EPFL科学家正在开发新的方法来改进机器人手的控制 - 特别是对于截肢者 - 它结合了个人手指控制和自动化，以改善抓握和操纵。神经工程学和机器人学之间的这种跨学科的概念验证成功地在三名截肢者和七名健康受试者身上进行了测试。结果发表在今天的Nature Machine Intelligence杂志上。

该技术融合了两个不同领域的两个概念。在机器人手控制之前从未实现过它们，并且有助于神经修复术中共享控制的新兴领域。

来自神经工程学的一个概念涉及破解截肢者残肢上的肌肉活动所预期的手指运动，用于手指控制假手，这是以前从未做过的。另一个来自机器人技术，允许机器人手抓住物体并保持与物体的接触，以便进行强有力的抓取。

“当你拿着手中的物体并且它开始滑动时，你只需要几毫秒的时间来做出反应，”负责EPFL学习算法和系统实验室的Aude Billard解释道。“机器人手有能力在400毫秒内做出反应。在手指周围配备压力传感器，它可以在大脑真正感知物体滑动之前对物体作出反应和稳定。”

共享控制如何工作

该算法首先学习如何解码用户意图并将其转换为假手的手指运动。被截肢者必须执行一系列手部动作，以训练使用机器学习的算法。放置在被截肢者残肢上的传感器检测肌肉活动，算法学习哪些手部动作对应于哪种肌肉活动模式。一旦理解了用户的预期手指运动，该信息可用于控制假手的各个手指。

“由于肌肉信号可能有噪音，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其解释为动作，”该出版物的第一作者Katie Zhuang说。

接下来，科学家设计了算法，以便当用户试图抓住物体时机器人自动化开始。当物体与假手表面上的传感器接触时，该算法告诉假手关闭其手指。这种自动抓取是对以前的机器人手臂研究的改编，旨在推断物体的形状，并在没有视觉信号帮助的情况下仅根据触觉信息抓住它们。

在将算法用于截肢者的市售假肢手中之前，仍然存在许多挑战。目前，该算法仍在外部方提供的机器人上进行测试。

“我们控制机器人手的共同方法可用于几种神经假体应用，如仿生手假肢和脑 - 机界面，增加这些装置的临床影响和可用性，”Silvestro Micera，EPFL的Bertarelli基金会转化神经工程学教席，和Scuola Superiore Sant'Anna的生物电子学教授。