EPFL科學(xué)家正在開發(fā)新的方法來改進(jìn)機(jī)器人手的控制 - 尤其是截肢者 - 將個人手指控制和自動化相結(jié)合，以改善抓握和操控。神經(jīng)工程學(xué)和機(jī)器人學(xué)之間的這種跨學(xué)科的概念驗證成功地在三名截肢者和七名健康受試者身上進(jìn)行了測試。結(jié)果發(fā)表在今天的Nature Machine Intelligence雜志上。

該技術(shù)融合了兩個不同領(lǐng)域的兩個概念。在機(jī)器人手控制之前從未實現(xiàn)過它們，并且有助于神經(jīng)修復(fù)術(shù)中共享控制的新興領(lǐng)域。

來自神經(jīng)工程學(xué)的一個概念涉及破解截肢者殘肢上的肌肉活動所預(yù)期的手指運動，用于手指控制假手，這是以前從未做過的。另一個來自機(jī)器人技術(shù)，允許機(jī)器人手抓住物體并保持與物體的接觸，以便進(jìn)行強(qiáng)有力的抓取。

“當(dāng)你拿著手中的物體并且它開始滑動時，你只需要幾毫秒的時間來做出反應(yīng)，”負(fù)責(zé)EPFL學(xué)習(xí)算法和系統(tǒng)實驗室的Aude Billard解釋道。“機(jī)器人手有能力在400毫秒內(nèi)做出反應(yīng)。在手指周圍配備壓力傳感器，它可以在大腦真正感知物體滑動之前對物體作出反應(yīng)和穩(wěn)定。”

共享控制如何工作

該算法首先學(xué)習(xí)如何解碼用戶意圖并將其轉(zhuǎn)換為假手的手指運動。被截肢者必須執(zhí)行一系列手部動作，以訓(xùn)練使用機(jī)器學(xué)習(xí)的算法。放置在被截肢者殘肢上的傳感器檢測肌肉活動，算法學(xué)習(xí)哪些手部動作對應(yīng)于哪種肌肉活動模式。一旦理解了用戶的預(yù)期手指運動，該信息可用于控制假手的各個手指。

“由于肌肉信號可能有噪音，我們需要一種機(jī)器學(xué)習(xí)算法，從這些肌肉中提取有意義的活動并將其解釋為動作，”該出版物的第一作者Katie Zhuang說。

接下來，科學(xué)家設(shè)計了算法，以便當(dāng)用戶試圖抓住物體時機(jī)器人自動化開始。當(dāng)物體與假手表面上的傳感器接觸時，該算法告訴假手關(guān)閉其手指。這種自動抓取是對以前的機(jī)器人手臂研究的改編，旨在推斷物體的形狀，并在沒有視覺信號幫助的情況下僅根據(jù)觸覺信息抓住它們。

在將算法用于截肢者的市售假肢手中之前，仍然存在許多挑戰(zhàn)。目前，該算法仍在外部方提供的機(jī)器人上進(jìn)行測試。

“我們控制機(jī)器人手的共同方法可用于幾種神經(jīng)假體應(yīng)用，如仿生手假肢和腦 - 機(jī)界面，增加這些裝置的臨床影響和可用性，”Silvestro Micera，EPFL的Bertarelli基金會轉(zhuǎn)化神經(jīng)工程學(xué)教席，和Scuola Superiore Sant“生物電子學(xué)教授”。