设计、建模和验证一种基于计算机视觉技术的3D打印软体机器人手套，用于中风患者的远程康复训练

《iScience》：Design, modeling, and validation of a computer-vision-enabled 3D-printed soft robotic glove for stroke telerehabilitation

　　亮点：
• 轻量级（159克）3D打印的软体机器人手套结合了基于视觉的控制技术
• 有限元分析（FEM）准确预测了执行器的弯曲情况和受到的阻力
• 软质气动执行器表现出可重复的性能和耐用性
• 计算机视觉在两种光照条件下的180次试验中实现了99.44%的准确率

摘要：
中风后上肢功能的康复面临诸如服务可用性有限、成本高昂以及保险覆盖不足等挑战。本研究通过将软体机器人技术与计算机视觉相结合来解决这些问题。设计并优化了一种轻型软体机器人手套（159克），该手套配备了五个3D打印的软质气动执行器，作为手指使用。利用有限元建模（FEM）对执行器的弯曲行为和力量输出进行了优化。这些手指展示了耐用性、弯曲变形的可重复性、力量的可重复性以及可靠的握力能力。该概念验证系统包括患者佩戴的可穿戴机器人手套和治疗师使用的计算机视觉接口。治疗师通过计算机视觉接口控制由摄像头捕捉的手部动作来操作手套。该软体机器人手套和集成的计算机视觉接口在健康参与者身上进行了实验验证。这一验证证明了使用计算机视觉控制手套的可行性及其在远程康复应用中的潜力。

引言：
根据美国疾病控制与预防中心（CDC）的数据，每年约有80万人遭受中风。其中，60%至90%的中风患者在日常生活活动中受到严重影响。世界中风组织（WSO）指出，中风是全球第二大死亡原因以及导致死亡和残疾的第三大原因。医学研究人员正在开发各种康复技术，以帮助改善中风患者的行动能力并提高康复机会。

尽管医疗干预措施已经取得了进步，提高了中风患者的生存率和行动能力，但残疾率仍然很高。中风后的康复需要解决许多挑战，包括服务资源不足、成本高昂以及保险覆盖范围有限。COVID-19大流行对中风护理产生了负面影响，因为医疗服务的提供方式发生了变化。许多人因担心感染病毒而避免寻求中风治疗。此外，越来越多的患者在没有得到充分康复的情况下出院，往往接受的早期和强化康复治疗远远不足。这一趋势主要是由于医院过度拥挤和医护人员负担过重造成的。因此，在大流行期间，远程康复和传感手套被用作治疗手段，并被证明对于那些有一定上肢功能残存的患者有效。然而，需要注意的是，大约50%的中风患者存在严重的残疾。远程康复机器人技术可以有效地应对不同程度的残疾问题。因此，探索将软体机器人技术（特别是可穿戴软手套和手部外骨骼）集成到远程康复中是非常有价值的。这种集成有可能显著提升这项技术的效果。

从患者角度来看，除了文献中广泛研究的包含智能材料的刚性执行器外，另一类可用于制造康复用软体机器人手套的執行器是软质气动執行器。由于软质气动執行器重量轻、响应速度快且使用简单，它们在软体机器人技术中占据重要地位。正压或负压都可以用来激活这些執行器。负压驱动具有故障安全特性、更长的使用寿命和更高的耐用性。软质气动執行器能够实现较大的变形、较低的制造成本（例如使用低成本材料的3D打印）、出色的灵巧性以及较高的功率重量比。这些執行器被应用于微创手术、康复、老年人辅助、安全的人机交互以及脆弱材料的处理。它们可以执行弯曲、伸展、收缩和扭转等动作。基于软质气动執行器的软体机器人手套被广泛用于开发帮助手部功能障碍患者康复的辅助设备。

从治疗师的角度来看（如护士、医生、物理治疗师等），有两种方式可以检测手部动作并将其直接传达给患者佩戴的手套：一种是基于可穿戴手套的传感器方法，另一种是基于摄像头的视觉传感器方法。对于第一种方法，可以根据需要和应用选择不同的传感器来检测手部运动和位置，例如曲率传感器、角位移传感器、光纤传感器、加速度计和惯性测量单元（IMU）。虽然这些传感器能够提供准确的数据，但它们可能价格昂贵。此外，使用带传感器的手套可能导致皮肤感染，对于皮肤敏感或曾受过烧伤的人来说可能会有不良反应。高昂的成本也限制了这些技术的普及。

为了解决成本、复杂性和可及性方面的问题，需要更好的传感方法。计算机视觉中的骨骼识别技术消除了对这类传感技术的依赖，通过创建手的骨骼框架来确定指尖和手掌上的关键点，从而实现实时准确地追踪手指的运动。这项工作旨在将软体机器人技术与计算机视觉系统结合，以改善中风患者的康复效果。设计并优化了一种3D打印的可穿戴软体机器人手套，并通过有限元建模（FEM）模拟对其弯曲行为和力量输出进行了优化，以提高中风患者接受治疗的便利性，并可能降低治疗成本。整个概念验证系统由两个主要部分组成：（1）中风患者佩戴的可穿戴软体机器人手套；（2）治疗师在训练过程中使用的计算机视觉软件。该手套由气动压缩机驱动，配备五个3D打印的软质气动执行器作为手指。治疗师可以通过计算机视觉软件控制这些执行器，使手套模仿由摄像头捕捉并经过专门算法处理的治疗师手部动作。这种设置使得物理治疗可以在非实地环境中进行，实现治疗师和患者的远程互动。

相关研究：
表1比较了文献中使用的各种基于软质气动执行技术的可穿戴软体机器人手套以及本研究提出的方案。这些执行器包括纤维增强型软执行器、基于织物的软执行器、气动网络（PneuNets）、风箱型软执行器以及特别设计的软执行器。

