智能制造網(wǎng)APP
智能制造網(wǎng)手機(jī)站
智能制造網(wǎng)小程序
智能制造網(wǎng)官微
智能制造網(wǎng)服務(wù)號(hào)
智能控制
機(jī)器人
儀器儀表
物聯(lián)網(wǎng)
3D打印
工業(yè)軟件
回放
回放
300W開(kāi)放式電源轉(zhuǎn)換器TPP300-124A-M
開(kāi)放式電源,TPP300-112M,TRACO電源品牌
TRACOPOWER
近日，瑞士洛桑聯(lián)邦理工學(xué)院的研究人員開(kāi)發(fā)出了一種全新的機(jī)械臂控制方法，它利用人工智能為被截肢者提供的準(zhǔn)確操縱能力。研究人員結(jié)合了神經(jīng)工程學(xué)和機(jī)器人學(xué)的專業(yè)知識(shí)，使得穿戴者可以控制機(jī)械手的每個(gè)手指，并在穿戴機(jī)械手時(shí)自動(dòng)抓起物體。這項(xiàng)新技術(shù)在包括3名被截肢者和7名肢體健全受試者的概念驗(yàn)證研究中獲得了成功。
意念+AI 算法=靈活、穩(wěn)健機(jī)械手
研究人員表示，他們提出的全新機(jī)械手臂控制方法，其關(guān)鍵優(yōu)勢(shì)在于通過(guò)人類意圖和自動(dòng)化算法共同進(jìn)行操縱(shared control)——在需要高靈活性時(shí)，人類控制運(yùn)動(dòng)；當(dāng)需要高魯棒性時(shí)，AI算法則進(jìn)行輔助。
換句話說(shuō)，由于被截肢者的感覺(jué)和控制能力有限，他們很難保證自己的手指形狀與物體相符并保證抓握力度適中，因此需要AI算法進(jìn)行輔助來(lái)提高度。這種方法極大地改善了機(jī)械手的可用性，并可以靈活操作多個(gè)自由度的關(guān)節(jié)。
用AI算法解碼「意念」
在此前，科學(xué)家們對(duì)于機(jī)械臂控制研究很多，但充其量也只能控制單個(gè)手指，而且其研究成果也于在四肢健全的人群中實(shí)現(xiàn)離線的「義肢控制」。
EPFL 提出的新系統(tǒng)，在神經(jīng)學(xué)上的關(guān)鍵理念是對(duì)來(lái)自現(xiàn)有運(yùn)動(dòng)神經(jīng)的信號(hào)進(jìn)行解碼，這些運(yùn)動(dòng)神經(jīng)旨在為手指發(fā)出活動(dòng)的信號(hào)。這些信號(hào)(sEMG)收集自被截肢者殘肢的剩余神經(jīng)，并被轉(zhuǎn)換成假肢單個(gè)手指的運(yùn)動(dòng)信號(hào)，這種效果在之前的假肢研究中未能實(shí)現(xiàn)。得益于機(jī)器人技術(shù)，機(jī)械手可以幫助被截肢者抓起物體并能夠維持些許時(shí)間，從而以一種真實(shí)的方式操控物體。
研究者首先提出了一個(gè)使用多層感知器(MLP)的運(yùn)動(dòng)比例解碼器，該解碼器允許穿戴者同時(shí)、連續(xù)地控制每個(gè)手指。
a：在線實(shí)驗(yàn)中，4名肢體健全和3名截肢受試者利用他們的表面機(jī)電信號(hào)控制一個(gè)虛擬的機(jī)械手。利用多層感知器對(duì)這些信號(hào)進(jìn)行解碼，得到單位數(shù)關(guān)節(jié)角度的預(yù)測(cè)結(jié)果；
b：3名截肢受試者的殘缺程度不同；
c：研究人員測(cè)試的肢體活動(dòng)包含單位數(shù)和多位數(shù)活動(dòng)。實(shí)驗(yàn)結(jié)果顯示，除A2截肢受試者無(wú)法獨(dú)立做出食指和中指彎曲/延展動(dòng)作之外，其他所有受試者都能做出c中的所有動(dòng)作。
