研究人員正在尋求利用機(jī)載人工智能系統(tǒng)，通過使用深度學(xué)習(xí)方法來讀取和響應(yīng)通過手臂傳遞的神經(jīng)信號，從而改善假手的控制和復(fù)雜程度。

跟蹤由大腦發(fā)送來控制個(gè)體肌肉的自然電脈沖的做法(稱為肌電圖)已被用于操作假肢和手，以及輪椅和其他設(shè)備。但是，就手指和手的精細(xì)運(yùn)動控制而言，性能差距仍然存在。

通過在假肢內(nèi)的專用處理單元上實(shí)時(shí)運(yùn)行神經(jīng)網(wǎng)絡(luò)，德克薩斯大學(xué)達(dá)拉斯分校(UT Dallas)的研究人員希望加快響應(yīng)速度，以加快手部動作。另外，可以基于用戶的動作來對所提出的系統(tǒng)進(jìn)行再培訓(xùn)以提高其準(zhǔn)確性。

根據(jù)UT達(dá)拉斯分校的首席研究員Mohsen Jafarzadeh的說法，該系統(tǒng)使用了卷積神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)通常用于圖像識別和視覺分析。通過將其應(yīng)用于從手臂上的電極獲取的原始肌電圖數(shù)據(jù)，他們可以跳過費(fèi)力的步驟來分離和表征噪聲中的特定信號，這些信號通常用于手動訓(xùn)練算法。

Jafarzadeh在一份聲明中說：“刪除特征提取和特征描述是朝著端到端優(yōu)化范例邁出的重要一步。我們的結(jié)果是開始設(shè)計(jì)更復(fù)雜的假肢的堅(jiān)實(shí)起點(diǎn)。”

研究人員說，這項(xiàng)工作還有很長的路要走，包括從更多的人那里收集更多的肌電數(shù)據(jù)，以訓(xùn)練和改善他們的網(wǎng)絡(luò)的準(zhǔn)確性，并允許更復(fù)雜的手部動作。

這項(xiàng)研究是在2019年IEEE國際研討會上測量與控制的機(jī)器人在休斯頓上月提出，并發(fā)表由IEEE，美國電氣和電子工程師協(xié)會。