| 执行器类型 | 制造方法 | 在压力（kPa）下的弯曲角度（°） | 在压力（kPa）下的输出力（N） | 手套重量（g） | 控制/感知方法 | 用户验证 |
|-------------------|-----------------------------------------|-----------------|---------------------|------------------|---------------------------|
| Han等人（2022） | 纤维增强型气动执行器 | 260° @ 180 kPa | 5.1 N @ 200 kPa | 自适应滑模阻抗控制/柔性传感器和数据手套 | 对1名受试者进行镜像疗法评估 |
| Heung等人（2020） | 3D打印纤维增强型气动执行器 | 直接硅胶3D打印，带有纤维包裹和扭矩补偿层 | >100° @ 160 kPa | 直接压力控制/压力和角度感知 | 对4个动作和4名健康受试者进行评估 |
| Heung等人（2019） | 纤维增强型气动执行器 | 3D打印，模具辅助硅胶浇铸，双螺旋纤维增强 | 128° @ 200 kPa | 直接气动控制/压力感知 | 对1名慢性中风患者进行ADL辅助评估 |
| Wang等人（2017） | 双向纤维增强型气动执行器 | 自动纤维缠绕，内置弹簧 | 101.1° @ 675 kPa | 4.75 N @ 675 kPa | 在假手上实验验证 |
| Yap等人（2017） | 基于织物的气动执行器 | 模具辅助硅胶浇铸，带波纹织物增强 | 200° | 9.47 N @ 120 kPa | 在中风幸存者身上进行评估 |
| Lai等人（2023） | 基于蜂窝织物的双向气动执行器 | 激光切割TPU，热压和超声波焊接 | 87.67° | 在150 kPa下对9名中风患者的手指运动进行评估 | 14.88 N @ 150 kPa |
| Ge等人（2020） | 基于织物的气动执行器 | 激光切割TPU涂层织物，热焊接 | 50.5° @ 50 kPa | 360° @ 50 kPa | 8.5 N @ 160 kPa |
| Cappello等人（2018） | 双向基于织物的气动执行器 | 激光切割和针织/编织织物执行器，带TPE气囊 | 120° @ 172.4 kPa | 15 N @ 172.4 kPa | 在1名健康参与者上验证 |
| Lim等人（2023） | 双向基于织物的气动执行器 | 热封TPU涂层织物 | 22.2 N @ 130 kPa | 使用ADL辅助在8名慢性中风患者上评估 |
| Feng等人（2021） | 基于织物的气动执行器 | TPU涂层针织织物，带干涉垫 | 13.46 N @ 150 kPa | 在1名健康志愿者上使用智能手机控制 |
| Maldonado-Mejía等人（2023） | 基于织物的双向气动执行器 | 折叠织物执行器，带TPU/TPE气囊 | 87.98 N | 在10名健康参与者上使用不同协议测试 |
| Wang等人（2019） | 分段PneuNet执行器 | 模具辅助硅胶浇铸，带乳胶气囊 | 288.5° @ 80 kPa | 0.80 N @ 80 kPa | 在100 kPa下生成阻塞力 |
| Lv等人（2025） | 特殊设计的气动执行器 | 模具辅助硅胶浇铸，带约束壳 | 260° @ 43 kPa | 6.0 N @ 43 kPa | 在5名健康参与者上使用ADL任务评估 |
| Zhu等人（2022） | PneuNet弯曲和旋转执行器 | 硅胶浇铸和失蜡成型 | 90° @ 50 kPa | 混合PID控制/柔性应变和力传感器 | 在5名四肢瘫痪患者和2名健康参与者上评估 |
| Zheng等人（2023） | 模块化PneuNet执行器 | 硅胶浇铸，带3D打印骨架 | 160° @ 100 kPa | 10.04 N @ 100 kPa | 在1名健康志愿者上评估 |
| Wang等人（2022） | 双向分段PneuNet执行器 | 模具浇铸硅胶 | 261° @ 100 kPa | 1.59 N @ 130 kPa | 在1名健康志愿者上展示 |
| Tejada等人（2024） | 改进型PneuNet执行器 | 模具浇铸硅胶，带织物/螺纹增强 | 60 kPa操作压力 | 闭环PID轨迹控制/嵌入式弯曲传感器 | 由治疗师评估并在2名健康参与者上测试 |
| Bazina等人（2024） | 正压风箱执行器 | 直接3D打印TPU 85A | 70° @ 700 kPa | 50 g/执行器 | 开环压力调节 |
| Opoku-Antwi等人（2025） | 风箱执行器（正负压） | 3D打印TPU 95A风箱，带PLA支架 | 66° @ 30 kPa | 3.82 N（弯曲）@ 30 kPa；1.34 N（伸展）@ ?30 kPa | 开环压力调节/弯曲传感器 |
| Meng等人（2023） | 弯曲风箱执行器 | 带商用风箱执行器的织物手套 | 94.27°（中指弯曲）@ 100 kPa；16.78°（中指伸展）@ ?30 kPa | 基于阈值的定位控制/弯曲传感器 | 通过康复训练在8名手部功能障碍患者上验证 |

**表1**：比较了文献中和本研究中开发的用于手部康复的可穿戴软机器人手套，从执行器类型、制造方法、弯曲性能、输出力、手套重量、控制和感知策略以及用户验证等方面进行了对比。本研究中提出的系统通过使用热塑性聚氨酯（TPU）85A进行简单的单一材料3D打印，与表1中展示的现有软机器人康复手套相比具有优势。它提供了高性能和直观的控制。该执行器在65 kPa时可实现369.68°的累积弯曲角度，并在100 kPa时分别在掌指关节（MCP）、近端指间关节（PIP）和远端指间关节（DIP）产生13.05 N、14.38 N和17.06 N的阻塞力，这些性能满足了与日常生活活动（ADLs）相关的力要求。整个手套的重量仅为159克，与许多现有系统相比具有竞争力。与依赖可穿戴传感器或肌电图（EMG）接口的传统方法不同，本研究的手套利用计算机视觉进行手势识别和动作模仿。虽然表1中的一些研究表明个别情况下具有更高的输出力、更轻的重量或更低的操作压力，但很少有康复手套能够成功地将显著的弯曲变形、ADL级别的输出力、低操作压力、简化的单一材料制造和基于计算机视觉的控制集成到单一系统中。此外，表1中列出的一些软手套存在几个缺点，例如需要模具浇铸或多步骤制造过程等繁琐的制造技术。许多设计需要相对较高的操作压力，这可能会增加执行器内部的机械应力，导致材料疲劳、耐用性降低和故障风险增加。尽管操作压力较高，但许多设计在运动范围（即弯曲角度）和输出力方面仍存在限制。

**纤维增强型软执行器**：开发了一种基于纤维增强型软气动执行器的可穿戴软康复手套，用于恢复中风患者丧失的手部功能和运动控制能力。这种可穿戴软手套在200 kPa下产生了5.1 N的力。

**3D打印软气动手指**：用于中风后康复的可穿戴软手套，每个手指需要160 kPa的输入压力才能产生超过100°的指尖弯曲角度。另一种早期的软执行器设计需要200 kPa的激活压力，以实现大约128°的MCP和PIP弯曲角度。还有一种手套基于双向执行器，但需要高达675 kPa的气动压力才能使无名指达到最大101.1°的弯曲角度和4.75 N的抓握力。这种高压是不希望的，因为这对康复应用不安全，并会影响执行器的寿命和手套的整体寿命。

