日本电气通信大学新型「自适应肌电假肢」问世，可不训练拾取物体！-当前滚动

众所周知，人类的双手在人们认识世界和改造世界的过程中起到了不可替代的作用，人们用手进行工作、运动、学习和生活，人们也用手进行情感上的表达与互动。

(资料图片)

▍患者的新型“装备”——肌电假肢

据中国残联2010年末的抽样统计，中国肢体残疾的人数约为2472万，约占整体残疾人数的29%，且肢体残疾的人数呈现逐年上升的趋势，严重影响患者的生活质量。

对于截肢患者而言，在肢体康复的进程中适配并使用假肢，是被学界普遍认可的有效康复手段。

虽然可以适配给患者的前臂假肢，但目前仍然无法完全替代手的功能。因为人类的上肢，有着非常复杂的骨骼、以及肌肉神经系统，这些骨骼与肌肉，是保障人的手掌可以进行多自由度运动的基础。

目前商用假肢只能提供一个或几个自由度，在灵巧性上远不及人的自然手，而且操纵的复杂度随着被控制自由度数的增加而增加，这也是一直是困扰康复学界的重要问题之一。

为了克服这个问题，日本电气通信大学研究人员针对于肌电假肢提出了一种训练学习模型来预测患者关节运动，该模型通过采用不同的传感器（肌电、触觉、被抓物体等），可以获取各类输出信号，从而实现对肌电假肢的闭环控制，实现自适应稳定抓取的目标。

同时，他们的目标是，不管是男女老少，都可以通过这款肌电假肢轻松实现对不同物体的抓取。

▍肌电假肢如何读懂患者的心？——自适应手部运动意图识别

肌电假肢是以人体肌肉电信号为控制源的新型假肢，也是最近几十年来学界研究的热点，通过在残肢表面贴列电极传感器，通过捕捉肌电信号并将其用于控制意图的识别，并将识别出的意图转化为控制信号，进而完成对假肢的控制。

当肌肉收缩越强烈，激活的肌肉中运动单位的数量越多，记录的电压振幅就越高。

肌电信号采集的生理学基础

肌电信号传感器(EMG sensor)输出信号控制舵机

基于肌肉电信号的手部运动意图识别与假肢的相关控制策略的研究起源于上世纪五六十年代，研究主要集中在如何从肌电信号中提取比较强的特征来以人体的运动意图识别，并通过解析运动意图建立与工程设备间的相关性模型。

所以对于用户的运动意图识别来说，肌肉电信号本身所能提供的可能性是值得学界期待的。

不同的手势对应输出不同肌电信号

在肌电假肢的传统控制方法中，都无法通过肌电控制来实现手的工作/关闭状态的切换。

但如果可以通过预测关节的移动可以实现自适应抓取，从而实现对肌电假肢的控制，这种控制可以实现对各种物体的自适应抓取。研究人员提出的计算学习控制方法如下所示：

研究团队提出的计算学习控制方法

具体而言，这个方法包含了学习过程和控制过程，学习过程是通过训练肌电假肢手重复执行抓取任务，并通过进化计算优化机器人手控制器的参数，从而准确预测关节运动。

控制过程则是通过传感器的反馈和优化后的控制器参数准确对肌电假肢进行精准控制，并抓取不同形状以及尺寸的目标物体。

肌电假肢的训练模型

研究人员通过测量肌电信号，验证了所设计的控制器的有效性。研究人员基于这种控制方法开展了实验，其结果如下所示:

抓取球体和立方体时的手指关节角度

▍无师自通的肌电手——无需训练即可拿捏物体

同时，研究团队使用了具有长方体和球体来对假肢进行学习训练，相比于传统的控制方法，所提出的控制方法发成功实现对平面物体和曲面物体的抓取，甚至还可以抓取小胶囊。

研究人员发现所提出的自适应方法相较于传统的肌电控制方法，优势体现在可以实现对胶囊，球体的抓取。

同时，没有训练过的物体，肌电假肢也可以轻松拿捏！表明这种控制方法具有一定的适应性。

研究团队实现的抓取姿态的分类

同时研究人员发现拇指对于抓取手势极为重要，因此提出的控制方法可以使得拇指保持最大弯曲角度来来保证抓取过程的可靠性和稳定性。

除了拇指之外，早在之前其它研究人员就发现当人手在抓取物体时，每个手指的抓取力从小到大依次为：中指、无名指、食指和小指。

研究团队提出的假肢抓取物体仿真示意

▍未来与展望

由于信息模态本身数据量较大加之有限的算力，在实际的分析中，信号的处理存在较大的延迟，在未来需要进行与数据处理有关的压缩研究和轻量网络的研究。

相信在未来的工作中，基于设计学科增强多学科间的交流，对假肢的适配进程的改进，可以帮助截肢患者以更灵巧的方式使用假肢，获得更加出色的控制能力，也会是假肢适配过程中发展的必然趋势。

该项研究以论文形式发表在由北京理工大学和美国科学促进会(AAAS)/ Science共同打造的中国科技期刊卓越行动计划高起点新刊Cyborg and Bionic Systems (类生命系统)上