人机共享控制提升智能仿生手抓握性能并降低经桡骨截肢者认知负荷

《Nature Communications》：Shared human-machine control of an intelligent bionic hand improves grasping and decreases cognitive burden for transradial amputees

本研究针对当前仿生手控制不直观、认知负荷高的问题，开发了一种集成多模态指尖传感器（红外接近传感器和气压压力传感器）的商用假体，并建立了新型人机共享控制框架。该框架通过动态加权算法连续融合用户肌电意图与机器自主控制，使仿生手能自动贴合物体并允许用户精细调节抓握力。实验表明，共享控制提高了抓握安全性和精确性，降低了用户的认知负荷，为经桡骨截肢者实现更直观、灵活的多自由度假体控制提供了可推广的解决方案。

　　

想象一下，每天用假手拿起一个鸡蛋或一个泡沫杯时，都需要全神贯注，小心翼翼地控制力道，生怕一用力就捏碎，一松懈就掉落。这对于数百万上肢截肢者来说，是使用传统肌电假体时常面临的困境。尽管现代商用仿生手能复现人手的许多动作，但我们直观控制这些仿生手的能力仍然有限。人类手部的灵巧性部分源于由感觉反馈驱动的控制回路，而大多数商用假体缺乏足够的传感反馈和自主性，导致用户需要付出巨大的认知努力来控制抓握，这是假体高废弃率的主要原因之一。

以往的研究试图通过集成传感器来实现假体的半自主控制，例如使用光学传感器预置位机械手，或用力传感器引导力输出。然而，这些方法往往在特定任务或受控环境中有效，难以推广到日常生活中多样化的物体和抓取模式。有的策略是在用户和机器控制器之间切换，或者以固定比例混合控制，但这限制了用户根据物体特性（如重量、摩擦力）灵活调节抓握力的能力，而这种调节能力正是人手灵巧性的关键。

为了解决这些挑战，来自美国犹他大学的研究团队在《Nature Communications》上发表了一项研究，提出了一种全新的解决方案。他们在商用假手（TASKA Hand）的指尖集成了多模态传感器（红外接近传感器和气压压力传感器），使假体能“看到”并“感受到”物体。更重要的是，他们开发了一种新型的人机共享控制框架，能够连续、动态地融合用户的控制意图和机器的自主控制信号，而不是简单地在两者之间切换。该框架的核心是一个受生物学启发的动态加权求和算法，确保用户始终是控制的主体，同时机器提供辅助，使假手能自动贴合物体表面，并以最小力进行抓握，用户随后可以在此基础上精细调节抓握力。

研究结果表明，这种共享控制策略带来了多方面的优势。在脆弱的物体转移任务中，与单纯的人控相比，共享控制提高了任务成功率，降低了施加在物体上的峰值力，表明抓握精度得到提升。在持握球形物体的任务中，共享控制减少了物体掉落次数，延长了持握时间，表明抓握安全性更高。尤为重要的是，通过一项辅助的检测响应任务（Detection-Response Task, DRT）客观地测量了用户的认知负荷，发现使用共享控制时，用户的响应时间显著缩短，表明认知负担减轻。这些好处在健康受试者和四位经桡骨截肢者参与者身上都得到了一致验证。最后，研究还演示了共享控制在日常活动（如端杯喝水、拿鸡蛋、取纸张）中的良好泛化能力，参与者反馈这些任务在单纯人工控制下极其困难，而共享控制使其变得可行。

研究人员为开展此项研究，主要应用了以下几项关键技术：在商用TASKA仿生手指尖嵌入定制化的多模态传感器（红外接近传感器和气压压力传感器）以实时检测物体接近和接触压力；利用表面肌电信号（sEMG），通过改进的卡尔曼滤波器（Modified Kalman Filter）解码用户的多自由度运动意图，实现手指的比例位置控制；训练多层感知机（MLP）模型，根据传感器数据预测每个手指与物体接触所需的运动学距离，作为机器控制目标；提出了一种动态加权求和的共享控制算法，连续融合人控和机控信号，并根据手指位置动态调整权重，以增强控制精度；此外，研究招募了包括9名健康受试者和4名经桡骨截肢者在内的参与者队列，通过脆性物体转移任务、持握任务以及结合振动触觉刺激的检测响应任务（DRT）等实验范式，定量评估了抓握精度、安全性和认知负荷。

多模态指尖传感器实现零力接触检测

为了赋予仿生手类似生物指尖的感知能力，研究人员设计并制造了包含红外接近传感器（VCNL4010）和气压压力传感器（MS5637-02BA03）的印刷电路板（PCB），将其封装在硅胶中，制成可替换的指尖模块，并集成到商用假体上。