**基于织物的软执行器**：开发了一种基于织物增强型软气动执行器的可穿戴软手套，其中一个执行器在120 kPa下产生了最大的9.47 N的指尖阻塞力。另一种基于织物蜂窝软气动执行器的手套用于辅助ADLs，单个手指在150 kPa下产生最大14.88 N的阻塞力。还开发了一种基于织物气动执行器的辅助手套，其拇指在50 kPa下可实现50.50°的外展范围运动，并在160 kPa下产生20.1 N的力输出。对于设计用于弯曲的手指，它们在50 kPa下可实现360°的运动范围，并分别在160 kPa下产生19.4 N、9.8 N和38.5 N的指尖阻塞力。此外，该手套可以帮助食指在140 kPa下实现92.3°的弯曲角度。

**基于完全织物的双向软执行器**：开发了一种手套，在70 kPa下抓取直径为50 mm的物体时实现了182°的运动范围和7.9 N的力。同样，还开发了一种基于针织和编织纺织执行器的可穿戴软手套，用于辅助手的开合动作，在172.40 kPa下抓取直径为76 mm的物体时产生了15 N的力。此外，还开发了一种基于双向执行器的织物软机器人手套，用于帮助慢性中风患者执行ADLs，其中一个执行器在130 kPa下产生了22.2 N的最大指尖力。

**PneuNets软执行器**：开发了一种基于分段软执行器的可穿戴软手套，其中一个手指在80 kPa下产生了288.5°的弯曲角度和0.801 N的指尖力，并在150 kPa下产生了1.60 N的抓握力。还开发了一种基于硅胶软执行器和形状记忆合金（SMA）线的双向手套，用于手部康复辅助任务，其中一个软气动手指在150 kPa下产生了250°的弯曲角度，并在200 kPa下产生了最大16.02 N的阻塞指尖力。同样，基于一种硅胶制成的柔性双向弯曲执行器开发了一种可穿戴手套，该执行器在中指处可实现最大180°的弯曲角度（压力为17.4 kPa）和最大2.35 N的尖端力量（压力为70 kPa）。此外，基于硅胶的柔性执行器在80 kPa的压力下可产生110°的弯曲角度。还有一种基于硅胶柔性气动手指的可穿戴手套，单个优化的柔性气动手指在50 kPa的压力下可实现约90°的弯曲角度和1 N的力量。另一种可穿戴柔性手套则采用了可单独控制的硅胶柔性气动关节设计，最长关节的最大弯曲角度约为160°，在100 kPa的压力下最大尖端力量为10.04 N。此外，还开发了用于康复和抓握辅助的柔性手套，这些手套采用了柔性双向执行器，其中一个执行器在100 kPa的压力下可实现261°的弯曲角度和1.59 N的力量。类似地，使用3D打印的TPU制成的柔性手指开发了一种手套，其手指在300 kPa的压力下可实现100°的弯曲角度，小指可实现最大9.1 N的弯曲力量。还有基于改进的PneuNet执行器的类似手套，可在20至60 kPa的压力范围内工作，适用于康复应用。

**波纹管式柔性执行器**
通过熔融沉积建模（FDM）3D打印技术使用柔性TPU制作了一种柔性康复手套，这种手套在700 kPa的压力下大拇指指尖的最大关节角度约为70°。同样，还开发了一种基于3D打印波纹管的可穿戴手套，这种波纹管式手指在30 kPa的压力下可实现66.0°的弯曲角度和3.82 N的弯曲力量。一种适用于多种康复训练模式的可穿戴手套采用了柔性波纹管执行器，其中中指在100 kPa的压力下可实现最大94.27°的弯曲角度，在-30 kPa的压力下可实现16.78°的伸展角度。

**基于负压和正压激活的柔性波纹管执行器**
还开发了一种用于康复的柔性手套，这种手套采用了可利用正压和负压激活的柔性波纹管执行器。内收和外展执行器在-90 kPa的压力下分别产生最大8.1 N和5.7 N的输出力量，而伸展和屈曲执行器在-90 kPa和90 kPa的压力下分别产生最大4.6 N和1.9 N的输出力量。

**特殊设计的柔性执行器**
开发了一种基于硅胶模制双向柔性机器手指的可穿戴手套，这种手套在300 kPa的压力下可实现172°的弯曲角度和2.5 N的阻挡力量。屈曲和伸展功能可以独立控制。此外，还开发了一种基于硅胶柔性执行器的手套，该手套配有约束外壳，在43 kPa的压力下可实现平均260°的弯曲角度和6.0 N的平均输出力量。另一种辅助受损手功能的柔性手套的食指和中指的PIP关节平均活动范围分别为90°和85.8°，但这些手套的输入压力未具体说明。还开发了一种带有模块化柔性气动手指的可穿戴手套，这种手套在300 kPa的压力下，50毫米和75毫米直径的圆柱物体上分别可实现22.350 N和22.575 N的抓握力量。

**设计约束**
设计的目标是制造出适合人类手指几何形状和功能需求的柔性气动执行器。为此，设计应包括控制人体手指关节（包括MCP关节、PIP关节和DIP关节）的气动腔室。在本研究中，设计由两部分组成：一部分是用于弯曲变形（即气动关节）和力量生成的垂直空腔结构（称为柔性腔室），另一部分是连接这些腔室的连接结构。为了确保手套为每个手指提供所需的运动范围，并在低压下提供足够的抓握力量，同时满足变形、力量输出、耐用性和安全性要求，设计时需遵循若干设计约束。工作压力限制在100 kPa以内，这既能实现康复所需的执行器变形和力量输出，又能保证执行器的完整性和用户安全。根据国际电工委员会（IEC）60601–1的安全标准，采取了压力控制措施以防止使用过程中产生过大的力量和超压现象。气动系统配备了主动和被动压力控制装置，包括软件控制的压力调节器和机械压力释放阀，以防止执行器压力超过100 kPa。

手套设计还需满足以下要求：
1. 手套应能实现约360°的弯曲角度，以轻松适应人手的全范围运动（ROM），通常这个范围约为260°，其中MCP关节约90°、PIP关节约100°、DIP关节约70°。
2. 柔性气动执行器的弹性应变应在25%左右，以确保气密性和耐用性。
3. 在日常活动中每根手指所需的力量通常在1.4 N至35 N之间，因此每个手指至少需要5 N的力量来支持伸展和功能性抓握训练，这对有效康复至关重要。
4. 为了实用性和佩戴的舒适性，手套重量应不超过500克。
5. 手套应采用 affordable、可定制且功能性的3D打印柔性气动手指，以便广泛普及。

