電極位置的示意圖和實(shí)物圖。下圖是該團(tuán)隊(duì)使用的假手機(jī)器人

沈陽(yáng)工業(yè)大學(xué)和東京電氣通信大學(xué)的研究人員正試圖找出如何使假手對(duì)手臂運(yùn)動(dòng)做出反應(yīng)。

在過(guò)去的十年里，科學(xué)家們一直在試圖找出如何使用表面肌電圖（EMG）信號(hào)來(lái)控制假肢。肌電圖信號(hào)是導(dǎo)致我們肌肉收縮的電信號(hào)。它們可以通過(guò)將電極針插入肌肉來(lái)記錄。表面EMG是用放置在肌肉上方皮膚上的電極來(lái)記錄。

表面肌電圖可用于使假肢反應(yīng)更快，移動(dòng)更自然。然而，中斷，如電極的移動(dòng)，會(huì)使設(shè)備難以識(shí)別這些信號(hào)。克服這個(gè)問(wèn)題的方法之一是進(jìn)行表面EMG信號(hào)訓(xùn)練。訓(xùn)練對(duì)截肢者來(lái)說(shuō)可能是一個(gè)漫長(zhǎng)的過(guò)程，有時(shí)也很困難。

因此，許多研究人員已經(jīng)轉(zhuǎn)向了機(jī)器學(xué)習(xí)。通過(guò)機(jī)器學(xué)習(xí)，假肢可以學(xué)習(xí)表示手勢(shì)的肌肉運(yùn)動(dòng)和電極的運(yùn)動(dòng)之間的區(qū)別。

發(fā)表在《機(jī)械人和仿生系統(tǒng)》上的一項(xiàng)研究的作者開(kāi)發(fā)了一種獨(dú)特的機(jī)器學(xué)習(xí)方法，將卷積神經(jīng)網(wǎng)絡(luò)（CNN）和長(zhǎng)短期記憶（LSTM）人工神經(jīng)網(wǎng)絡(luò)結(jié)合起來(lái)。他們選擇這兩種方法是因?yàn)樗鼈兙哂谢パa(bǔ)的優(yōu)勢(shì)。

CNN能很好地捕捉表面EMG信號(hào)的空間維度，并理解它們與手勢(shì)的關(guān)系。它在處理時(shí)間方面有困難。手勢(shì)是隨著時(shí)間發(fā)生的，但CNN忽略了連續(xù)肌肉收縮的時(shí)間信息。通常情況下，CNN被用于圖像識(shí)別。

LSTM通常用于手寫(xiě)和語(yǔ)音識(shí)別。這種神經(jīng)網(wǎng)絡(luò)善于處理、分類(lèi)，并根據(jù)隨時(shí)間變化的數(shù)據(jù)序列做出預(yù)測(cè)。然而，它們對(duì)假肢來(lái)說(shuō)不是很實(shí)用，因?yàn)橛?jì)算模型的大小會(huì)太昂貴。

該研究小組創(chuàng)建了一個(gè)混合模型，結(jié)合了CNN的空間意識(shí)和LSTM的時(shí)間意識(shí)。最后，他們減少了深度學(xué)習(xí)模型的大小，仍然保持了高精確度和強(qiáng)大的抗干擾能力。

該系統(tǒng)在10名非殘障人士身上進(jìn)行了一系列16種不同手勢(shì)的測(cè)試。該系統(tǒng)的識(shí)別準(zhǔn)確率超過(guò)80%。它在大多數(shù)手勢(shì)上表現(xiàn)良好，如拿手機(jī)或筆，但在使用中指和食指捏東西時(shí)卻很困難。據(jù)該團(tuán)隊(duì)稱(chēng)，總體而言，其結(jié)果超過(guò)了傳統(tǒng)的學(xué)習(xí)方法。

研究人員的最終目標(biāo)是開(kāi)發(fā)一個(gè)靈活可靠的假手。他們的下一步是進(jìn)一步提高該系統(tǒng)的準(zhǔn)確性，并找出它在捏住手勢(shì)時(shí)掙扎的原因。