研究人员将装有可拉伸触觉传感器的单个指尖与附着在机械臂上的假肢上的液态金属结合在一起。信用:佛罗里达大西洋大学的Alex Dolce每个指尖都有3000多个触觉感受器，这些感受器主要对压力做出反应。人类在操纵物体时，非常依赖指尖的感觉。这种感觉的缺乏给上肢截肢者带来了独特的挑战。虽然现在有几种高科技、灵巧的假肢——它们都缺乏“触觉”。缺乏这种感官反馈会导致物体无意中被假手掉落或压碎。为了实现更自然的假手界面，佛罗里达大西洋大学工程和计算机科学学院的研究人员及其合作者首次在假手指尖上加入了使用液态金属的可拉伸触觉传感器。该技术封装在硅基弹性体中，提供了优于传统传感器的关键优势，包括高导电性、柔顺性、柔韧性和可拉伸性。这种分层的多手指触觉集成可以为假手提供更高水平的智能。
发表在《传感器》杂志上的这项研究中，研究人员使用假体上的单个指尖来区分沿着不同纹理表面的不同滑动速度。四种不同的纹理有一个可变参数:脊之间的距离。为了检测纹理和速度，研究人员训练了四种机器学习算法。对于十个表面中的每一个，收集了20次试验来测试机器学习算法区分由四种不同纹理的随机生成排列组成的十个不同复杂表面的能力。
学分:佛罗里达大西洋大学结果显示，来自四个假手finge rtips上的液态金属传感器的触觉信息的整合同时区分了复杂的多纹理表面——展示了一种新的层次智能形式。机器学习算法能够以高精度区分每个手指的所有速度。这项新技术可以改善假手的控制，并为截肢者提供触觉反馈，更常见的是触摸体验，以重新连接以前切断的触觉。
资深作者、海洋与机械工程系副教授、FAU·斯泰尔斯-尼科尔森大脑研究所和FAU传感与嵌入式网络系统工程研究所(I-SENSE)成员埃里克·恩格伯格博士说:“在假手触觉传感器方面已经进行了大量研究，但仍需要在轻量级、低成本、鲁棒的多模态触觉传感器方面取得进展。”他与第一作者、博士生莫埃德·阿卜德一起进行了这项研究。“在我们的研究中，来自所有单个指尖的触觉信息为更高水平的手部感知提供了基础，能够区分十个复杂的、多纹理的表面，而使用单个指尖的纯局部信息是不可能的。我们相信，这些触觉数据在未来可能会有所帮助，通过先进的触觉显示为假手用户提供更真实的体验，这可能会丰富截肢者-假肢的界面，并防止截肢者放弃他们的假手。”
研究人员比较了四种不同的机器学习算法的成功分类能力:K近邻(KNN)、支持向量机(SVM)、随机森林(射频)和神经网络(神经网络)。提取液态金属传感器的时频特征，对机器学习算法进行训练和测试。神经网络通常在单个手指的速度和纹理检测方面表现最好，并且具有99.2%的准确率来区分使用来自四个手指的四个液态金属传感器的十个不同的多纹理表面。
工程和计算机科学学院院长、博士斯特拉·巴塔拉马(Stella Batalama)说:“对于一个试图无缝参与常规活动的人来说，失去一条上肢可能是一项艰巨的挑战。“尽管假肢的进步是有益的，使截肢者能够更好地履行日常职责，但它们不能为他们提供触觉等感官信息。他们也无法用意念自然控制假肢。有了我们研究团队的这项最新技术，我们离为世界各地的人们提供一种更自然的假体装置更近了一步，这种假体装置能够‘感觉’并对其环境做出反应。”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