**有限元模拟（FEM）**
柔性气动执行器的设计过程基于FEM模拟来优化其弯曲行为和力量输出。

**设计迭代**
- **设计迭代1**
首次设计的柔性气动执行器作为迭代设计的起点。在此设计中，连接部分和关节部分均为空心结构，形成三个关节部分之间的气动连接（见图1A和1B）。所有设计的壁厚均为0.8毫米。MCP关节、PIP关节和DIP关节部分的腔室数量分别为4个、3个和3个（见图1A）。
- **设计迭代2**
根据首次迭代的结果，关闭了关节部分之间的连接结构以防止鼓起，同时增加了每个关节的腔室数量，并保持相同的高度，从而提高了输出力量（见图2A和2B）。
- **设计迭代3**
通过增加腔室数量并在保持相同气压的情况下扩大腔室面积，进一步改善了弯曲性能（见图3B）。
- **设计迭代4**
为了进一步优化弯曲性能，在保持特定尺寸的同时增加腔室数量（见图3C），从而降低了弹性应变。

总之，这些设计迭代通过改进结构和技术参数，提高了执行器的弯曲性能和耐用性，同时保证了所需的安全性和性能。在这个设计中添加的凹槽导致基部厚度的增加。关键的变化在图4A和4B中进行了说明，具体如下：
- 基部厚度（Tb）从1.0毫米增加到1.6毫米。
- 每个关节部分中心增加了一个深度为0.6毫米的V形凹槽。
- 由于基部厚度的增加，高度（H）从15.0毫米增加到15.6毫米。

图4：设计迭代4：CAD模型和FEM变形行为结果

图4A：软式气动执行器的完整CAD模型，包括其主要尺寸，以及从左到右的MCP、PIP和DIP关节。
图4B：软式气动执行器的横截面视图，展示了其内部腔室和压力路径的设计。
图4C：FEM仿真结果，显示在100 kPa输入压力下的变形行为。具体参数为：L：110毫米，W：16毫米，H：15.6毫米，L1：29.40毫米，L2：22.40毫米，Wg：1.0毫米，Wow：1.0毫米，Hg：1.90毫米，Tw：0.80毫米，Tm：4.30毫米，Tb：1.60毫米。所有尺寸均以毫米为单位。

使用相同的网格和压力条件进行了FEM仿真。与之前的设计相比，该设计的弯曲角度没有显著改善。这种改进不足可能是由于加入V形凹槽与增加基部厚度之间的权衡所致。然而，该设计的等效弹性应变有所减小，从32.8%降低到了30.5%。

**设计迭代5**
为了减小等效弹性应变并增加弯曲角度，每个关节部分的腔室数量被最大化（见图5）。

图5：设计迭代5：CAD模型和FEM变形行为结果

图5A：软式气动执行器的完整CAD模型，包括其主要尺寸，以及从左到右的MCP、PIP和DIP关节。
图5B：软式气动执行器的横截面视图，展示了其内部腔室和压力路径的设计。
图5C：FEM仿真结果，显示在55 kPa输入压力下的变形行为。具体参数为：L：101.60毫米，W：18毫米，H：22毫米，L1：23.60毫米，L2：10毫米，Wg：0.80毫米，Wow：0.80毫米，Hg：1.90毫米，Tw：0.80毫米，Tm：3.70毫米，Tb：1.0毫米。

这种设计策略增加了腔室的表面积，因此预计增加的腔室表面积将导致更大的力生成，从而实现更大的弯曲角度。此外，由于在大约相同的长度内增加了更多的腔室，关节之间的距离（L1和L2）也减小了。该设计的关键变化在图5A和5B中进行了说明，具体如下：
- 每个腔室内的气隙（Wg）从1.0毫米减小到0.8毫米，以最大化每个关节单位长度的腔室数量。
- 腔室之间的间隙（Wow）从1.0毫米减小到0.8毫米。
- MCP、PIP和DIP关节部分的腔室数量分别增加到9个、8个和5个。
- 关节之间的距离（L1和L2）分别减小到22.40毫米、23.60毫米和10毫米。
- 去除了局部凹槽，基部厚度（Tb）保持为1.0毫米。
- 高度（H）从15.6毫米增加到22毫米。
- 宽度（W）从16毫米增加到18毫米。
- 长度（L）从110毫米减小到101.60毫米。
- 腔室尖端的圆角半径从1.3毫米减小到0.8毫米。

再次使用相同的网格和55 kPa的压力条件进行了FEM仿真。该压力被认为是适合此设计的，因为它产生的弯曲角度为310.21°，且执行器尖端没有接触到固定端（即固定支撑）。这一结果证实了增加腔室数量，从而增加表面积，可以提高执行器的弯曲性能。此外，等效弹性应变降低到了26.8%。

**设计迭代6**
基于设计迭代5，观察到每个关节的侧壁在左右两侧都出现了较大的凸起。每个关节部分的第一壁和最后一壁的凸起对力生成或弯曲运动没有贡献。换句话说，这些外围壁的凸起导致了通过弹性变形的能量损失。为了更好地利用这种能量并在相同的55 kPa压力下实现更大的弯曲角度，这些关键壁的厚度被增加了（见图6B）。

图6：设计迭代6：CAD模型和FEM变形行为结果

图6A：软式气动执行器的完整CAD模型，包括其主要尺寸，以及从左到右的MCP、PIP和DIP关节。
图6B：软式气动执行器的横截面视图，展示了其内部腔室和压力路径的设计。
图6C：FEM仿真结果，显示在55 kPa输入压力下的变形行为。具体参数为：L：104毫米，W：18毫米，H：22毫米，L1：21.20毫米，L2：7.60毫米，Wg：0.80毫米，Wow：0.80毫米，Hg：1.90毫米，Tw：0.80毫米，Tm：3.70毫米，Tb：1.0毫米。

该设计的关键变化在图6A和6B中进行了说明，具体如下：
- 每个关节部分最外层壁的厚度从0.8毫米增加到2毫米。
- 由于壁厚的增加，模型长度从101.60毫米增加到104毫米。

使用相同的网格和55 kPa的压力条件进行了FEM仿真。如图6C所示，该模型的弯曲角度显著增加，从310.21°增加到了376.95°。然而，这种改进伴随着等效弹性应变的轻微增加，从26.80%增加到了29.27%。根据这些结果，我们得出结论：该模型可以在不严重影响应变的情况下实现完整的运动范围（即超过360度的旋转），同时保持相对较低的操作压力。

为了实现3D打印软执行器的实际尺寸（挤压比设置为115%以确保气密性），需要对壁厚进行进一步调整，以适应变形和阻塞力仿真。壁厚（Tw）从0.80毫米增加到0.92毫米，基部壁厚（Tb）从1.0毫米增加到1.15毫米。这些调整反映了3D打印软执行器的实际尺寸。

在进行了这些调整后，再次进行了仿真以考虑修改后的尺寸。该执行器在65 kPa压力下产生了374.02°的弯曲角度（见图7A）。等效弹性应变略有增加，为29.95%。从55 kPa增加到65 kPa的压力是预期的，因为较厚的墙壁需要更大的压力来达到大致相同的弯曲角度。这种尺寸调整使得FEM预测的弯曲角度与实验测得的弯曲角度（见图8）之间的比较变得有效。

