假手獲得識別增強以預測精確的握力需求
中國桂林電子科技大學的研究人員開發了一種新型視覺集成假肢系統，旨在自動控制握力。它可以使截肢者更直觀地使用假肢。當前的假肢可以使用肌電圖（EMG）傳感器來檢測用戶何時想要抓住某物。但該技術很難確定施加多大的壓力。這通常會讓用戶過度思考簡單的任務——比如拿著雞蛋和水瓶——以避免壓碎或掉落物體。因此，團隊決定排除猜測。在這種新方法中，機器學習、攝像頭和傳感器相結合，以提高假手的握力。作者 Hua Li 在 1 月 20 日的新聞稿中表示：“我們希望讓用戶從思考如何控制（物體）中解放出來，讓他們專注於自己想做的事情，實現真正自然直觀的交互。”壓力傳感器放置在假手的指尖，攝像頭放置在假手的手掌附近（左）。假手在罐頭、雞蛋和 U 盤（右）上進行了測試。李等人。給予溫柔的撫摸 每年，大約有 50,000 名美國人接受截肢手術。他們經常面臨無法用手執行日常任務的嚴峻挑戰。假肢技術的一個主要障礙是難以校準不同物體的握力，因為用戶必須手動找到握力之間的平衡，握力要足以握住瓶子，但又要足夠輕，以免壓碎雞蛋。研究人員開發了一種由機器學習驅動的識別套件，可以指導假肢的實時握力調節。為此，他們繪製了鋼筆、鑰匙和雞蛋等常見日常用品的具體壓力要求。此外，機器學習系統經過訓練，可以通過掌上攝像頭自動進行抓握控制。該視覺系統與前臂肌電圖傳感器協同工作，檢測用戶前臂的肌肉抽搐。 “肌電圖信號可以清楚地傳達抓握的意圖，但它很難回答關鍵問題，即需要多大的力？這通常需要復雜的訓練或用戶校準，”李說。 “我們的方法是將‘多少’的問題轉移給視覺系統，”作者補充道。當用戶伸手去拿某個物體時，掌上安裝的攝像頭就會識別該物體。然後，機器學習算法將該識別與所需握力的數據庫進行交叉引用。開發觸覺反饋 用戶可以專注於動作（拿起玻璃杯）而不是計算（擠壓的力度）。研究人員的目標是在系統中添加觸覺反饋，創建一個“雙向橋樑”，將物理感覺發送回用戶。通過使用額外的肌電圖信號來促進這種對話，假肢將超越簡單的執行，在人與其人造手之間提供更直觀、更逼真的連接。最終目標是恢復執行精細運動任務的能力，例如扣襯衫釦子或削水果。 “我們最期待、目前最關注的是讓假手用戶能夠無縫、可靠地執行日常生活中的精細運動任務，”李說。 “我們希望看到用戶能夠毫不費力地系鞋帶或扣襯衫，自信地拿起一個雞蛋或一杯水，而無需有意識地計算力量，並自然地剝一塊水果或將一個盤子遞給家人，”李補充道。該研究結果發表在1月20日的《納米技術與精密工程》雜誌上。
已发布: 2026-01-20 16:00:00
