💻 computer science

TEGA: A Tactile-Enhanced Grasping Assistant for Assistive Robotics via Sensor Fusion and Closed-Loop Haptic Feedback

تقدم هذه الورقة البحثية إطار عمل TEGA، وهو إطار عمل للتحكم عن بُعد المساعد ذو الحلقة المغلقة الذي يدمج استنتاج النوايا القائم على تخطيط كهربائية العضل (EMG) مع الاستشعار البصري اللمسي لتقديم تغذية راجعة اهتزازية لمسية في الوقت الفعلي عبر سترة قابلة للارتداء، مما يمكن المستخدمين ذوي الإعاقات في الأطراف العلوية من تعديل قوة القبضة بشكل حدسي وتحسين استقرار المعالجة بشكل كبير.

المؤلفون الأصليون: Hengxu You, Tianyu Zhou, Fang Xu, Kaleb Smith, Eric Jing Du

نُشر 2026-03-09

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Hengxu You, Tianyu Zhou, Fang Xu, Kaleb Smith, Eric Jing Du

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تحاول التقاط حبة فراولة ناضجة باستخدام ملقط آلي، لكنك ترتدي قفازات سميكة وثقيلة تجعل أصابعك مخدرة تمامًا. يمكنك رؤية الفراولة، ويمكنك تحريك الملقط، لكن ليس لديك أدنى فكرة عن مدى قوة ضغطك. إذا ضغطت بخفة شديدة، ستنزلق الفراولة وتسقط. وإذا ضغطت بقوة شديدة، ستسحقها وتحولها إلى عجينة.

هذا هو الواقع اليومي للعديد من الأشخاص ذوي الإعاقات في الأطراف العلوية الذين يستخدمون الروبوتات المساعدة. يمكنهم التحكم في "أين" تذهب يد الروبوت، لكن لا يمكنهم "الشعور" بمدى قوة الضغط.

نظام TEGA (مساعد القبض المعزز باللمس) هو نظام جديد صُمم لحل هذه المشكلة. فكر في الأمر كأنك تمنح المستخدم "حاسة سادسة" يمكنه الشعور بها في صدره، حتى لو كانت يداه مفقودتين أو مخدرتين.

إليك كيف يعمل نظام TEGA، مقسمًا إلى مفاهيم بسيطة:

1. "المترجم العضلي" (المدخلات)

عادةً، قد لا يستطيع الأشخاص المصابون بإعاقة في اليد تحريك أصابعهم، لكن قد تظل لديهم عضلات في الجزء العلوي من الذراع أو الساعد تنقبض عندما "يفكرون" في الإمساك بشيء ما.

التشبيه: تخيل أنك تحاول الصراخ بأمر للروبوت، لكن صوتك خافت جدًا. يستخدم TEGA مستشعرات خاصة (مثل سماعة الطبيب للعضلات) للاستماع إلى تلك الانقباضات العضلية الصغيرة. إنه يترجم فكرة "أريد الإمساك" إلى إشارة للروبوت.
السحر: بدلًا من مجرد قول "أمسك" أو "لا تمسك"، يفهم النظام مدى قوة الضغط التي تريدها بناءً على مقدار شد عضلاتك.

2. "عيون وجلد الروبوت" (المستشعرات)

تمتلك يد الروبوت "أطراف أصابع" خاصة (تسمى مستشعرات DIGIT) تعمل كجلد فائق الحساسية. يمكنها رؤية بالضبط مقدار انضغاط الجسم أو مقدار الضغط الذي يتم تسليطه.

التشبيه: تخيل أن أصابع الروبوت ترتدي قفازات عالية التقنية يمكنها قياس الشكل الدقيق للجسم الذي تلمسه. إذا كان الجسم صخرة صلبة، فسيكون الضغط مركزًا في نقطة واحدة. أما إذا كان إسفنجة ناعمة، فسوف ينتشر الضغط على مساحة أكبر.

3. "سترة الأحاسيس" (التغذية الراجعة)

هذا هو الجزء الأكثر إبداعًا. بما أن المستخدم لا يستطيع الشعور بيديه، يقوم النظام بإرسال المعلومات إلى سترة لمسية (سترة تحتوي على محركات اهتزاز صغيرة) تُرتدى على جذع المستخدم.