图7：在65 kPa压力下的FEM与实验弯曲变形行为对比

图7A：FEM弯曲变形行为。
图7B：实验弯曲变形行为。
图8：当关节尖端被固定时，在100 kPa压力下的阻塞力FEM变形行为

图8A：MCP关节的变形行为。
图8B：PID关节的变形行为。
图8C：DIP关节的变形行为。

图7显示了在65 kPa压力下，调整尺寸后的软式气动执行器的FEM和实验变形行为。弯曲角度是通过三次弯曲变形试验的平均值获得的（见图9A）。实验原型的变形行为与FEM仿真结果非常吻合。在65 kPa压力下，平均实验弯曲角度为369.68°，标准偏差很小，反映了弯曲角度的可重复性（见图9A）。FEM和实验弯曲角度之间的差异为4.34°，差异仅为1.17%。这种微小的差异可以归因于FEM软执行器与实验软执行器在壁厚上的细微差异。尽管尺寸已经调整，但由于3D打印的微小瑕疵和公差，仍可能产生轻微的差异。

图9：根据施加的压力，软手指的尖端弯曲角度和阻塞力输出

图9A：软手指的尖端平均弯曲角度与施加压力的关系。弯曲角度是通过三次弯曲变形试验的平均值获得的。
图9B：三个不同样本的MCP关节的平均阻塞力与施加压力的关系。
图9C：三个不同样本的PIP关节的平均阻塞力与施加压力的关系。
图9D：三个不同样本的DIP关节的平均阻塞力与施加压力的关系。

图9显示了在65 kPa压力下，调整尺寸后的FEM和实验获得的尖端弯曲角度。弯曲角度是通过三次弯曲变形试验的平均值得到的。实验原型的弯曲行为与FEM仿真结果非常吻合。在65 kPa压力下，实验平均弯曲角度为369.68°，标准偏差很小，反映了弯曲角度的可重复性。FEM和实验之间的差异为4.34°，差异仅为1.17%。这种微小差异可以归因于FEM软执行器与实验软执行器在壁厚上的细微差异。尽管进行了尺寸调整，但由于3D打印的微小缺陷和公差，仍可能产生轻微的差异。

图10：根据施加的压力，软手指的尖端平均弯曲角度和阻塞力输出

图10A：单个手指的尖端平均弯曲角度与施加压力的关系。弯曲角度是通过三次弯曲变形试验的平均值获得的。
图10B：三个不同样本的MCP关节的平均阻塞力与施加压力的关系。
图10C：三个不同样本的PIP关节的平均阻塞力与施加压力的关系。
图10D：三个不同样本的DIP关节的平均阻塞力与施加压力的关系。

图10显示了在60 kPa至65 kPa的压力范围内，施加压力与尖端弯曲角度之间的线性关系。在每个压力水平上，FEM和实验结果之间有良好的一致性，证明了FEM仿真的有效性。

**FEM与实验关节输出力**
每个关节部分都单独分析其在尖端被阻塞时的输出力（即沿宽度的方向）。如图8所示，关节在其尖端沿边缘被固定，Z方向自由移动，但在X和Y方向受到限制。每个关节的底部都应用了固定支撑边界条件，所有内壁都施加了输入压力。这项分析的目的是确认每个关节都能提供所需的最低5牛顿的力。仿真涉及以10 kPa的增量压力激活关节，最高达到100 kPa。虽然执行器在65 kPa下可以产生369.68°的平均实验尖端弯曲角度，但需要注意的是，在实际应用中（例如患者使用手套抓取物体时，手指可能无法完全弯曲，但可以增加压力以提高手套的抓握辅助力），因此测量较高压力下的阻塞力至关重要。

为了确定阻塞力，使用相同的3D打印设置和条件制造了每个关节的三个样本，以考虑3D打印样品之间的差异。对于每个测试的关节，进行了三次测量试验以评估单个样本的可重复性。图10清楚地表明，力量是可重复的，3D打印的关节在尺寸精度上表现一致且可靠。这表明3D打印关节的尺寸是稳定的。

在100 kPa的压力下，MCP、PIP和DIP关节产生的FEM力分别为12.05牛顿、12.81牛顿和15.31牛顿。在相同的100 kPa压力下，三个样本的MCP、PIP和DIP关节实验产生的最大平均力分别为13.05牛顿、14.38牛顿和17.06牛顿。实验力和FEM力在100 kPa时的差异分别为7.66%、10.92％和10.26％。这表明FEM仿真可以准确地预测关节的阻塞力输出，且差异非常合理。因此，这导致了一个高效且可靠的设计过程，该过程依赖于精确的有限元分析（FEM）模拟。关节产生的力远高于所需的5牛顿阈值，并且符合辅助生活活动（ADLs）的力需求。因此，手套的手指能够产生可靠的力输出，使其适合作为手部康复的可穿戴设备。图9B-9D分别展示了对于同一关节的三个不同样品，MCP（掌指关节）、PIP（中指关节）和DIP（无名指关节）的FEM和实验获得的尖端受阻力输出与施加的输入压力之间的关系。压力以10千帕的步长逐渐增加，直到100千帕。输入压力与输出力之间存在线性关系，这对于简单直接的控制应用至关重要。

### 可重复性、可靠性、持力能力、寿命和耐用性

#### 力的可重复性和持力能力
每个关节被反复加压800秒，总共激活200次循环。在每次循环中，压力以100千帕施加2秒，然后释放2秒，同时测量尖端受阻力。如图10A所示，MCP、PIP和DIP关节表现出了非常可靠和可重复的性能。

**图10 MCP、PIP和DIP关节的力可重复性和持力能力**
- (A) MCP、PIP和DIP关节在200次循环中的力可重复性。每个关节被反复加压800秒，总共激活200次循环。在每次循环中，压力以100千帕施加2秒，然后释放2秒，同时测量尖端受阻力。
- (B) MCP、PIP和DIP关节在前10次循环中的力可重复性。
- (C) MCP、PIP和DIP关节在最后10次循环中的力可重复性。
- (D) 在100千帕的施加压力下，MCP、PIP和DIP关节的1分钟持力能力。

图10B显示了每个关节的前10次循环，而图10C显示了最后10次循环。显然，力在三次不同样品中保持可重复性、不变且与平均受阻力一致。这一结果不仅反映了在相同施加压力下力输出的一致性，还反映了关节的耐用性，即它们的性能没有变化。

此外，每个关节在相同的压力输入下被激活1分钟，以评估其持力能力。图10D显示，在100千帕的施加压力下，MCP、PIP和DIP关节提供了恒定的力，这与其他力实验的结果一致。这一结果确认了关节在相同的施加压力下能够保持其力输出。

