近年来，假肢手和假肢手臂有了显著的改进，这得益于能够独立活动的手指、多关节控制、个性化 3D 打印等技术的进步。
尽管取得了这些突破，但大多数用户发现假肢手臂难以控制。最常见的控制机制是记录手臂肌肉的电活动——这种技术被称为肌电传感——然后用它来驱动假肢。
问题在于，用户通常需要以特定的组合模式收缩肌肉来产生手部或腕部运动。这些模式通常是反直觉的、耗时的，并且令人沮丧。
这个问题的核心在于，神经科学家不知道如何准确地解码大脑通过神经发送以控制肌肉的信号。而这使得准确解读神经信号变得困难。
现在需要的是一种能够测量和解码神经信号的方法，以便它们可以用于直观地控制假肢手臂、手部和手指的运动。
翻译意图
现在，明尼苏达大学的 Diu Khue Luu 和 Anh Tuan Nguyen 与同事们一起，找到了一种使用人工智能解码器的方法，该解码器可以根据手臂中感应到的神经信号来学习用户的意图。他们说：“我们提出了一个神经假体系统，通过采用人工智能（AI）代理来翻译截肢者的运动意图，以证明这一原理。”
与肌电图系统的一个关键区别是，该团队通过一种称为外周神经接口的植入电极来记录神经信号。这需要进行小型手术，并带有明显的感染、组织损伤等风险。
其优点是信号更清晰。“这些接口旨在通过纯粹的思想实现直观的假肢控制，并实现自然的 उपयोगकर्ता 体验，”研究人员说。在此基础上，该团队记录了截肢者在尝试特定手部运动时的神经信号。该团队已经对三名接受微电子植入物长达 16 个月的主题进行了测试。
为了训练人工智能系统，用户在未受伤的手上佩戴一个数据手套，然后反复练习用这只手和“幻影手”进行手部运动。在此过程中，数据手套记录了预期的运动，而电极则记录了截肢手臂的神经信号。
通过这种方式，人工智能系统学会了将神经信号模式与特定的手部运动相关联。特别是，它可以同时解码多种运动，例如捏合，这需要拇指和食指弯曲，而其他手指保持静止。然后，人工智能通过蓝牙连接控制假肢手臂。
其结果是惊人的灵活性。在测试中，受试者成功实现了预期动作的 99.2%，平均反应时间为 0.81 秒。至关重要的是，每次运动都是直观的，人工智能系统匹配了预期的运动。Luu、Nguyen 和同事们说：“人工智能代理通过解码真实的运动意图，使截肢者能够用意念控制假肢上肢。”
触觉感知
该团队表示，该系统是他们关于双向信号（从用户到控制手臂，再到大脑以获得触觉感知）的更广泛工作的一部分。他们指出，早期研究表明用户报告了触觉和本体感觉（身体在三维空间中感知运动、动作和位置的能力）。他们说：“这项工作和我们之前的工作为实现完整的人机双向闭环通信奠定了基础。”
该方法还允许用户直接连接到虚拟环境，例如通过意念控制电脑游戏，而无需使用假肢手。该团队表示：“提出的带有 AI 神经解码器的神经接口，能够让人类以真正的‘意念移物’方式，仅通过意念来操纵远程物体。”
当然，这个系统并不完美。研究人员指出，仍然难以实现各种精细运动控制，例如腕部伸展、腕部旋后和施力估算。其中一些运动需要额外的植入电极传感器。大多数用户会希望更短的反应时间。并且植入电极总是存在被扰动并需要重新植入的风险。
就目前而言，这种方法是截肢者技术的一大进步，也是未来工作的令人兴奋的领域。正如 Luu、Nguyen 和同事们总结的那样：“这些结果预示着下一代假肢手能够提供像真手一样的自然 उपयोगकर्ता 体验。”
参考：人工智能通过神经接口实现假肢的实时直观控制：arxiv.org/abs/2203.08648