التشبيه: فكر في السترة كأنها "مترجم" يحول لمسة الروبوت إلى لغة يفهمها جسمك.
- إشارة "الحدة" (CCI): إذا كان الروبوت يقرص زاوية حادة أو يضغط بقوة على نقطة صغيرة، فإن جزءًا معينًا من السترة يهتز بشكل حاد. يشبه ذلك تحذيرًا لطيفًا يقول: "آه، هذا حاد جدًا!".
- إشارة "الانتشار" (EDA): إذا كان الروبوت يضغط على جسم ناعم (مثل كيس خبز)، فإن الاهتزاز ينتشر عبر مساحة أوسع من السترة. يبدو الأمر كضغط واسع وثقيل، مما يخبر المستخدم: "أنت تقوم بتسطيح هذا الجسم؛ خفف الضغط!".

كيف يعمل النظام معًا (الحلقة)

أنت تفكر: "أريد التقاط زجاجة الماء تلك".
العضلات تنقبض: تقرأ المستشعرات شد عضلاتك وتخبر الروبوت ببدء الضغط.
الروبوت يلمس: يشعر "جلد" الروبوت بالزجاجة.
السترة تهتز: تهتز السترة على صدرك، محاكيةً شعور الزجاجة في يدك.
أنت تعدل: تشعر بالاهتزاز. إذا كان قويًا جدًا، فإنك ترخي عضلاتك قليلًا. إذا كان ضعيفًا جدًا، فإنك تزيد من شد عضلاتك.
النتيجة: تمسك الزجاجة بشكل مثالي — قوية بما يكفي لكي لا تسقط، ولكن خفيفة بما يكفي لكي لا تسحقها.

لماذا يعد هذا أمرًا بالغ الأهمية؟

في الورقة البحثية، اختبر الباحثون هذا النظام مع ثلاثة أنواع من الأجسام:

زجاجة ماء ثقيلة (صلبة): بدون السترة، أسقط الناس الزجاجة لأنهم لم يضغطوا بقوة كافية. مع السترة، أمسكوا بها بإحكام.
كيس خبز (ناعم): بدون السترة، سحق الناس الخبز لأنهم ضغطوا بقوة زائدة. مع السترة، شعروا بـ "الانضغاط" وتوقفوا عن الضغط في الوقت المناسب.
علبة مناديل مبللة (متوسطة): ساعدت السترة في العثور على القبضة المثالية "الوسطية".

الخلاصة

TEA هو بمثابة منح الشخص يدًا روبوتية "تشعر" بالفعل مثل اليد الحقيقية. إنه يسد الفجوة بين "التفكير" و"التنفيذ" عن طريق تحويل الضغط غير المرئي إلى اهتزازات يمكنك الشعور بها في جسمك. وهذا يسمة الأشخاص ذوي الإعاقة للتعامل مع الأجسام الرقيقة أو الثقيلة بثقة، وأمان، واستقلالية، محولين العملية المتعثرة القائمة على التجربة والخطأ إلى تجربة سلسة وبديهية.

إليك ملخص تقني مفصل لورقة البحث بعنوان "TEGA: مساعد الإمساك المعزز باللمس للمساعدة الروبوتية عبر دمج الاستشعار والتغذية الراجعة اللمسية ذات الحلقة المغلقة."

١. بيان المشكلة

تركز الأنظمة الروبوتية المساعدة الحالية للأفراد ذوي الإعاقات في الأطراف العلوية بشكل أساسي على تحديد موضع الأصابع لتحقيق تكوينات الإمساك. ومع ذلك، فإنها تهمل إلى حد كبير تعديل قوة الإمساك، وهو أمر بالغ الأهمية للتعامل مع الأشياء ذات الصلابة والملمس والشكل المتفاوت.

الفجوة: يفتقر المستخدمون الذين يعانون من فقدان الأطراف أو العجز الحسي إلى التغذية الراجعة اللمسية الطبيعية. وبدون إشارات حسية فورية، لا يمكنهم ضبط قوة القبضة بشكل بديهي، مما يؤدي إلى نمطين من الفشل:
1. الانزلاق: عدم كفاية القوة على الأجسام الصلبة.
2. التلف/التشوه: القوة المفرطة على الأجسام اللينة أو القابلة للتشوه.
قصور الحلول الحالية: بينما توجد الملاحظة البصرية وكشف النوايا عبر التخطيط الكهربائي للعضلات (EMG)، إلا أنها لا توفر التغذية الراجعة الحسية الفورية المطلوبة للتعديلات الحركية الدقيقة أثناء المناولة.