#### 寿命和耐用性
一个MCP关节被反复加压总共2000秒，完成1000次循环。在每次循环中，压力以65千帕施加1秒，然后释放1秒，允许关节自由弯曲。在完成1000次循环后，MCP关节仍然保持气密性，没有压力泄漏。然后对该关节的受阻力进行了重新测试，在100千帕的施加压力下，三次试验的平均输出受阻力为13.05牛顿±0.000牛顿。

在类似的实验中，另一个MCP关节也被加压2000秒，同样完成了1000次循环。在这种情况下，压力以100千帕施加1秒，然后释放1秒，允许关节自由弯曲。在1000次循环后，这个MCP关节也保持气密性，没有压力泄漏。重新测试其受阻力，在100千帕的施加压力下，三次试验的平均输出为13.01牛顿±0.006牛顿。这些结果确认了关节在65千帕和100千帕下都保持气密性，并且其力性能保持一致。

对MCP关节的FEM模拟显示，在65千帕下其末端可以自由弯曲，相应的弹性应变分别为30.23%和100千帕下的41.23%。此外，MCP关节受阻力的FEM模拟显示在100千帕下的弹性应变为33.53%。这些应变水平高于第6次设计迭代调整尺寸后最终最优设计中获得的29.95%的弹性应变。因此，这确认了29.95%的应变水平可以确保完整执行器的长时间寿命而不会出现性能下降。

### 软质机器人手套组件、重量和测试
如图11A所示，一个软质机器人手套使用了五个独立的气密软气动手柄构建。这些软气动手指连接到一个易于用户或患者穿戴的可穿戴手套上。此外，如图11B所示，软质机器人手套的总重量为159克，远低于500克的阈值。这种轻量化设计确保了用户或患者在长时间佩戴手套时可以有舒适体验。此外，组装好的手套通过随机选择的预定义手势进行了100次连续循环的测试（视频S1和S2）。这些测试涉及五个气动手指的各种组合的重复激活，提供了对组装手套在重复操作下的初步系统级评估。

**图11 3D打印的可穿戴软质机器人手套组件和总重量**
- (A) 软质机器人可穿戴手套组件。
- (B) 软质机器人可穿戴手套的总重量。
- 视频（18.33 MB）视频S1：计算机视觉驱动的3D打印软质机器人手套，用于卒中远程康复。
- 视频（23.24 MB）视频S2：手部手势的可重复性。

#### 计算机视觉
对于计算机视觉应用，使用了现有的手部识别模型，包括CVZone和MediaPipe库，开发了一个基于骨架的手部识别程序，帧率为每秒20帧。这些库能够创建手的骨架框架，如图12所示。该框架提供了手上各个关键点的位置，例如指尖和手掌，以x-y坐标的形式表示。选择这种实现是因为其简单性、低成本以及与标准笔记本电脑相兼容。此外，选择这种手部追踪流程是因为它使用标准RGB相机实现实时、无标记的手部追踪，无需可穿戴传感器或外部标记。

**图12 基于骨架的手部识别节点图**
**图13**展示了软质机器人手套系统的整体架构，详细说明了从基于相机的手部追踪到气动激活的完整处理链。笔记本电脑应用程序负责多个功能，包括图像采集、手部特征点检测、指尖到手掌的距离计算、校准捕获、视觉范围反馈以及消息队列遥测传输（MQTT）。同时，Raspberry Pi（Raspberry Pi Holdings plc，英国）接收传输的距离值，应用校准后的归一化函数，生成阀门的指令，并控制3D打印手指的气动激活。

该架构包括笔记本电脑应用程序、MQTT通信层以及硬件控制和激活模块。

**手势到角度的转换**
手上的每个手指的位置被转换成角度。CVZone库提供了计算手上各个节点之间距离的函数。测量每个指尖到手掌的距离，然后使用映射函数将这些距离转换成角度。

**初始硬件部署和测试**
在PyCharm（JetBrains s.r.o.，捷克共和国）中开发了一个算法，利用OpenCV和CVZone库。该代码在检测到用户的手时访问相机并绘制用户手部的框架。计算每个指尖到手掌的距离，并将其存储在一个五元素数组中，每个手指对应一个元素。从手部追踪算法获得的指尖到手掌的距离被转换成归一化的执行器指令。该指令控制手套的气动激活。系统不是直接计算解剖学关节角度，而是将检测到的手指运动转换为0到100范围内的控制值。这些值随后发送到阀门，以调节供应给每个相应3D打印手指的压力。

**校准过程**
映射函数需要距离的最小值和最大值以便相应地映射角度。因此，需要一个校准阶段。用户需要完成两个校准步骤：一个是在相机前打开手，另一个是在相机前关闭手。每个步骤大约需要13秒，总共大约26秒，不过具体持续时间可能因用户的硬件而异。这种变化是因为应用程序在每个校准步骤时向笔记本电脑发送指令以激活相机。一旦校准完成，在正常使用过程中就不需要重新校准。

在校准过程中，每个指尖到手掌的距离值存储在“max_distance”和“min_distance”定义的数组中。这些数组发送到微控制器或Raspberry Pi，作为映射的最大值和最小值。这两个校准数组定义了每个手指的特定于用户的运动范围，并补偿了手部大小、相机位置和工作距离的差异。

在操作过程中，每个手指到手掌的当前距离被限制在其校准的最小值和最大值范围内。然后使用以下公式将此距离映射成归一化命令：
$$
u_i = \frac{d_i - d_{min,i}}{d_{max,i} - d_{min,i}} \times 100
$$
其中，$d_i$是手指i的当前指尖到手掌的距离，$d_{min,i}$是校准后的闭合手距离，$d_{max,i}$是校准后的张开手距离，$u_i$是归一化的阀门指令。

接近0的值对应于闭合手的校准位置，而接近100的值对应于张开手的校准位置。这个归一化值被传输到气动阀门，以调节供应给3D打印手指执行器的压力。实验测试表明，3D打印手指的响应与提供的压力呈线性相关。因此，归一化的阀门指令建立了用户检测到的手指运动与手套激活响应之间的比例关系。

然而，通过这种方法发现，手与相机之间的距离直接影响从指尖到手掌的距离测量值。例如，完全张开的手离相机20厘米时，得到的距离值会比完全张开的手离相机40厘米时更大。为了解决这个问题，在主PyCharm代码中实现了一个算法，该算法提供了从相机到检测到的手的距离。然而，指尖到手掌的距离值与手到相机的距离之间的关系并不是线性的。因此，为了计算和更新距离值，需要复杂的计算。因此，采用了一个用户友好的简单解决方案，即代码在校准期间会存储手到相机的距离。然后在代码的主要阶段，用户会在屏幕上不断收到一个指示器，帮助他们将手保持在校准距离的10%范围内（视频S1）。当手超出这个范围时，屏幕上会出现一个可视框，表示结果可能不准确。相反，当手部在校准范围内时，盒子会变成绿色，表明手部位于校准的操作范围内（视频S1和S2）。这只手套本身很轻便，这在使用较长一段时间后能够提高舒适度，使其适用于康复治疗。

