，包括高导电性、柔韧性和可拉伸性。这种多层多指触觉整合可以提供更高水平的智能人工手．

在这项研究中，研究人员使用了单独的指尖假肢以区分沿不同纹理表面滑动运动的不同速度。四种不同的纹理有一个可变参数:脊之间的距离。为了检测纹理和速度，研究人员训练了四种机器学习算法。对于这十个表面中的每一个，我们收集了20次试验，以测试机器学习算法区分由四种不同纹理随机生成排列组成的十个不同复杂表面的能力。

结果表明，融合来自四个假肢手指尖液态金属传感器的触觉信息，可以同时区分复杂、多纹理的表面，展示了一种新的层次智能形式。机器学习算法能够以很高的精度区分每个手指的所有速度。这项新技术可以改善假肢手的控制，并提供触觉反馈，更常见的是触觉体验，让截肢者重新连接之前被切断的触觉。

“人们在触觉方面做了大量研究传感器但在轻量化、低成本、坚固耐用的多模态触觉传感器方面，仍有必要取得进展。”资深作者Erik Engeberg博士说,海洋学系的副教授和机械工程的一员能力Stiles-Nicholson大脑研究所和能力传感和嵌入式网络系统工程研究所(我感觉),进行这项研究的第一作者和博士生农业部Abd。“在我们的研究中，来自所有单个指尖的触觉信息为更高层次的手部感知提供了基础，实现了10个复杂、多纹理表面之间的区分，这是不可能使用单个指尖纯粹的局部信息的。我们相信这些触觉细节在未来可以通过先进的触觉显示为假肢用户提供更真实的体验，这可以丰富截肢-假肢界面，防止截肢者放弃他们的假肢。”

研究人员比较了四种不同的机器学习算法的成功分类能力:k -最近邻(KNN)，支持向量机(支持向量机),随机森林(RF),神经网络(神经网络)。提取液态金属传感器的时频特征，对机器学习算法进行训练和测试。神经网络通常在速度和纹理检测方面表现最好，用一根手指同时使用四根手指上的四个液态金属传感器，可以有99.2%的准确率来区分十种不同的多纹理表面。

工程与计算机科学学院院长Stella Batalama博士说:“对于那些试图无缝地参与日常活动的人来说，失去上肢可能是一个艰巨的挑战。”“虽然假肢的进步是有益的，让截肢者更好地履行他们的日常职责，但它们不能给他们提供感觉信息，如触觉。他们也不能让他们用意念自然地控制假肢。有了我们研究团队的这项最新技术，我们离为世界各地的人们提供一种更自然的假肢装置又近了一步，这种假肢可以‘感知’并对周围环境做出反应。”

这项研究发表在杂志上传感器．