当前位置: 首页 > news >正文

仿生手的混合结构设计与神经形态触觉传感

感觉即相信:仿生手能“感知”所触之物,像人类一样抓握

某机构的工程师们开发了一种开创性的仿生手,它能够像人类一样抓握毛绒玩具、水瓶和其他日常物品,小心地调整其抓握方式以适应物体形状,避免损坏或不当操作。

该系统的混合设计在机械手中尚属首次。以往的机械手通常过于刚性或过于柔软,无法在抓取不同材质和纹理的物体时复现人类的触感。这项创新为失去手部的人们提供了一个有前景的解决方案,并可能改进机械臂与环境交互的方式。

该装置的详细信息发表在当日的《科学进展》期刊上。

“我们的目标始终是创建一个以人手的物理和感知能力为模型的仿生手——一个更自然、功能和使用感都像失去的肢体的义肢。”领导这项工作的某机构生物医学工程师表示,“我们希望为上肢缺失的人们提供安全、自由地与周围环境互动的能力,能够感受和握住他们所爱的人而无需担心伤害他们。”

该装置由某机构的神经工程与生物医学仪器实验室开发。该实验室曾在2018年创造了世界上首个具有类人痛感的电子“皮肤”。这款仿生手具有一个多指系统,采用了类橡胶聚合物和刚性的3D打印内部骨架。其三层触觉传感器受到人类皮肤层的启发,使其不仅能检测触摸,还能抓握并区分各种形状和表面纹理的物体。每个柔软的充气手指关节都可由前臂肌肉控制,而机器学习算法则用于聚焦来自人造触觉感受器的信号,以产生真实的触感。“来自手指的感官信息被转换成神经的语言,通过电神经刺激提供自然的感官反馈。”

在实验室中,这只手识别并操纵了15种日常物品,包括精致的毛绒玩具、洗碗海绵和纸板箱,以及菠萝、金属水瓶和其他更坚固的物品。在实验中,该装置相比其他方案取得了最佳性能,以99.69%的准确率成功处理物体,并根据需要调整抓力以防止意外。最好的例子是,它仅用三根手指就灵巧地抓起一个装满水的薄而脆弱的塑料杯,且没有捏瘪它。

“我们结合了刚性和软体机器人的优点来模仿人手,”研究人员说,“人手并非完全刚性或纯粹柔软——它是一个混合系统,骨骼、柔软的关节和组织协同工作。这正是我们希望我们的仿生手能达到的目标。这对机器人技术和假肢领域来说是新领域,此前尚未完全接纳这种混合技术。这意味着能够坚定地握手,或者拿起柔软物体而不用担心压坏它。”

为了帮助截肢者在抓握时重获感受物体的能力,假肢需要三个关键组件:检测环境的传感器、将该数据转换成类神经信号的系统,以及刺激神经使人能感受到感觉的方式。

受生物启发的技术使这只手能够以这种方式工作。它像大多数手部假肢一样,使用来自前臂的肌肉信号。这些信号连接大脑和神经,让手能够根据其触觉进行弯曲、松开或反应。其结果是创造了一只能够像神经系统那样直观地“知道”它正在触摸什么的机械手。

“如果你端着一杯咖啡,你怎么知道它快要掉落了?你的手掌和指尖会向大脑发送信号,提示杯子正在滑落。”某机构的生物医学工程教授解释道,“我们的系统受神经启发——它模拟了手的触觉感受器,以产生类似神经的信息,从而使假肢的‘大脑’或其计算机理解某物是热是冷、是软是硬,或者是否正从抓握中滑脱。”

虽然这项研究是可能改变假肢学和机器人技术的混合机器人技术的早期突破,但还需更多工作来完善系统。未来的改进可能包括更强的抓握力、更多的传感器以及工业级材料。

“这种混合灵活性不仅对下一代假肢至关重要,”“也是未来机械手所必需的,因为它们将不仅处理大而重的物体,还需要处理玻璃、织物或软玩具等精细材料。这就是为什么一个像人手一样设计的混合机器人如此有价值——它结合了软硬结构,就像我们的皮肤、组织和骨骼一样。”

其他作者包括来自某大学的某成员;某机构的某成员、某成员、某成员、某成员、某成员、某成员和某成员;以及来自某中心的某成员。

这项研究由某部门通过假肢与矫形器成果研究项目以及某国家科学基金会提供的“神经形态反馈:增强假肢具身性与性能的策略”资助。
更多精彩内容 请关注我的个人公众号 公众号(办公AI智能小助手)或者 我的个人博客 https://blog.qife122.com/
对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号(网络安全技术点滴分享)

公众号二维码

公众号二维码

http://www.jsqmd.com/news/65256/

相关文章:

  • P8272 [USACO22OPEN] Apple Catching G
  • 材料科学每日总结--Day13--数据挖掘
  • 原理图文档处理工具
  • P8187 [USACO22FEB] Robot Instructions S
  • 2025年3D扫描仪十大品牌权威排名:国产化替代首选TOP10
  • P8270 [USACO22OPEN] Subset Equality S
  • P6803 [CEOI 2020] 星际迷航
  • P8271 [USACO22OPEN] COW Operations S
  • P10779 BZOJ4316 小 C 的独立集
  • 街头徒手健身6倒立训练与肩部健康
  • AI语料优化新势力:助力企业抢占智能时代先机的优质服务商推荐
  • 基于MATLAB的位同步提取方法
  • Manim介绍
  • P2475 [SCOI2008] 斜堆
  • CF1970E3 Trails (Hard)
  • 双线性四边形等参单元程序(MATLAB实现)
  • 双线性四边形等参单元程序(MATLAB实现)
  • 102302141_易敏亮第四次数据采集作业
  • 李宏毅机器学习笔记41 - 实践
  • P6706 [COCI 2010/2011 #7] KUGLICE
  • P3596 [POI 2015 R3] 高速公路现代化 Highway modernization
  • AT_arc179_d [ARC179D] Portable Gate
  • AI Browser:我用 CC 做了个桌面版 Manus
  • P3576 [POI 2014] MRO-Ant colony
  • flink 1.20 物化表(Materialized Tables) - 详解
  • P4953 [USACO02FEB] Cow Cycling
  • CF700B Connecting Universities
  • 克服EMD端点效应的齿轮箱故障特征识别方法
  • 大模型算法学习
  • Linux——网络命令和常用服务 - 指南