EPFL（瑞士洛桑联邦理工学院）的科学家开发了一种新的方法用来改进对机械手的控制，尤其是针对假肢的控制，这一方法结合了截肢者的手指控制和自动化控制，进一步优化了对抓取和其他操作指令的控制。这种在神经工程学和机器人技术之间的跨学科概念，已经在三名截肢者和七名健康受试者身上得到成功的验证，其研究成果发表在9月11日的自然机器智能（Nature Machine Intelligence）杂志上。

该技术融合了两个不同领域的两个概念。之前从未有人将这两种方法结合用于控制机械手，这为神经修复术中的共同控制领域做出了贡献。

首先，神经工程学中有一个概念，涉及到从肢者残肢上的肌肉活动中解读出手指的运动意图，从而实现对假手的控制，在此之前从未有人这样做过。其次，机器学中有这样一项技术，允许机器人手帮助抓住物体，并保持与物体的接触，实现强有力的抓取。二者合二为一，才造就了今天这项技术。

“当你手中拿着的物体开始滑动时，你只有几毫秒的时间做出反应。而机械手能在400毫秒内做出反应。因为其手指周围都配备有压力传感器，它可以在大脑真正感知物体滑动之前做出稳定物体的反应。”负责EPFL学习算法和系统实验室的Aude Billard解释道。

那这是如何共同控制的呢？

该算法首先学习如何解码用户的意图，并将其转换为假手的手指运动。截肢者必须执行一系列手部动作，以训练使用该机器学习算法。安装在截肢者残肢上的传感器用来检测肌肉活动，然后算法学习有哪些手部动作对应于这种肌肉活动模式。一旦解读出截肢者想做的手指运动，该信息就能用来控制假肢的各个手指。

“由于肌肉信号可能有噪音，所以我们需要一种机器学习算法，从这些信号中提取有意义的活动并将其破解为相应的动作，”该研究的第一作者Katie Zhuang说。

随后，科学家设计了一个算法，当用户试图抓住物体时，机器人就会自动操作。该算法告诉假手，当物体与假手表面的传感器接触时，要闭合手指，这样就能实现自动抓取。这种自动抓取根据先前的机器人手臂研究而改进的，目的是在没有视觉信号帮助的情况下，根据触觉信息推断出物体的形状并进行抓取。

在将这种假肢商业化之前，还仍然存在许多挑战。目前，该算法还在由外部提供的机器人上进行测试。

“这种控制机械手的新方法可应用于几种神经假体上，比如仿生手假肢和人机界面等，这样将增加这些设备的临床影响和可用性，”EPFL翻译神经工程Bertarelli基金会主席兼圣安娜高等学校的生物电子学教授Silvestro Micera说。

[关于转载]：本文为“AMiner”官网文章。转载本文请联系原作者获取授权，转载仅限全文转载并保留文章标题及内容，不得删改、添加内容绕开原创保护，且文章开头必须注明：转自“AMiner”官网。谢谢您的合作。