使用板载AI来驱动更快更复杂的假肢手

研究人员正在寻求利用机载人工智能系统，通过使用深度学习方法来读取和响应通过手臂传递的神经信号，从而改善假手的控制和复杂程度。

跟踪由大脑发送来控制个体肌肉的自然电脉冲的做法(称为肌电图)已被用于操作假肢和手，以及轮椅和其他设备。但是，就手指和手的精细运动控制而言，性能差距仍然存在。

通过在假肢内的专用处理单元上实时运行神经网络，德克萨斯大学达拉斯分校(UT Dallas)的研究人员希望加快响应速度，以加快手部动作。另外，可以基于用户的动作来对所提出的系统进行再培训以提高其准确性。

根据UT达拉斯分校的首席研究员Mohsen Jafarzadeh的说法，该系统使用了卷积神经网络，该网络通常用于图像识别和视觉分析。通过将其应用于从手臂上的电极获取的原始肌电图数据，他们可以跳过费力的步骤来分离和表征噪声中的特定信号，这些信号通常用于手动训练算法。

Jafarzadeh在一份声明中说：“删除特征提取和特征描述是朝着端到端优化范例迈出的重要一步。我们的结果是开始设计更复杂的假肢的坚实起点。”

研究人员说，这项工作还有很长的路要走，包括从更多的人那里收集更多的肌电数据，以训练和改善他们的网络的准确性，并允许更复杂的手部动作。

这项研究是在2019年IEEE国际研讨会上测量与控制的机器人在休斯顿上月提出，并发表由IEEE，美国电气和电子工程师协会。