Steady-state separability versus transition dynamics in single-channel sEMG during integrated upper-limb movement

تخيل أنك تحاول التحكم في ذراع روبوتية بعقلك، أو ربما من خلال الإشارات الكهربائية الطفيفة التي ترسلها عضلاتك عندما تفكر في تحريك يدك. هذا هو الوعد الذي يقدمه التحكم العضلي الكهربائي (myoelectric control)، وهو مجال تستمع فيه الحواسيب إلى الشرارات الكهربائية الصغيرة للنشاط العضلي لترجمة النية البشرية إلى فعل آلي. ولكي تعمل هذه الأنظمة بشكل جيد، يجب أن تكون قادرة على التمييز بين يد مفتوحة ويد مغلقة. في لحظة هادئة وساكنة، يكون هذا الأمر سهلاً عادةً؛ فإشارة القبضة المغلقة تبدو مختلفة تماماً عن إشارة كف اليد المفتوح. لكن الحياة الواقعية نادراً ما تكون هادئة. فعندما يمد الشخص يده ليمسك بكوب، تتحرك كتفه، وينثني مرفقه، ويقوم جسمه بتثبيت نفسه ضد الجاذبية. وتخلق هذه الحركات الإضافية ضجيجاً كهربائياً فوضوياً يجب على الحاسوب تجاهله مع الاستمرار في الاستماع إلى اليد. والسؤال الكبير الذي يواجه المهندسين هو ما إذا كان النظام الذي يبدو مثالياً عندما يجلس الشخص ساكناً، يمكنه حقاً مواكبة السرعة عندما يحرك ذلك الشخص ذراعه بالكامل.

قرر فريق من الباحثين إعادة زيارة تجربة قديمة للإجابة على هذا السؤال. لم يجروا دراسة جديدة مع أشخاص جدد، بل نبشوا في أرشيف رقمي لبيانات جُمعت في عام 2014. احتوى هذا الأرشيف على تسجيلات لعشرين شخصاً سليماً من الأصحاء الذين استخدموا واجهة بسيطة للتحكم في يد روبوتية. كان الإعداد مباشراً: مستشعر واحد مثبت على الساعد للاستماع إلى إشارات العضلات، بينما يستخدم حاسوب صغير تلك الإشارات لفتح وإغلاق أصابع الروبوت. قام المشاركون بنوعين من المهام؛ في النوع الأول، قاموا ببساطة بالتبديل بين فتح وإغلاق أيديهم مع إبقاء ذراعهم ساكنة تماماً. وفي النوع الثاني، كان عليهم القيام بنفس حركات اليد، ولكن هذه المرة كان عليهم أيضاً تحريك ذراعهم بالكامل عبر تسلسل معقد من الوضعيات، برفعها للأعلى والأسفل وإلى الجانب، كل ذلك أثناء محاولة تغيير حالة اليد. أراد الباحثون معرفة ما إذا كان "الضجيج" الناتج عن حركة الذراع سيربك النظام أو يبطئه.

كشفت النتائج عن انقسام مفاجئ بين مدى جودة عمل النظام عندما تكون الأمور مستقرة، ومدى سرعته عندما تكون متغيرة. فعندما نظر الباحثون إلى البيانات من اللحظات التي استقرت فيها اليد بالفعل في وضع جديد، وجدوا أن النظام كان مثالياً تقريباً. وسواء كان الشخص جالساً ساكناً أو يحرك ذراعه، فقد استطاع الحاسوب التمييز بين اليد المفتوحة واليد المغلقة بدقة شبه كاملة. ظلت الأنماط الكهربائية للحالتين منفصلة بوضوح، ولم يرتبك النظام بسبب حركة الذراع الإضافية. ولو توقف الباحثون عند هذا التحليل، لربما استنتجوا أن النظام ممتاز وجاهز للاستخدام.

ومع ذلك، تغيرت القصة تماماً عندما نظر الباحثون إلى لحظات الانتقال—تلك الأجزاء من الثانية التي ينتقل فيها الشخص من فتح اليد إلى إغلاقها، أو العكس. خلال تجارب اليد الساكنة البسيطة، كانت الإشارة العضلية تصل إلى منتصف حالتها الجديدة في أقل من نصف ثانية. ولكن عندما كان المشاركون يحركون أذرعهم، كان هذا التبديل يستغرق ضعف الوقت تقريباً. فالوقت الذي استغرقته الإشارة العضلية لتستقر في نمطها الجديد قفز من حوالي 0.49 ثانية إلى 0.92 ثانية. لم يكن هذا التأخير مجرد خلل بسيط؛ بل كان تباطؤاً كبيراً يحدث في كل مرة يحاول فيها المستخدم تغيير حالة اليد. لم يكن النظام يفشل في التعرف على اليد، بل كان ببساطة يستغرق وقتاً أطول للوصول إلى تلك الحالة.

