研究人员在假肢的指尖上安装了液态金属的可伸缩触觉传感器。图片来源：AlexDolce,FloridaAtlanticUniversity

每个指尖都有超过个触觉感受器，这些感受器主要对压力做出反应。人类在操纵物体时很大程度上依赖于指尖的感觉。缺乏这种感觉对上肢截肢者而言是非常大的挑战。虽然现在有一些高科技的、灵巧的假肢，但它们都缺乏“触感”。这种感觉反馈的缺失会导致物体在无意中被假手掉落或碾碎。

为了实现更自然的假手接口感觉，佛罗里达大西洋大学(FloridaAtlanticUniversity,FAU)的研究人员率先在假手的指尖上使用液态金属将可拉伸的触觉传感器结合在一起。封装在硅基弹性体中，该技术比传统传感器具有更多优势，包括高导电性、顺应性、灵活性和延展性。这种多层次的多指触觉集成可以为假手提供更高层次的智能。

基于液态金属传感器的触觉信息集成在4个假肢手指尖

该项研究成果发表在《Sensors》杂志上，在该项研究中，研究者使用假肢上的各个指尖来区分沿不同纹理表面滑动的不同速度。四种不同的纹理有一个可变参数：脊之间的距离(thedistancebetweentheridges)。为了检测纹理和速度，研究者训练了四种机器学习算法。对于这10个表面，每一个都收集了20次试验，以测试机器学习算法区分由随机生成的4种不同纹理排列组成的10个不同复杂表面的能力。

结果表明，基于液态金属传感器的触觉信息集成在4个假肢手指尖上，可以同时区分复杂的、多纹理的表面，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。

液态金属传感器模具的微细加工

研究人员表示这项新技术可以改善假肢手的控制，并提供触觉反馈，通常称为触觉体验，让截肢者重新连接以前切断的触觉。

机器人系统配置。i-limb手连接到机械臂，LMS触觉传感器嵌入指尖。LMS触觉传感器信号使用放大板放大，并通过ROS环境记录在MATLAB/Simulink中

研究人员ErikEngeberg博士表示，"关于人造手触觉传感器的研究已经取得了重大进展，但在轻量化、低成本、坚固的多模态触觉传感器方面仍然需要进一步发展。在我们的研究中，来自每个指尖的触觉信息为更高层次的手部感知提供了基础，使之能够区分十个复杂的、多纹理的表面。仅仅使用单个指尖的局部信息是不可能实现这一点的。"

显示四种不同纹理尺寸和三种不同滑动速度的CAD模型

研究人员比较了四种不同机器学习算法的成功分类能力：K-最近邻(KNN)、支持向量机(SVM)、随机森林(RF)和神经网络(NN)。提取液态金属传感器的时频特征来训练和测试机器学习算法。

上图(a)展示了对于SVM、RF和NN算法，所有四个手指用于区分不同滑动速度的平均分类准确度结果99%。图(b)检测特定纹理上滑动接触速度的单个手指分类准确度95%。

下图(a)区分具有三种不同滑动接触速度的不同纹理的总体分类结果。(b)每种手指在三种不同滑移速度下检测正确纹理的分类精度。

研究发现神经网络通常在使用单个手指的速度和纹理检测方面表现最好，同时使用来自四个手指的4个液态金属传感器对10个不同的多纹理表面进行识别的准确率达到99.2%。

研究人员StellaBatalama博士表示，“对于失去上肢的人来说，想像其他拥有上肢的人一样无缝自然的参与到日常活动可能是一项非常大的挑战，尽管假肢的发展对于截肢者而言是有益的，可以让截肢者更好地执行日常工作，但这些假肢并没有为他们提供触觉等感官信息。他们也无法让他们用意念自然地控制假肢。而有了这项新技术，我们离为截肢者提供一种更自然的，可以“感知”并对环境做出反应的假肢装置又近了一步。”

参考

转载请注明:http://www.aideyishus.com/lkzp/133.html