最近，《自然机器智能》杂志发表了EPFL科学家改进截肢者个人手指控制和自动化结合的成果。这是神经工程学和机器人学习的挑战在三名截肢者和七名健康受试者身上成功测试。
在神经工程领域，突破截肢者残肢上的肌肉活动，用手指控制假手是一个新的方向，以前从未有人做过，对神经修复中的共享控制研究具有深远意义。另一方面，机器人场，让机器人用手用力抓住物体，并保持一段时间。
负责EPFL学习算法和系统实验室的奥德·比拉德(Aude Billard)说，“当你把物体握在手里，它开始滑动时，你只需要几毫秒就能做出反应。机器人手有能力在400毫秒内做出反应。手指周围装有压力传感器，可以在大脑真正感知到物体滑动之前做出反应并稳定物体。"
那么，共享控制是如何工作的呢？
首先要理解用户的意图，才能转换成机器人手的手指运动。
被截肢者必须首先演示一系列手部动作，并通过传感器检测被截肢者的肌肉活动，以便机器人学习哪些手部动作对应哪些肌肉活动，将有助于控制手指，帮助截肢者更好地完成他想做的事情。
“由于外部环境的原因，有些信息可能不是我们所需要的。我们需要一种机器学习算法，让他能够提取有用的信息。”该出版物的第一作者凯蒂·庄说。
所以科学家设计了这种机器学习算法，让用户更好地使用。机器人使机器更加自动化。当机器人手接触到物体时，传感器会做出反应，机器学习算法会让机器人手自动抓取物体。这种自动抓取就是机械臂的灵感，不仅可以推断出物体的形状，还可以仅凭触觉信息抓取物体，即使是“看不见”的物体。
但是，这种算法并不适合目前市面上的机器人手。
EPFL贝塔雷利基金会的生物电子学教授和转化神经工程学教授Silvestro Micera表示，这种方法可以用于几种神经假体应用，如仿生手假体和脑机接口，可以增加这些设备的临床影响和可用性。"
目前的技术可以通过一些肌肉信号直接控制机器人手来工作，这种自我学习的仿生手可能会刺激“新一代”假肢的研究和应用。
[相关建议]
麻省理工学院研究与发展线性机器人 可以在血管中“自动驾驶”
5G是工业制造业带来新机遇，欧姆龙、诺基亚集团、NTT Docomo纷纷布局。
全球首款5G模块机器人 超高速低延迟
2019年，中国打磨打磨机器人系统集成商十大竞争力排名