学术分享丨假肢手的综述（2）( 五 ) 中国人工智能学会认知系统与信息处理专

此外，在表中提供了检测到的热点细分为可能研究层次的子趋势，借助于自适应信号处理的生物信号采集必须能够处理诸如电极位移、伪影干扰、各种物理因素等干扰。改进的特征选择算法和非线性分类器用于同步运动检测具有重要的研究意义，将放弃离线训练。此外，与单纯依靠单个生物信号获取的假体相比，多模态感觉融合显示出显著的改善。多模态传感器融合是指将多个传感器获得的传感器数据进行协同融合，以获得更精确的感知推断，而单峰传感器则存在信息缺失和噪声。将这些信号传输到执行器可以帮助完成高级的类似人类的复杂任务。最新的研究趋势通过融合来自肌肉、大脑、神经接口、摄像机、惯性传感器、力传感器、位置编码器等的多模态传感器数据来确认这一点。，其中一些技术在表中进行了简要讨论。研究多模式切换和混合不同的融合算法可能是一种新兴的技术，可以通过区分工作模式来实现平滑的多模式感知，即使在存在不确定性和部分重叠的情况下也是如此。虽然目前，多模式传感器的研究只涉及两个或多个传感器的融合，但相信微型传感器技术和嵌入式系统的兴起将有助于集成。它们在硬件和软件框架上进行在线分析。通过理解人体手的生物力学原理来有效地设计假手是非常重要的，因为模仿拟人化可以诱导用户接受。然而，通过增加执行器的数量来模拟人手恢复其所有自由度增加了设计约束，最终促成了非对称设计。虽然姿势协同驱动的假肢可以通过简单的肌肉控制获得更多的自由度，但是截肢患者在调节抓握力方面面临困难，这方面的研究还需要进一步的工作。力的驱动虽然广泛地通过带有电动机的后驱动机构实现，但最近的焦点已经开始在形状记忆合金、气动空气肌肉、电活性聚合物等基础上的执行器。对于力的传递， TDM可能会获得巨大的意义。
最近的研究表明，基于分支TDM的驱动提供了紧凑而高效的抓取力传递，并进一步模仿了解剖模型。在最近的文献中可以看到机械手肌腱路径的优化，这种方法可以用于假手的设计，以获得更好的抓握稳定性。在TDM研究中，解决冗余肌腱数量、肌腱断裂和切换控制器的问题是必不可少的方面。此外，差动机构，例如基于连杆机构、齿轮机构等，以及其他欠驱动机构，如基于弹簧的连杆机构、偏置电缆布线、偏置齿轮传动等，正在进行研究，以提供自适应、鲁棒、经济和紧凑的机构。最近，三维打印技术为研究人员和最终用户提供了一个在定制设计、形状和尺寸方面的个性化假体的前景。直观的控制对于消除设备和用户之间的不良交互至关重要。具有同步、比例和独立控制的多关节仿生手仍然是研究的热点。先进的机器学习算法如深度学习可以直接应用于实时控制中的抓取识别，因为它们解决了特征提取的问题。在抓取稳定性和操纵性方面，自适应抓取控制受到了广泛的关注。仿生反射在许多近期的文献中得到了应用，它涉及到防止被抓取物体的滑动和变形。为了更直观，通过感知PNS的触觉反馈是一个进一步的研究方向，将赋予仿生手技术的进步。由于人的手是本体感觉和外部感觉传感器的组合，因此必须融合多模式的感觉反馈，使假体更接近其生物对应物。康复治疗包括训练截肢者适应他们的假肢。在患有慢性PLP的上肢截肢患者中，借助机器学习和增强VR游戏训练的幻觉运动执行显著降低了PLP 。
此外，对具有手部感觉的假体实施例的研究也显示了PLP的缓解，这是一个非常有趣的领域，因为具体假体的目标仍然有限。最近的文献可以找到关于结合使用外周神经活动刺激和沉浸式数字技术来减少伸缩的新型神经修复技术的文献。最近，研究人员建立了一种神经形态的仿生计算模型（touchim），它可以复制周围神经对感觉刺激的反应，然后利用这些信息刺激神经恢复感觉反馈。上面的研究比较了不同的编码策略，即对神经系统实施的刺激脉冲的幅度和频率的神经调节。据观察，基于同步仿生频率和振幅神经调制的混合神经调节既具有自然性又具有高灵敏度。自然和现实的反馈有望改善仿生手的功能。电子皮肤在假体中的应用为假体提供了进一步的实例。然而，电子皮肤的设计问题，如轻量化、可穿戴的读出电路、坚固灵活的传感器、稳定的神经接口等，都需要解决。复制生物学的多突触疼痛反射为截肢者产生了一种自我保护的感觉，保护假体免受有害的机械刺激。进一步的实施方案是通过具有骨结合假体和IMES的靶向神经再支配，在患者和假体装置之间提供更好的机械和电气接口。虽然通过植入式神经界面的触觉感觉已经实现，但它需要外科手术干预。因此，最近关于无创性靶向经皮神经刺激对截肢患者躯体感觉恢复的研究可以看出，截肢者仍然不愿意接受手术。