人工智能使抓握更加直观

不同类型的涂鸦和仿生设计：近十年来的技术发展已经成为先进的科学手段这些有能力的截肢者可能会因为意外的倾斜而失去生命有些现代假肢与手指运动和手腕旋转无关这些动作可以通过耳机或前臂的肌肉损伤信号进行选择，通常由两个传感器检测

例如，可以使用弯曲或肌肉的激活来闭合手指和抓握如果危险的文本传感器肌肉收缩，手指就会打开，然后松开笔这种特殊的方法可以控制不同的指关节运动，这些运动是通过同时激活屈肌和伸肌肌群来选择的TUM的康复和辅助专家Cristina Piazza说：“这些都是患者在康复过程中学到的东西。”现在，教授Piazza的研究团队已经展示了通过使用“协同原理”和前臂上128个传感器的帮助，开始为所有老年患者提供先进的手动控制

突触反应原理：脑激活肌肉细胞池

什么是协同原理？Prof说：“从神经科学研究中可以看出，在实验中观察到的重复模式，包括墨迹和肌肉清除。”广场这些肝脏可以根据人脑如何应对生物系统复杂性的方式来解释这意味着它激活了肌肉细胞池，也在耳朵里教授补充道：“例如，当我们用手敲击物体时，我们会将手指同步移动，并在接触时适应物体的形状。”研究人员没有利用这一原理，通过创建新的学习算法来设计和控制手这对于快速移动来说是必要的：例如，当控制和手动操作时，可以执行多个步骤首先，患者根据抓握手势，将手指缓慢地移到一起，然后用笔划动我们的目标是让这些动作越来越流畅，所以很难注意到，许多单独的动作构成了一个新的过程“在机器学习的帮助下，我们可以理解和理解不同主题之间的差异，并提高控制适应能力，这意味着学习过程，”这两位专家PatriciaCapsiMorales总结道Piazza's team

从128个信号通道中发现模式

用这种新方法进行的实验表明，传统的控制方法很快就会被先进的技术所利用为了研究中央神经系统的水平面上出现了什么，研究人员正在制作两部电影：一部在内侧，一部在外侧每个都包含多达64个传感器来检测肌肉的活动该方法还估计了脊髓运动神经的电信号是如何传递的Prof解释道：“在使用这些传感器时，大脑会从不同的肌肉组中获取信息，并发现哪些肌肉清洁动作对哪些手部运动负责。”广场根据Dr的说法，根据治疗人员的意图，抓握或打开一个罐子，“肌肉信号的特征”结果CapsiMorales——直觉运动的必备条件

手腕和手部运动：大多数人更喜欢这种方式

目前的研究集中在上升和下降的手的运动上研究表明，大多数人（八分之一的人）更喜欢移动手腕和手的方式这也是最有效的方式但是，我们必须学会以正确的方式处理问题，在发展过程中变得越来越重要“我们的目标是研究学习效果，并为每位患者找到合适的解决方案。”CapsiMorales解释道“这是朝着正确的方向迈出的一步，”Prof说Piazza强调教学系统由手的个体机制和特性、与患者的专业培训、解释和分析以及机器学习组成

当前对人工智能高级控制的挑战

还有一些挑战需要解决：基于传感器信息的学习算法必须在拆除薄膜滑片时重新进行开发此外，这些传感器必须准备好老化，以确保具有精确记录肌肉信号的必要导电性Dr解释道：“我们使用信号处理技术来过滤噪音并获取可用信号。”CapsiMorales每次患者用前臂上的氧传感器按下按钮时，算法必须首先识别每个动作顺序的激活模式，以检测用户的意图并将其转换为认证手的命令