٢. المنهجية: نظام TEGA

يقترح المؤلفون TEGA، وهو إطار عمل للتحكم عن بعد للمساعدة يعمل بحلقة مغلقة، يدمج استنتاج النوايا القائم على الـ EMG مع الاستشعار البصري اللمسي المرتبط بـ التغذية الراجعة الاهتزازية اللمسية في الوقت الفعلي.

أ. بنية النظام والأجهزة

منصة الروبوت: ذراع Franka Emika Panda بـ ٧ درجات حرية (7-DOF) مجهزة بيد Allegro. تم تجهيز كل إصبع بمستشعرات لمسية من نوع DIGIT لالتقاط بيانات التلامس.
واجهة المستخدم:
- المدخلات: ثلاثة أقطاب كهربائية للـ EMG موضوعة على ساعد المستخدم (تستهدف عضلات FDP وFDS وFPL) للكشف عن النشاط العضلي واستنتاج نية الإمساك.
- التتبع: تقوم نظارات HoloLens وأدوات تتبع الحركة بمراقبة وضعية الذراع لتحديد الموضع (رغم أن الدراسة تركز على التحكم في القوة).
- التغذية الراجعة: سترة bHaptics TactSuit (تحتوي على ٣٢ وحدة اهتزاز) يرتديها المستخدم لتقديم إشارات لمسية.

ب. الخوارزميات والنماذج الأساسية

١. وحدة التغذية الراجعة اللمسية (الاستبدال الحسي)
بدلاً من محاكاة أحاسيس أطراف الأصابع الدقيقة، يقوم النظام بربط حالة التلامس بجذع المستخدم باستخدام مقاييس مورفولوجيا التلامس (CMM) المستمدة من مستشعرات DIGIT:

مؤشر تركيز التلامس (CCI): يقيس عمق/حدة تركيز الضغط (يشير إلى الإجهاد الموضعي، مثل الحواف الحادة).
منطقة التشوه الفعالة (EDA): تقيس الانتشار المكاني للتلامس (يشير إلى التلامس الواسع مقابل التلامس النقطي).
منطق الربط:
- يتم ربط CCI بوحدات الاهتزاز الأمامية للسترة (مما يشير إلى شدة الضغط).
- يتم ربط EDA بوحدات الاهتزاز الخلفية (مما يشير إلى انتشار التلامس).
- تستخدم دالة "سيجمويد" (sigmoid) لتقييز هذه القيم للتحكم في شدة الاهتزاز (مقياس ٠–١٠٠).

٢. تقدير وضعية الإمساك القائم على الـ EMG

معالجة الإشارة: يتم ترشيح إشارات الـ EMG الخام (مرشح Butterworth من الدرجة الرابعة، بقطع عند ٥٠ هرتز) وتقليل معدل أخذ العينات لتقليل الضجيج.
استنتاج النوايا: يستخدم النظام خريطة قائمة على القواعد لتحويل إشارات الـ EMG المفلترة من ثلاث قنوات عضلية إلى واحد من خمسة مستويات قوة إمساك (وضعيات) منفصلة.
استراتيجية الدمج: تُستخدم آلية التصويت بالأغلبية إذا اتفقت القنوات؛ وإلا، يتم استخدام نهج التصويت المتوسط لتحديد مؤشر وضعية الإمساك النهائي.

٣. التحكم بالحلقة المغلقة
يعمل النظام عبر حلقتين مزدوجتين:
١. حلقة النوايا: انقباض عضلات المستخدم $\leftarrow$ الـ EMG $\leftarrow$ أمر وضعية الإمساك.
٢. حلقة التغذية الراجعة: البيانات اللمسية للروبوت (CCI/EDA) $\leftarrow$ اهتزاز السترة $\leftarrow$ تعديل المستخدم لانقباض العضلات.