這一技術(shù)中用到的機(jī)器學(xué)習(xí)算法學(xué)習(xí)了如何解碼使用者的動(dòng)作意圖并將這些脈沖信號(hào)轉(zhuǎn)換為假肢的手指運(yùn)動(dòng)。在訓(xùn)練算法的過(guò)程中，被截肢者的手指動(dòng)作通過(guò)綁在他們殘肢上的傳感器傳遞給機(jī)器，以檢測(cè)他們的神經(jīng)活動(dòng)。通過(guò)這一過(guò)程，機(jī)器學(xué)習(xí)算法學(xué)習(xí)假肢部位的肌肉刺激與特定手部運(yùn)動(dòng)的對(duì)應(yīng)關(guān)系。
訓(xùn)練完成之后，被截肢者就可以將有意識(shí)的動(dòng)作脈沖轉(zhuǎn)換為各個(gè)假肢手指的微調(diào)動(dòng)作。該算法濾掉了與肢體運(yùn)功無(wú)關(guān)的動(dòng)作，只關(guān)心與運(yùn)動(dòng)緊密相關(guān)的動(dòng)作。
「由于這些肌肉信號(hào)是有噪聲的，我們需要一種機(jī)器學(xué)習(xí)算法來(lái)提取有意義的肌肉活動(dòng)并將其轉(zhuǎn)換為動(dòng)作，」論文一作Katie Z. Zhuang解釋稱。
提高抓取靈活度
然而，僅僅依靠處理人類發(fā)出的信號(hào)，我們還遠(yuǎn)不能以讓機(jī)械臂做到足夠靈活。對(duì)此，研究人員開(kāi)發(fā)了另一種機(jī)器學(xué)習(xí)算法，用來(lái)幫助用戶抓取和操縱物體。
在機(jī)械手碰到物體之后，AI算法就會(huì)讓手指閉合，抓住物體。這一自動(dòng)抓取功能源自之前的研究，在這項(xiàng)研究中，機(jī)械手被用來(lái)感知物體的形狀，并僅基于接觸得到的信息實(shí)現(xiàn)抓取。
「當(dāng)你手里拿著一個(gè)物體，它開(kāi)始松脫滑動(dòng)，你只有數(shù)毫秒的時(shí)間做出反應(yīng)，」EPFL學(xué)習(xí)算法與系統(tǒng)實(shí)驗(yàn)室的Aude Billard表示。「機(jī)器手能夠在400毫秒內(nèi)做出反應(yīng)。它的手指上布滿壓力傳感器，可以在大腦感覺(jué)到物體滑動(dòng)之前做出反應(yīng)并穩(wěn)住物體。」
a：Allegro機(jī)械手模擬器；
b：共享控制策略；
c：主動(dòng)柔順接觸(共享)控制器的動(dòng)作；
d：共享控制的示例追蹤(受試者B4)。其中，頂部一行顯示了無(wú)共享控制(左)和有共享控制(右)兩種情況下檢測(cè)到的總壓力值；
e：受試者B2的握持實(shí)驗(yàn)百分比；
f：握持物體的時(shí)間維持在7秒；
g：握持物體時(shí)遠(yuǎn)節(jié)趾骨、中節(jié)趾骨和近節(jié)指骨的接觸。
華人一作
本論文的作者Katie Z. Zhuang本科畢業(yè)于約翰霍斯大學(xué)，并在杜克大學(xué)獲得了生物醫(yī)學(xué)/醫(yī)學(xué)工程的博士學(xué)位，這一研究是她在洛桑聯(lián)邦理工學(xué)院讀博士后期間的工作。目前，Katie Zhuang任瑞士弗里堡大學(xué)(University of Fribourg)研究科學(xué)家。
浙公網(wǎng)安備 33010602000006號(hào)
智能制造網(wǎng)APP
智能制造網(wǎng)小程序
微信公眾號(hào)
