QQ在線
企業(yè)微信
資訊
307
EPFL科學家正在開發(fā)新的方法來改進機器人手的控制 - 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)工程學和機器人學之間的這種跨學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)修復術(shù)中共享控制的新興領(lǐng)域。
來自神經(jīng)工程學的一個概念涉及破解截肢者殘肢上的肌肉活動所預期的手指運動，用于手指控制假手，這是以前從未做過的。另一個來自機器人技術(shù)，允許機器人手抓住物體并保持與物體的接觸，以便進行強有力的抓取。
“當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，”負責EPFL學習算法和系統(tǒng)實驗室的Aude Billard解釋道?！?機器人手有能力在400毫秒內(nèi)做出反應。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和穩(wěn)定?！?
共享控制如何工作
該算法首先學習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，以訓練使用機器學習的算法。放置在被截肢者殘肢上的傳感器檢測肌肉活動，算法學習哪些手部動作對應于哪種肌肉活動模式。一旦理解了用戶的預期手指運動，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，我們需要一種機器學習算法，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，科學家設(shè)計了算法，以便當用戶試圖抓住物體時機器人自動化開始。當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器人上進行測試。
“我們控制機器人手的共同方法可用于幾種神經(jīng)假體應用，如仿生手假肢和腦 - 機界面，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)工程學教席，和Scuola Superiore Sant“生物電子學教授”。
目前的技術(shù)通過用一些肌肉信號直接控制假肢馬達來工作，自學仿生手或許可以激發(fā)“新一代”假肢。
