Longevity of continuous prosthetic finger control using implanted electromyographic signals without recalibration
这项研究表明，植入式肌内肌电信号可以在无需解码器重新校准的情况下，为猴子和人类提供对义肢手指稳定、长期的连续控制，因为用户通过调整其肌肉激活模式来维持性能长达数月之久。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
对于数百万失去手臂的人来说，拥有一只能像自己的手一样感知和活动的机器人手的梦想，长期以来一直受到一个令人沮丧的现实的阻碍：指挥手部动作的信号往往过于嘈杂或过于转瞬即逝，难以依靠。目前最常见的假肢使用贴附在皮肤上的传感器来监听肌肉活动，但这些传感器可能会滑动、出汗或失去接触，迫使用户不断停止并重新校准设备。这种频繁调整的需求，加上捕捉移动单个手指所需的深层、复杂信号的难度，使得先进的机器人手难以成为日常生活的实用解决方案。研究人员长期以来一直在寻求一种更稳定的连接方式，一种能够完全绕过皮肤，直接倾听肢体内部神经和肌肉声音的方式，希望能找到一种足够稳定的信号，从而在无需不断调试的情况下控制手部。
在一项新的研究中，科学家们通过证明机器人手可以连续数月进行连续控制而无需任何重新校准，向这一目标迈出了重要一步。该研究涉及两名截然不同的参与者：一只拥有完整手臂的恒河猴，以及一名右肘以下失去右手的女性。两者的残余肌肉深处都手术植入了微小的电极。这些电极旨在设计用于监听肌肉收缩时发送的电脉冲，通过绕过皮肤来获取更清晰、更直接的信号。团队教会了这只猴子和这位女性去控制屏幕上的虚拟手，通过移动两组不同的手指——一侧是食指，另一侧是中指、无名指和小指——去击中显示屏上随机出现的靶点。
研究人员首先训练了一个计算机程序，将肌肉信号转化为手指动作。他们测试了两种不同类型的计算机程序：一种使用简单的线性方法来推测动作，另一种则使用更复杂的非线性方法，旨在随时间学习模式。当猴子使用简单的线性程序时，它成功击中靶点的表现达到了其自然手性能的63%。使用同类简单程序的女性参与者，则达到了其自然手性能的56%。虽然更复杂的程序帮助猴子表现得更好，但实际上却降低了人类的控制效果，这表明对于失去手的人来说，一个更简单、更可预测的控制系统可能更容易学习和使用。
研究中最令人震惊的部分紧随其后。研究人员关闭了重新训练计算机程序的功能，并要求参与者继续使用他们在第一天所获得的完全相同的设置。他们观察了在接下来的几个月里，猴子和女性执行任务的表现如何。猴子使用了相同的设置长达148天，而女性则使用了283天。尽管原始肌肉信号每天都会发生轻微变化，但两名参与者在控制虚拟手指的能力上都没有出现显著下降。他们的成功率保持在高水平，并且仍然能以第一天时的速度和准确度击中靶点。
这种稳定性并非因为肌肉信号本身保持完全不变。事实上，当研究人员仔细观察原始数据时，他们发现肌肉信号的强度在一天之内会有显著变化。相反，这种稳定性来自于用户本身。研究发现，猴子和女性都会下意识地调整肌肉的激活方式，以匹配计算机所期望的特定模式。即使信号发生了变化，用户也学会了通过塑造肌肉活动来适应原始指令，从而有效地补偿了每日的变化。这表明，一个可靠的假肢手的秘诀可能不仅在于寻找一个完美、不变的信号，而在于依赖人类大脑通过调整自身动作来与所使用的工具协作的卓越能力。
这些发现为假肢技术提供了一条充满希望的路径。通过将电极直接植入肌肉，研究人员创造了一种在无需任何重新校准的情况下仍能保持近一年有效性的连接。虽然这项研究是在受控环境下进行的，参与者佩戴着连接到计算机的导线，但结果表明，这项技术最终可以支持无线化的日常使用。这项工作强调了人体不仅仅是一个被动的信号来源，还是控制过程中的积极伙伴，能够通过学习和适应来维持与机器的稳定连接。这一发现使该领域离未来更近了一步——在那个未来，先进的机器人手可以被信任，能够日复一日地可靠工作，而不会受到长期困扰它们的频繁调整的需求之苦。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。