**研究的局限性**
本研究的主要局限性在于，所提出的康复系统仅作为概念验证进行了评估，并未在临床环境中或针对中风患者进行测试，而仅使用了健康的参与者作为目标最终用户。因此，尽管研究结果展示了这种软体机械手套和基于视觉的控制框架的技术可行性，但它们并不能提供关于临床效果、治疗效果或患者适用性的证据。因此，这些结果应该被解读为证明所提出系统的可行性，而不是其临床有效性，后者需要进一步的临床评估。此外，该系统在实际远程康复应用中的有效性仍需通过未来涉及位于不同地理区域的治疗师和患者的研究来验证。另外，计算机视觉验证仅限于在实验室环境中、两种照明条件下的五名健康参与者。其他可能影响识别性能的因素，包括参与者年龄、手部尺寸、肤色、相机位置、工作距离、观看角度、遮挡、运动模糊、背景条件以及相机硬件等，并未系统地进行变化。未来的研究应在更广泛的环境和成像条件下，对更大范围和更多样化的参与者群体进行系统评估。

当前概念验证原型的另一个局限性在于，单向3D打印的气动软执行器主要辅助手指弯曲，而不主动生成拇指对立或手指伸展动作。未来的设计将加入这些额外的动作，以实现更广泛的抓取和康复练习。

**对可穿戴软手套的几项改进建议**：
- **控制模块和便携性**：重新设计一个控制模块，整合所有组件，包括更小、更轻便的移动式压缩机或泵、电源（例如电池）、电子控制器（如Raspberry Pi）、气动阀门和电子电路，以减少体积并提高移动性和便携性。虽然手套本身很轻，但由于压缩机较重，整个系统并不便于携带。
- **压力调节器和气动控制阀**：用压力调节器和比例阀替换现有的开关阀，可以实现软执行器在整个运动范围内的操作，从而实现更灵活的系统控制。
- **集成力传感器**：集成力传感器以测量接触力，这对于恢复触觉至关重要。
- **定制印刷电路板（PCB）设计**：开发定制的PCB可以显著提升电子系统的耐用性、紧凑性和可靠性。
- **改进服务器连接性以增强计算机视觉性能**：升级服务器基础设施可以提高计算机视觉程序的实时性能。此外，加入用户轮廓和登录功能将为每个用户提供服务器上的个性化目录，从而提高系统的可扩展性。
- **优化计算机视觉程序的准确性**：在每次计算机视觉会话开始时细化手部校准过程，以提高准确性。
- **个性化用户进度跟踪**：通过不仅安装力传感器，还安装弯曲角度传感器，可以跟踪和记录患者的手部活动情况。这些数据可以帮助定制物理治疗会话，以满足每个用户的个性化需求。

**资源获取**
如需进一步的信息和资源，请联系主要联系人Charbel Tawk ([e-mail])。

**材料可用性**
本研究没有产生新的独特试剂。

**数据和代码的可用性**
所有数据已存放在Zenodo上，并在发布之日起公开可用：
https://doi.org/10.5281/zenodo.22307035
数据包括用于生成图17和表2、3的原始试验级别的计算机视觉验证数据、计算机视觉校准/GUI和Raspberry Pi代码、FEM仿真文件、FEM实验结果以及描述支持材料组织的README文件。
所有原始代码也已存放在Zenodo上，并在发布之日起公开可用：
https://doi.org/10.5281/zenodo.22307035
如需重新分析本文中报告的数据，可向主要联系人请求相关资料。

**致谢**
本研究得到了黎巴嫩美国大学工程学院和黎巴嫩美国大学校长内部研究基金PIRF0043的支持。

**作者贡献**
概念设计：C.T.、G.S.、G.A.、J.E. 和 R.A.
方法学：C.T.、G.S.、G.A.、J.E. 和 R.A.
软件开发：C.T.、G.S.、G.A.、J.E. 和 R.A.
验证：C.T.、G.S.、G.A.、J.E. 和 R.A.
初稿撰写：C.T.、G.S.、G.A.、J.E. 和 R.A.
修订和编辑：C.T.
可视化：C.T.、G.S.、G.A.、J.E. 和 R.A.
项目管理：C.T.
所有作者均已阅读并同意发布的稿件版本。

**利益声明**
作者声明没有利益冲突。

**在稿件准备过程中使用生成式AI和AI辅助技术的情况**
在准备这项工作时，作者Charbel Tawk使用了Grammarly来辅助英语编辑和校对。使用该工具或服务后，作者根据需要对内容进行了审阅和编辑，并对发布的所有内容负全责。

**关键资源表**
**试剂或资源**
| 名称 | 来源 | 描述 | 可用性 |
|-------------------|------------------|---------------------------------------------------------|----------------------|
| ANSYS (2024 R2) (FEM仿真) | ANSYS Inc. (美国) | | |
| SolidWorks 2024 (3D CAD) | Dassault Systèmes (法国) | | |
| ideaMaker 5.2.4 | Raise 3D Technologies (中国) | | |
| National Instruments LabVIEW myRIO (2021) | National Instruments (美国) | | |
| PyCharm (Python计算机视觉算法) | JetBrains (捷克共和国) | | |
| Athony IDE (版本3.1.1) | Raspberry Pi ( Estonia) | | |
| PCE-DFG N (版本3.1.3.0) | PCE Instruments (德国) | | |
| AMATLAB (MATLAB R2026a) | MathWorks (美国) | | |
| FDM 3D打印机 (Raise3D Pro2 Plus) | Raise 3D Technologies (中国) | | |
| 空气压缩机 (Planet-Air GmbH, Silver-Line Model L-S50-25) | Planet-Air GmbH (德国) | | |
| 电控气动比例压力调节器 (ITV2501) | SMC Corp. (美国) | | |
| Raspberry Pi 4 Model B | Raspberry Pi Holdings (英国) | | |
| 压力调节器控制 (NI myRIO 1900) | National Instruments (美国) | | |
| 力计 (PCE-PFG 500, 分辨率0.1 N, 精度0.3% FS) | PCE Instruments (德国) | | |
| 数字秤 (T-Scale SW Series, SW-II-30-D) | TScale Electronics (中国) | | |
| 调节式线性直流电源 (ATTEN APS3003S) | Atten Electronics (中国) | | |
| 数字照度计 (Extech LT10 Pocket Series) | Extech Instruments (美国) | | |
| 3.7V锂离子电池 (400 mAh, 1.48Wh) | Alibaba (阿里巴巴集团) | | |
| 6V 2位置3通道空气阀 | DFRobot (美国) | | |
| NPN晶体管 (2N2222A) | ON Semiconductor (美国) | | |
| TowerPro伺服电机 | Torq Pro & Tower Pro (台湾) | | |
| 硅胶管 (直径4 mm) | 当地黎巴嫩药店 (Byblos) | | |
| ATPU 85A (NinjaFlex Midnight Black) | NinjaTek (美国) | | |

