2019/09/18 09:38

指尖上的科学带来便利，AI义肢用“意念”复原截肢者手指功能

假肢技术每年都在进步，但大部分的假肢还是欠缺足够的肢体力量和控制精准度。想象一下，当一个人的手肘以上被截肢，通过在他们剩余的肌肉上安装传感器和信号接收装置，他们可以很容易地抬起手臂，并将手臂指向他们所要抓取物体的位置。但是这样普通的“握力”、“释放”信号的技术会使控制手指活动的许多肌肉、肌腱功能都会慢慢消退，随之患者失去的便是感知能力，即使装上人工假肢，手指也无法随意弯曲。那么，手也变失去了原本的机能。

洛桑联邦理工学院（EPFL）的一个研究团队目前正在研发一种使用机器学习（Machine Learning）算法为截肢患者提供前所未有控制度的智能机械手臂。这些科学家专攻于神经工程学、机器人技术领域，这项研究的结果也被发表在《自然·机器智能》（Nature Machine Intelligence）上。

图片来源：Nature在验证概念阶段，有3名截肢者和7名健康者参与到试验过程中。这一人工智能系统另一个重要组成部分和神经学有关，智能手臂需要解码来自现有运动神经的信号（这些信号的作用是向手指发出移动指令）。现有运动神经信号来自截肢者残肢剩余的神经，通过AI技术最终能被转换成单个假肢手指的运动信号，从而佩戴者可灵活控制义肢的单个手指，并自动释放握力信号来抓住物体，这是前所未有的突破。

有“意识”的智能手臂

基于机器学习的假肢首先需要解读用户的运动意图，并将这些意图转换为假肢手指的实际运动。研究人员在训练这一算法时，将传感器佩戴在截肢者手肘以上，紧接着让他们做几个手部动作来检测其手肘上部的神经肌肉活动。这样，AI就可以“意识”到患者截肢部位的肌肉刺激与特定的手部运动的关系。完成上述训练过程后，智能手臂不仅能实现运动意图到手指实际动作的转换，还将有助于实现各类复杂抓握姿势的实现。

动图来源：EPFL Youtube

论文第一作者Katie Zhuang说:“由于肌肉的表面电肌信号可能存在噪声，我们需要从这些肌肉中提取有意义的活动，将其转换成预期运动的信号。”所以该算法还滤除了与目标运动无关的肢体信号，只关注那些对预期动作有用的信号，这样也就加快了人工智能系统的运作效率。

控制方案：提高抓握灵活度

然后，研究团队又进一步优化算法，提出一种控制方案，来提升智能手臂在抓握物体时力度与精准度的控制。当智能手臂的传感器遇到一个物体时，人工智能算法会将手指合拢，以抓取的手势拿起物体。比如，下面这张动图，佩戴者需要将水倒入杯子中，AI意识到“倒水”这一运动意图后，便会以最合适的力量、角度自动抓取水瓶。这一套动作下来，智能手臂对于力量把控、精准度控制的能力清晰可见。那么同理，泡咖啡、切水果等等这样的动作都不在话下了，这会为更多截肢者带来便利，提升其生活质量。

动图来源：EPFL Youtube当然，这款智能机械手臂还有防“手滑”的功能。它可以在400毫秒内做出应急反应，其手指组件部分装有压力传感器，可以在大脑察觉到物体有滑落之势前，及时反应并快速稳定物体。

不过研究团队称，这款智能机械手臂距离成为一款上市的产品还需要一段时间。研究团队目前正在对其进行更深入的开发与研究，AI算法必须经过重重优化才能最终被整合到假肢装置中。

他们还表示，未来这款人工智能技术控制的机器手臂将会被用于多种神经假肢应用场景中，比如在临床上应用仿生技术手臂结合脑-机接口技术等。我们期待有更多的实用科技走进患者的世界，提高其生活质量，也期待它们能为现代医学带来更多前行的驱动力。

参考资料

[1] AI-Powered Prosthetic Hand Provides Unprecedented Control for AmputeesRetrieved Sep 17, 2019 from https://www.docwirenews.com/future-of-medicine/ai-powered-prosthetic-hand-provides-unprecedented-control-for-amputees/

[2] This prosthetic arm combines manual control with machine learningRetrieved Sep 17, 2019 from https://techcrunch.com/2019/09/13/this-prosthetic-arm-combines-manual-control-with-machine-learning/

[3] Shared human–robot proportional control of a dexterous myoelectricprosthesis from Retrieved Sep 17, 2019 from https://www.nature.com/articles/s42256-019-0093-5

药明康德AI

药明康德微信团队专业打造。当人工智能遇上大健康，带你看全AI时代的智慧之光。

产业机器学习机器手臂

相关数据

机器学习技术

机器学习是人工智能的一个分支，是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论，机器学习与推断统计学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习算法。

来源：Mitchell, T. (1997). Machine Learning. McGraw Hill.

感知技术

知觉或感知是外界刺激作用于感官时，脑对外界的整体的看法和理解，为我们对外界的感官信息进行组织和解释。在认知科学中，也可看作一组程序，包括获取信息、理解信息、筛选信息、组织信息。与感觉不同，知觉反映的是由对象的各样属性及关系构成的整体。

来源：维基百科

人工智能技术

在学术研究领域，人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体（intelligent agent）

来源：Russell, S., & Norvig, P. (2003). Artificial Intelligence: A Modern Approach.

机器手臂技术

机械手臂是具有模仿人类手臂功能并可完成各种作业的自动控制设备，这种机器人系统有多关节连结并节允许在平面或三度空间进行运动或使用线性位移移动。构造上由机械主体、控制器、伺服机构和感应器所组成，并由程式根据作业需求设定其一定的指定动作。构造上由机械主体、控制器、伺服机构和感应器所组成，并由程式根据作业需求设定其一定的指定动作。机器人的运作由电动机驱动移动一只手臂，张开或关闭一个夹子的动作，并精确的回馈至可编程逻辑的控制器。这种自动装置机械以完成“腕部以及手部”的动作为主要诉求，可以由熟练的操作者将作业顺序输入后，就能依样照作并且反复完成无数次的的正确规律运作。

来源：维基百科

机器人技术技术

机器人学（Robotics）研究的是「机器人的设计、制造、运作和应用，以及控制它们的计算机系统、传感反馈和信息处理」 [25] 。机器人可以分成两大类：固定机器人和移动机器人。固定机器人通常被用于工业生产（比如用于装配线）。常见的移动机器人应用有货运机器人、空中机器人和自动载具。机器人需要不同部件和系统的协作才能实现最优的作业。其中在硬件上包含传感器、反应器和控制器；另外还有能够实现感知能力的软件，比如定位、地图测绘和目标识别。之前章节中提及的技术都可以在机器人上得到应用和集成，这也是人工智能领域最早的终极目标之一。

来源：机器之心