وجد الباحثون أيضاً أن هذا التباطؤ لم يكن متساوياً في جميع الحركات. كان التأخير في أقصى درجاته عندما يقوم المستخدم بإغلاق يده أثناء تحريك ذراعه، حيث ارتفع متوسط وقت هذا الانتقال إلى 1.37 ثانية. ومن المثير للاهتمام أن سرعة حركة الذراع نفسها لم تفسر هذا التأخير؛ فالحركة السريعة للذراع لم تعنِ دائماً تبديل يد سريع، والحركة البطيئة للذراع لم تضمن بالضرورة تبديلاً سريعاً. بدلاً من ذلك، بدا أن توقيت بدء حركة الذراع هو الأكثر أهمية. فعندما بدأت حركة الذراع في وقت لاحق من التسلسل، استغرقت إشارة اليد وقتاً أطول لتلحق بها. وهذا يشير إلى أن الدماغ والعضلات يقومان بإدارة مهام متعددة في آن واحد، وأن الجهد الإضافي لتثبيت الذراع أثناء تحريكها هو ما يبطئ إشارة اليد.

اكتشاف رئيسي آخر تمثل في أن الإشارات الكهربائية من أشخاص مختلفين لم تكن متماثلة. فمستوى الجهد الذي يعني "يد مفتوحة" لشخص ما، قد يبدو مثل "يد مغلقة" لشخص آخر. وبسبب ذلك، كان لزاماً معايرة النظام بشكل فردي لكل مستخدم. وعندما حاول الباحثون استخدام إعداد واحد عالمي للجميع، أعاد النظام القرارات الأصلية بنسبة 81 بالمائة فقط. ولكن عندما قاموا بتعديل الإعدادات لتناسب كل شخص على حدة، نجح النظام في اتخاذ القرار الصحيح بنسبة تزيد عن 97 بالمائة. وقد سلط هذا الضوء على أنه لا يوجد مستوى كهربائي "صحيح" واحد لحالة اليد؛ بل هو نطاق شخصي يختلف من شخص لآخر.

كما أظهرت الدراسة أن الناس يصبحون أسرع مع الممارسة. فرغم أن إعدادات النظام ظلت كما هي تماماً طوال التجربة، إلا أن الوقت المستغرق للتبديل بين حالات اليد انخفض بشكل ملحوظ مع تكرار المهام. فبحلول الجولة الخامسة، تحسن وقت الانتقال بنحو ثلث ثانية مقارنة بالجولة الأولى. وهذا يشير إلى أن التأخير لم يكن مجرد عيب في الآلة، بل كان انعكاساً لكيفية تكيف الجسم البشري مع المهمة. فمع اعتياد المستخدمين على تحريك أذرعهم أثناء التحكم في اليد، تعلمت عضلاتهم تنسيق هذين الإجراءين بشكل أكثر كفاءة.

في نهاية المطاف، تعلمنا إعادة فحص هذه البيانات القديمة درساً واضحاً لمستقبل التحكم الروبوتي. فالنظام الذي يبرع في التمييز بين يد مفتوحة ساكنة ويد مغلقة ساكنة، ليس بالضرورة نظاماً سريعاً بما يكفي للاستخدام في العالم الحقيقي. إن القدرة على التمييز بين الحالات وسرعة التبديل بينهما أمران مختلفان. وبالنسبة للمهندسين الذين يبنون هذه الواجهات، تشير النتائج إلى أنه لا يمكنهم الاعتماد فقط على أرقام الدقة المستمدة من الاختبارات الساكنة. يجب عليهم أيضاً قياس الوقت الذي يستغرقه النظام للاستجابة عندما يكون المستخدم في حالة حركة، ويجب أن يتذكروا أن لكل مستخدم بصمته الكهربائية الفريدة التي تتطلب ضبطاً شخصياً. إن الطريق نحو يد روبوتية مستجيبة وطبيعية الشعور لا يكمن فقط في تطوير مستشعرات أفضل، بل في فهم الرقصة المعقدة بين الحالات المستقرة واللحظات الديناميكية التي تليها.