點擊訂閱「CAAI認知系統與信息處理專委會」手是與周圍環境相互作用的主要手段之一。現在形式的手是數百萬年進化的結果。它可以執行複雜的動作，以完成各種各樣的任務。失去手臂，會影響一個人的生理和心理，是對正常日常生活的重大破壞。假肢為因疾病或殘疾而失去手臂的截肢者發揮了重要作用。
儘管假肢技術取得了進展，但只有50-60% 的截肢者佩戴假肢。拒絕率也估計高達40%[1]。仿生手的發展尚未滲透到截肢者身上，這主要是因為它們的價格很高。另一方面，上肢丟失導致許多患者無法恢復以前的職業或一般的工作。鑑於上述情況，恢復手部功能可能會產生社會經濟影響。因此，仿生手領域的研究具有重要意義。
人的手是一個複雜的機制。仿生手在形式和結構上幾乎與自然手相似。手由27塊骨頭組成：腕部8塊，掌部 5塊，指骨14塊。人手的關節有助於達到27自由度 (DOF)(見圖1)。有34個外部（提供力量)和內在肌肉(提供手指的精確控制），這有助於在接收來自正中神經、橈神經和尺神經的信號後驅動。這些神經接收來自中樞神經系統(CNS)的信號進行驅動，並通過周圍神經系統(PNS)的大約17000個機械感受器發送體感反饋。商業上提供的身體動力和外部動力假肢一直在幫助截肢者恢復其自然手的功能。仿生手的關鍵步驟包括1)生物信號採集，2) 控制體系結構和3)反饋接口。
生物信號採集和處理接口包括1)信號採集、2)濾波、3) 特徵提取和4)分類/回歸。「信號採集」涉及通過侵入性或非侵入性技術從用戶獲取生物信號（見表一）。採集系統中的硬體包括電極/傳感器、濾波器、放大器、模數轉換器、數位訊號處理器，軟體主要包括微控制器編譯器、波形可視化工具。「過濾」包括對生物信號進行預處理。「特徵提取」包括從濾波信號中提取有用的特徵。提取的特徵包括時域、時序、頻率或譜域和時頻域的特徵。特徵集的降維步驟通常是增加分類精度所必需的。「分類/回歸」過程包括解碼提取的特徵，以掌握用戶希望執行的識別。分類算法分配離散標籤（例如鉤子抓取)，而回歸算法將提取的特徵轉換為連續值(例如關節速度）。在提取和分類特徵後，它們被輸入到一個高級控制器中，該控制器決定了所需的抓取和仿生手必須應用的相關力/扭矩。低電平控制器確認所需的速度或扭矩被正確地應用。在基於回歸的設計中，控制結構通常不包含高級控制器。基於分類的假肢手控制通常被稱為「基於模式識別的」或「順序的基於關閉的」，而基於回歸的假肢手控制被創造為「同時比例控制」或「連續解碼」。基於回歸的方式提供了獨立的同時比例控制的多自由度假肢手。在較低的水平上，基於反饋的控制器有助於產生最佳的抓握力和操縱。仿生反射是反映人工手抓握反射仿真的反饋，通常涉及到防止被抓物體的滑移和變形，在假肢手中是必不可少的。低級仿生反射控制器與界面緊密配合工作，進行感官反饋。藉助觸覺傳感器提供感覺反饋是控制手部假體的直觀方法。閉環感覺反饋可以通過兩種方式實現：1)通過向控制器提供反饋；2)通過提供侵入性/非侵入性反饋來刺激PNS/CNS。在前一種情況下，感覺環保持在假體內部，可能不包括用戶。一些商業假體提供感覺反饋，例如，SteeperBebionicv3在握力變化時產生可聽到的嗶聲和振動，Vincent手進化提供振動觸覺反饋。各種侵入性和非侵入性感覺反饋總結見表一。
使用PNS對假體進行雙向控制的思想優於其他雙向通信，因為它在侵襲性和自然實施之間提供了最佳的折衷。僅視覺反饋就足以正確和成功地控制假肢手，但添加感官反饋可能會給用戶一種再生手的感覺。
[1] B. Stephens-Fripp, G. Alici, and R. Mutlu, 「A review of non-invasive sensory feedback methods for transradial prosthetic hands,」 IEEE Access, vol. 6, pp. 6878–6899, 2018.