初步测试表明，这些传感器能够检测到棉花等极轻物体的落下和接触，甚至能在施加外力前就通过接近信号感知接触，验证了其检测细微交互的能力。接近传感器的检测范围约为0-1.5厘米，嵌入硅胶的压力传感器可测量高达35牛的力，并能检测不同方向的力。

机器控制以最小力抓握物体

研究人员首先开发了一种自主抓握控制器。当接近传感器检测到物体时，相应的手指会向物体移动，直到压力传感器检测到接触，然后手指保持位置。用户通过收缩手部屈肌或伸肌来启用或禁用该自主控制器。

在脆弱物体转移任务中，与基于表面肌电（sEMG）的比例控制（人控）相比，机器控制施加在物体上的标准化压力更小，任务成功率显著更高，且用户主观工作量（通过NASA任务负荷指数量表评估）更低。然而，机器控制需要更多的肌肉活动，这归因于用于切换控制的二元sEMG阈值。这证明了半自主控制的潜力，但其固定的力输出模式限制了在真实场景中的泛化能力。

用户与自主仿生手之间的共享控制

为了实现更通用的控制，研究人员提出了新颖的共享控制框架。其核心是连续、动态地融合人类控制信号（u_h）和机器控制信号（u_m），生成共享控制信号（u_s）。

机器控制器使用多层感知机（MLP）根据传感器数据预测每个手指与物体接触所需的运动学距离。人类控制器则通过改进的卡尔曼滤波器从sEMG解码用户意图。共享控制算法使用动态加权和，当机器检测到物体并移动到接触点后，用户的控制意图会被重新映射到剩余的运动范围，从而有效提高了控制的精度。这种设计使得机器负责将手指贴合物体表面，而用户则围绕接触点调节抓握力。

共享控制提高抓握精度

在脆弱物体转移任务中，研究人员在物体内嵌入了应变计来测量抓握力。

结果显示，与单纯人控相比，共享控制显著提高了任务成功率，参与者能够产生多样化的抓握力，但平均峰值力更低。共享控制平滑了抓握力曲线，机器的贡献在用户意图力不足时帮助维持了稳定的抓握。认知负荷（通过DRT测量）和体力消耗（通过sEMG平均绝对值测量）在两种控制方式下无显著差异。

共享控制提高抓握安全性

在持握球形物体的任务中，参与者需要使用涉及所有手指的球形力抓握。

结果表明，共享控制显著减少了物体掉落次数，并延长了连续持握时间。参与者倾向于用更多的手指接触球体。更重要的是，共享控制显著降低了进行该任务时的认知负荷（DRT响应时间更短），体力消耗也有降低趋势。

共享控制为上肢截肢者提高抓握安全性和精度

四位经桡骨截肢者参与了一项脆性物体持握任务。

共享控制使他们能够在不掉落或“捏碎”物体的情况下持握更长时间，并且平均抓握力更低。物体掉落次数有减少趋势。共享控制还显著降低了截肢者参与者的认知负荷（DRT响应时间缩短约120毫秒），相当于认知负担减少了24%。体力消耗在两种控制策略间无显著差异。

共享控制可推广到日常生活活动

为评估生态效度，参与者尝试了端杯喝水、转移鸡蛋、拾取纸张等日常活动。

参与者反馈，这些任务在单纯人控下极其困难甚至无法完成，而共享控制使其变得可行。定量分析显示，在端杯喝水任务中，共享控制下的成功率远高于人控。

这项研究通过将多模态传感器集成到商用假体并引入动态加权共享控制框架，显著提升了仿生手抓握的安全性、精确性，并降低了用户的认知负荷。该框架允许机器自动处理抓握的几何形状（手指贴合物体），而用户保留对抓握力的精细控制，从而在保持用户自主性的同时，分担了多自由度控制中最具认知挑战性的部分。研究在多种抓握模式（捏握、力握、三指捏握）和任务（转移、持握、日常活动）中验证了其有效性，并在一组经桡骨截肢者中证明了其翻译潜力。这项工作为开发更直观、灵巧的假体控制策略迈出了重要一步，其共享控制方法和客观认知负荷评估指标（如DRT）为未来假体研究和开发提供了有价值的参考。未来的研究方向包括长期家庭临床试验、对经验用户的影响、以及将该框架扩展到其他控制策略（如模式识别）的可行性。随着商用假体配备更多传感器，共享控制方法将变得更加相关和具有影响力，有望最终提高假体的可用性和采纳率。