解析肌电信号，用智能义肢控制单个手指，Nature子刊报道！

大数据文摘出品  来源：sciencedaily

编译：啤酒泡泡、小七

看到漫威电影里冬兵的断臂之后装上的“机械手臂”，比没断之前还要坚硬，文摘菌不禁在想，这除了不能用左手指纹识别，根本没啥损失啊。

然而现实中并没有这么灵活自然的义肢可以提供给不幸截肢的人士，但是EPFL（瑞士洛桑联邦理工学院）的科学家正在努力。

他们开发新方法来改进对机器手的控制力，这种方法将结合每根手指的控制力和自动化来改善抓握和操控等动作的效果。这项结合了神经工程学和机器人工程学的交叉概念已经在三位截肢者和七位健康人士身上试验成功。研究结果发表在了前些天出版的Nature Machine Intelligence（《自然-机器智能》）杂志上。

类似的这种义肢被称为肌电假肢，可以通过控制机器人装置和残肢肌肉活动信息，帮助使用者恢复失去的身体机能。此类商业装置可以让使用者获得高度的行动自主权，但是仍然无法表现出和人体完整手臂一样的灵巧性。而在此， Katie Z. Zhuang等人提出一个新的控制机器手的方法，它结合了使用者的意图和机器人自动化。

新的突破：人机协同控制义肢

这项技术结合了来自两个不同领域的两个概念。以前从未有过将两者一同用于机器手控制的先例，这项技术也有助于神经义肢的新领域——人机协同控制的发展。

其中一项概念来自神经工程，即通过截肢者残肢的肌肉活动来解码其手指运动的意图，以达到控制单个手指的目的，这个思路以前从未尝试过。下图为研究者们进行的肌电实验及相关解读：

源自论文：Shared human–robot proportional control of a dexterous myoelectric prosthesis.

a：在线实验中，四名健全的受试者和三名截肢者使用他们的表面肌电信号控制虚拟机器人手。用MLP解码信号以获得单位数关节角度的预测。 

b：三名截肢者的截肢程度不同，如上图所示。

c：测试的运动包括单位数和多位数运动。除了没有独立进行食指和中指屈曲/伸展的受试者A2之外，其余受试者都进行了全部运动。

另一项概念来自机器人工程学，即允许机器手帮助患者握住物体并且保持手与物体的接触，以达到握紧物体的目的。

源自论文：Shared human–robot proportional control of a dexterous myoelectric prosthesis.

“当你用手握住物体的时候，物体就开始下滑了，你只有几毫秒的时间去反应，”EPFL学习算法和系统实验室的领导者Aude Billard解释道，“这个机器手可以在400毫秒内做出反应。它的所有手指装备了压力感应器，可以在大脑感知到物体正在下滑前做出反应，握紧物体。”

图片源自论文：Shared human–robot proportional control of a dexterous myoelectric prosthesis.

相关视频链接：

https://youtu.be/L_jhQxMF8R4

人机协同控制是如何做到的

这个算法首先学习如何解码使用者的意图，并将其转化为义肢的手指动作。截肢者必须做出一系列手部动作来训练这个机器学习算法。安装在截肢者残肢的感应器会检测到其肌肉的活动信号，算法将根据肌肉信号的模式和其对应的手部动作进行学习。一旦理解了使用者手指活动的意图，这个信息便可用来控制义肢的单个手指。

“由于肌肉信号存在噪声，我们需要机器学习算法来提取这些肌肉所传达的有用信息，并将这些信息解释成行为活动。”该论文的第一作者Katie Zhuang说道。

接下来，科学家改进了算法，当使用者试图握紧物体时，机器自动化便可发挥功效。当物体和义肢表面的传感器相接触时，算法便告诉义肢去收紧手指。这项自动紧握技术来自于之前一项关于机器人手臂的研究——在不依靠视觉信号的情况下，仅通过握住物体感知到的触觉信号来推测物体的形状。

在被应用到商业化生产的义肢前，这个算法仍有很多的问题需要解决。目前，这个算法仍在一个由外部机构提供的机器人上接受检验。

“我们的这项利用人机协同控制理念来控制机器手的技术可以应用到很多神经义肢相关的应用上，比如仿生手义肢和脑机界面，这项技术可以提高这些设备的临床效果和可用性。”EPFL转译神经工程领域的贝尔塔雷利基金会主席、圣安娜大学高级研究学院的生物电子学教授Silvestro Micera说道。

相关链接：

https://www.sciencedaily.com/releases/2019/09/190911113007.htm

广告 & 商务合作请加微信：kellyhyw

投稿请发送至：mary.hu@aisdk.com