大數據文摘出品
來源：sciencedaily
編譯：啤酒泡泡、小七
看到漫威電影裡冬兵的斷臂之後裝上的「機械手臂」，比沒斷之前還要堅硬，文摘菌不禁在想，這除了不能用左手指紋識別，根本沒啥損失啊。
然而現實中並沒有這麼靈活自然的義肢可以提供給不幸截肢的人士，但是EPFL（瑞士洛桑聯邦理工學院）的科學家正在努力。
他們開發新方法來改進對機器手的控制力，這種方法將結合每根手指的控制力和自動化來改善抓握和操控等動作的效果。這項結合了神經工程學和機器人工程學的交叉概念已經在三位截肢者和七位健康人士身上試驗成功。研究結果發表在了前些天出版的Nature Machine Intelligence（《自然-機器智能》）雜誌上。
類似的這種義肢被稱為肌電假肢，可以通過控制機器人裝置和殘肢肌肉活動信息，幫助使用者恢復失去的身體機能。此類商業裝置可以讓使用者獲得高度的行動自主權，但是仍然無法表現出和人體完整手臂一樣的靈巧性。而在此，Katie Z. Zhuang等人提出一個新的控制機器手的方法，它結合了使用者的意圖和機器人自動化。
新的突破：人機協同控制義肢
這項技術結合了來自兩個不同領域的兩個概念。以前從未有過將兩者一同用於機器手控制的先例，這項技術也有助於神經義肢的新領域——人機協同控制的發展。
其中一項概念來自神經工程，即通過截肢者殘肢的肌肉活動來解碼其手指運動的意圖，以達到控制單個手指的目的，這個思路以前從未嘗試過。下圖為研究者們進行的肌電實驗及相關解讀：
源自論文：Shared human–robot proportional control of a dexterous myoelectric prosthesis.
a：在線實驗中，四名健全的受試者和三名截肢者使用他們的表面肌電信號控制虛擬機器人手。用MLP解碼信號以獲得單位數關節角度的預測。
b：三名截肢者的截肢程度不同，如上圖所示。
c：測試的運動包括單位數和多位數運動。除了沒有獨立進行食指和中指屈曲/伸展的受試者A2之外，其餘受試者都進行了全部運動。
另一項概念來自機器人工程學，即允許機器手幫助患者握住物體並且保持手與物體的接觸，以達到握緊物體的目的。
源自論文：Shared human–robot proportional control of a dexterous myoelectric prosthesis.
「當你用手握住物體的時候，物體就開始下滑了，你只有幾毫秒的時間去反應，」EPFL學習算法和系統實驗室的領導者Aude Billard解釋道，「這個機器手可以在400毫秒內做出反應。它的所有手指裝備了壓力感應器，可以在大腦感知到物體正在下滑前做出反應，握緊物體。」
圖片源自論文：Shared human–robot proportional control of a dexterous myoelectric prosthesis.
相關視頻連結：
https://youtu.be/L_jhQxMF8R4
人機協同控制是如何做到的
這個算法首先學習如何解碼使用者的意圖，並將其轉化為義肢的手指動作。截肢者必須做出一系列手部動作來訓練這個機器學習算法。安裝在截肢者殘肢的感應器會檢測到其肌肉的活動信號，算法將根據肌肉信號的模式和其對應的手部動作進行學習。一旦理解了使用者手指活動的意圖，這個信息便可用來控制義肢的單個手指。
「由於肌肉信號存在噪聲，我們需要機器學習算法來提取這些肌肉所傳達的有用信息，並將這些信息解釋成行為活動。」該論文的第一作者Katie Zhuang說道。
接下來，科學家改進了算法，當使用者試圖握緊物體時，機器自動化便可發揮功效。當物體和義肢表面的傳感器相接觸時，算法便告訴義肢去收緊手指。這項自動緊握技術來自於之前一項關於機器人手臂的研究——在不依靠視覺信號的情況下，僅通過握住物體感知到的觸覺信號來推測物體的形狀。
在被應用到商業化生產的義肢前，這個算法仍有很多的問題需要解決。目前，這個算法仍在一個由外部機構提供的機器人上接受檢驗。
「我們的這項利用人機協同控制理念來控制機器手的技術可以應用到很多神經義肢相關的應用上，比如仿生手義肢和腦機界面，這項技術可以提高這些設備的臨床效果和可用性。」EPFL轉譯神經工程領域的貝爾塔雷利基金會主席、聖安娜大學高級研究學院的生物電子學教授Silvestro Micera說道。