EPFL的科學(xué)家們正在開發(fā)新的方法來改善對機器人手(尤其是截肢者)的控制，該方法結(jié)合了單個手指的控制和自動化功能，以改善抓握和操縱。這個神經(jīng)工程學(xué)和機器人學(xué)之間跨學(xué)科的概念證明已在3名截肢者和7名健康受試者上成功進行了測試。結(jié)果發(fā)表在今天的《自然機器智能》上。

該技術(shù)融合了來自兩個不同領(lǐng)域的兩個概念。機器人手控制以前從未實現(xiàn)過將它們一起實現(xiàn)，這為神經(jīng)修復(fù)術(shù)中共享控制的新興領(lǐng)域做出了貢獻。

從神經(jīng)工程學(xué)出發(fā)，一個概念涉及從被截肢者的樹樁上的肌肉活動中解開預(yù)期的手指運動，以實現(xiàn)手指對假手的單個手指控制，這是前所未有的。另一個來自機器人技術(shù)，允許機器人的手幫助握住物體并保持與物體的接觸，以進行穩(wěn)固的抓握。

“當(dāng)您將一個物體握在手中并開始滑動時，您只有幾毫秒的時間做出反應(yīng)，”負責(zé)EPFL學(xué)習(xí)算法和系統(tǒng)實驗室的Aude Billard解釋說。“機械手具有在400毫秒內(nèi)做出反應(yīng)的能力。在整個手指上都裝有壓力傳感器，它可以在大腦實際感知到物體正在滑動之前做出反應(yīng)并穩(wěn)定該物體。”

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)化為假手的手指運動。被截肢者必須執(zhí)行一系列手部動作才能訓(xùn)練使用機器學(xué)習(xí)的算法。放置在截肢者樹樁上的傳感器檢測肌肉活動，該算法可獲知哪些手部運動與哪些肌肉活動方式相對應(yīng)。一旦理解了用戶的預(yù)期手指運動，該信息就可以用于控制假手的各個手指。