人工智能驱动的软机器人手套可提高中风幸存者的手部灵活性

佛罗里达大西洋大学，佛罗里达州

对于患有中风等神经创伤的人来说，由于一侧或双侧上肢的协调性和力量下降，日常任务可能极具挑战性。这些问题刺激了机器人设备的发展，以帮助增强他们的能力。然而，这些辅助设备的刚性性质可能会带来问题，特别是对于演奏乐器等更复杂的任务。

首创的机器人手套为中风致残的钢琴演奏者伸出了“手”，并带来了希望。软体机械手外骨骼由佛罗里达大西洋大学工程与计算机科学学院的研究人员开发，利用人工智能来提高手部灵活性。

这款机器人手套结合了灵活的触觉传感器、软执行器和人工智能，是第一个“感觉”同一首歌的正确版本和错误版本之间的差异，并将这些功能结合到单手外骨骼中的产品。

资深作者、FAU 工程与计算机科学学院海洋与机械工程系教授、FAU 复杂系统和脑科学中心以及 FAU Stiles-Nicholson 脑研究所成员 Erik Engeberg 博士表示：“弹钢琴需要复杂且高度熟练的动作，而重新学习任务涉及特定动作或技能的恢复和再训练。” “我们的机器人手套由柔软、灵活的材料和传感器组成，为个人重新学习和恢复运动能力提供温和的支持和帮助。”

研究人员将特殊的传感器阵列集成到机器人手套的每个指尖中。与之前的外骨骼不同，这项新技术提供了精确的力量和指导，以恢复钢琴演奏所需的精细手指运动。机器人手套通过监测和响应用户的动作，提供实时反馈和调整，让用户更容易掌握正确的动作技巧。

为了展示机器人手套的功能，研究人员对其进行了编程，使其能够感受钢琴上演奏的著名曲子“玛丽有一只小羔羊”的正确版本和错误版本之间的差异。为了引入性能变化，他们创建了一个由 12 种不同类型的错误组成的池，这些错误可能发生在音符的开头或结尾，或者由于过早或延迟的计时错误而发生，并且持续 0.1、0.2 或 0.3 秒。十种不同的歌曲变奏由三组组成，每组三个变奏，加上正确播放且没有错误的歌曲。

为了对歌曲变化进行分类，使用指尖触觉传感器的数据对随机森林 (RF)、K 最近邻 (KNN) 和人工神经网络 (ANN) 算法进行训练。感觉这首歌的正确版本和错误版本之间的差异是通过机器人手套独立完成的，并且是由人佩戴的。比较这些算法的准确性，以对有人类受试者和没有人类受试者的情况下正确和不正确的歌曲变体进行分类。

研究结果发表在《机器人学前沿》杂志上 AI 证明，ANN 算法对人类主体的分类准确率最高，为 97.13%，在没有人类主体的情况下为 94.60%。该算法成功确定了某首歌曲的错误百分比，并识别出不合时宜的按键。

该手套采用 3D 打印聚乙烯酸支架和水凝胶铸造设计，将五个执行器集成到一个符合用户手形的可穿戴设备中。制造工艺是全新的，并且可以使用 3D 扫描技术或 CT 扫描来根据个体患者的独特解剖结构定制形状因素。

“我们的设计比大多数设计简单得多，因为所有执行器和传感器都组合到一个成型工艺中，”Engeberg 说。 “重要的是，虽然这项研究的应用程序是播放歌曲，但该方法可以应用于日常生活中的无数任务，并且该设备可以促进为每位患者定制复杂的康复计划。”

临床医生可以利用这些数据制定个性化的行动计划，以查明患者的弱点，这些弱点可能会表现为歌曲中持续错误播放的部分，并可用于确定哪些运动功能需要改进。

如需了解更多信息，请联系 Gisele Galoustian：此电子邮件地址已受到垃圾邮件机器人保护。您需要启用 JavaScript 才能查看它..