**实验数据、FEM文件、计算机视觉校准/GUI、Raspberry Pi代码和支持材料**
这些资料均可在Zenodo上找到：
https://doi.org/10.5281/zenodo.22307035

**实验模型和研究参与者详情**
五名健康的黎巴嫩男性（年龄分别为23岁、24岁、24岁、25岁和25岁）以及两名健康的黎巴嫩女性（年龄分别为19岁和32岁）自愿参与了测试，并提供了知情同意。

**CAD建模、材料和材料模型**
软体气动执行器和关节使用CAD软件（SolidWorks, Dassault Systèmes, France）进行建模。
用于制造软体气动执行器的材料是通过FDM 3D打印的TPU（NinjaFlex，NinjaTek，美国），其Shore硬度为85A。
在ANSYS Workbench（ANSYS Inc., 美国）中，使用TPU的实验应力-应变数据实现了5参数Mooney-Rivlin超弹性材料模型。

**FEM仿真**
FEM仿实在ANSYS Workbench中使用“静态结构分析”进行。进行了六次设计迭代，以达到理想的弯曲变形和力输出效果。
软执行器的CAD模型使用了更高阶的四面体元素进行网格划分，元素尺寸为1.7毫米。应用了尺寸调整函数以达到这一特定尺寸。网格设计考虑到了超弹性材料的大变形特性。通过每次仿真将网格尺寸减小0.1毫米，直到两次连续仿真之间的误差（无论是变形还是受阻力）低于1%。初始网格尺寸为2.2毫米。在所有仿真中启用了“大变形”选项，以考虑软执行器表现出的显著变形。此外，定义了所有接触表面的摩擦接触对，并将接触行为设置为“对称”，以减少穿透现象，从而获得更准确和真实的仿真结果。对于接触对使用了“增强拉格朗日”公式，因为它适用于涉及摩擦和自接触的场景。在执行器基底应用了“固定支撑”边界条件，并对所有内表面施加了正压力。

**表征硬件和软件**
压力由空气压缩机（Planet-Air GmbH, Silver-Line Model L-S50-25, 德国）提供，并通过电控气动比例压力调节器（ITV2501, SMC Corp., 美国）进行调节，该调节器由调节式线性直流电源（ATTEN APS3003S, Atten Electronics Co., 中国）供电。使用NI myRIO 1900（National Instruments Corp., 美国）通过LabVIEW（National Instruments Corp., 美国）中的算法实时控制气动调节器。从每个压力水平下捕获的快照中提取了指尖弯曲角度。通过将每个执行器的一端固定并使其尖端抵靠在力计（PCE-PFG 500, 分辨率0.1 N, 精度0.3% FS, PCE Instruments, 德国）上来获取受阻力。力数据使用专用的PCE-DFG N软件（PCE Instruments, 德国）实时收集。手套重量使用数字秤（T-Scale SW Series, SW-II-30-D, TScale Electronics Manufacturing Co., China）测量。照明水平使用数字照度计（Extech LT10 Pocket Series, Extech Instruments, 美国）测量。

**软体气动执行器的制造**
执行器使用商用FDM 3D打印机（Raise3D Pro2 Plus, Raise 3D Technologies, China）制造。3D CAD模型使用ideaMaker（Raise 3D Technologies, China）中的“Ultra High-Quality Pro 2 Plus - Elastic”轮廓进行切片。经过多次打印迭代后，调整了各种设置以获得气密性能良好的软气动执行器。喷嘴温度保持在235°C，挤压比例设置为115%。为确保气密性，启用了“避免穿过孔洞”的选项，防止喷嘴在打印过程中移动超出边界；层高设置为0.05毫米。打印速度设置为15毫米/秒，内壳厚度设置为10毫米。此外，在开始打印前用简单的裙边替换了边缘，以确保材料正确流动。

**气动操作和初始测试**
这款可穿戴的软体机械手套使用与表征实验相同的空气压缩机进行气动操作。每个手指的压力由单独的6V、2位置、3通道空气阀（DFRobot, 美国）控制，这些阀门由四个3.7V锂离子电池（400 mAh, 1.48Wh, Alibaba, Alibaba Group Holding Limited, 中国）供电。两个电池串联连接以向阀门提供7.2V电压。使用Raspberry Pi 4 Model B（Raspberry Pi Holdings plc, 英国）通过NPN晶体管（2N2222A, ON Semiconductor Corporation, 美国）控制阀门的开闭。此外，使用4毫米硅胶管（本地购买）将软气动手指连接到阀门，并将阀门连接到空气压缩机。

**初始计算机视觉测试**
首次计算机视觉测试使用了在PyCharm中开发的算法，并集成了OpenCV和CVZone库。该算法与Arduino Uno R3和五个微型伺服电机（Torq Pro & Tower Pro, Taiwan）接口。此外，在Raspberry Pi上使用了Thonny IDE（Aivar Annamaa, Tartu大学, 爱沙尼亚）来促进服务器通信，并控制Raspberry Pi的逻辑引脚，通过NPN晶体管实现气动阀门的电子操作。

**定量和统计分析**
使用MATLAB（MathWorks Inc., 美国）软件进行了统计分析。计算了不同类型的3D打印MCP关节（n = 3）、PIP关节（n = 3）和DIP关节（n = 3）的尖端受阻力的平均值和标准偏差。尖端受阻力的结果如图9B–9D所示。此外，对于每一个接头，都进行了三次试验以测量实验过程中的接触力，从而计算平均值和标准偏差。对于整个执行器，也进行了三次试验以测量其端部的弯曲角度，并计算平均值和标准偏差。弯曲测试的结果如图9A所示。在每种照明条件下，记录了五次光照强度测量数据，以计算平均值和标准偏差，涵盖明亮光照条件和黑暗光照条件。在计算机视觉验证中，整体手势识别准确率是根据所有参与者在所有照明条件和重复试验（即180次试验）中正确识别出的手势总数来计算的。另外，每种照明条件下的识别准确率也是独立计算的，基于在该特定照明条件下正确识别出的手势总数（每种照明条件下的试验次数为90次）。