٣. المساهمات الرئيسية

١. إطار عمل مساعدة مبتكر: دمج استنتاج القوة القائم على الـ EMG مع التغذية الراجعة اللمسية في الوقت الفعلي، مما يتيح تعديل القوة بشكل بديهي للمستخدمين الذين يفتقرون إلى وظائف اليد.
٢. الاستشعار والإسقاط متعدد الوسائط: تطوير إطار عمل يجمع بين تتبع الوضعية القائم على الواقع المعزز، والاستشعار البصري اللمسي، ومجموعة محددة من نماذج الإسقاط (CCI/EDA) التي تترجم بيانات المستشعر إلى إشارات لمسية قابلة للتنفيذ.
٣. تصميم الاستبدال الحسي: استراتيجية ربط مبتكرة تستخدم سترة قابلة للارتداء لنقل هندسة التلامس المعقدة (CCI/EDA) للمستخدمين الذين لا يستطيعون الشعور بأطراف أصابعهم، مما يسد الفجوة بين الإدراك البيولوجي والاصطناعي.

٤. النتائج التجريبية

تم تقييم النظام في دراسة داخلية للمشاركين شملت ١٠ تجارب لكل جسم تحت ثلاث حالات: تغذية راجعة لمسية مقابل لا توجد تغذية راجعة لمسية.

الأجسام المختبرة:
١. زجاجة مياه (صلبة/ثقيلة).
٢. حاوية مناديل مبللة (متوسطة الصلابة).
٣. كيس خبز (لين/قابل للتشوه).
المقاييس: وقت إكمال المهمة، معدل نجاح الإمساك، عدد حالات الانزلاق، وعدد حالات التشوه.

النتائج الرئيسية:

تقليل الانزلاق: قللت التغذية الراجعة اللمسية من الانزلاق بشكل كبير في الأجسام الصلبة (الجسم ١ و٢) ( $p \leq 0.001$ ).
التحكم في التشوه: بالنسبة للأجسام اللينة (الجسم ٣)، قللت التغذية الراجعة اللمسية من التشوه المفرط بشكل كبير ( $p = 0.030$ )، مما منع التلف.
معدل النجاح: تحسن من ٨٠٪ (٤/٥) إلى ١٠٠٪ (٥/٥) للأجسام الصلبة والمتوسطة مع وجود التغذية الراجعة.
الارتباط: لوحظ وجود ارتباط بيرسون إيجابي قوي بين مؤشر وضعية الإمساك وإشارات CCI/EDA في الوقت الفعلي، مما يؤكد أن المستخدمين يعدلون قبضتهم بنشاط بناءً على الإشارات الاهتزازية.
الوقت: كانت أوقات الإكمال متقاربة، مع تحسينات طفيفة للأجسام الصلبة واللينة، مما يشير إلى أن التغذية الراجعة حسنت الاستقرار وليس مجرد السرعة.

٥. الأهمية والقصور

الأهمية:

يثبت TEGA أن التغذية الراجعة اللمسية ذات الحلقة المغلقة ضرورية للروبوتات المساعدة ذات المهارة العالية، حيث تتجاوز مجرد تحديد الموضع إلى التحكم التكيفي في القوة.
يؤكد صحة استخدام الاستبدال الحسي (اهتزازات السترة) لاستعادة "الشعور" باستقرار القبضة وهندسة التلامس للمستخدمين الذين يعانون من إعاقات في الأطراف العلوية.
يعزز النظام السلامة من خلال منع سقوط الأجسام أو سحقها.

القصور:

التحكم القائم على القواعد: تعتمد خريطة الـ EMG-إلى-القوة على القواعد بدلاً من التعلم، مما يحد من القدرة على التكيف مع المستخدمين المختلفين.
الذاتية: تم تسجيل حالات الانزلاق والتشوه عبر الملاحظة البصرية بدلاً من المستشعرات الآلية.
نطاق المشاركين: استخدمت الدراسة مشاركين أصحاء يحاكيون فقدان الأطراف، بدلاً من مبتوري الأطراف الفعليين.
الحمل المعرفي: لم يتم قياس الجهد الذهني المطلوب لتفسير تغذية الستعة الراجعة بشكل صريح.

العمل المستقبلي:
يخطط المؤلفون لتنفيذ استراتيجيات تحكم قائمة على التعلم، وإجراء دراسات مع مبتوري الأطراف الفعليين، وتوسيع نطاق أنواع السيناريوهات وخصائص الأجسام لتحسين القدرة على التعميم.