假手可以通过应用程序或前臂肌肉中的传感器进行操作。慕尼黑工业大学（TUM）的一项新研究表明，更好地了解前臂的肌肉活动模式有助于更直观、更自然地控制假肢。这需要一个由128个传感器和基于人工智能的技术组成的网络
近几十年来的技术发展已经导致了先进的假手。它们可以使因事故或疾病而失去一只手的截肢者恢复一些活动。其中一些现代假肢允许独立的手指运动和手腕旋转。这些动作可以通过智能手机应用程序或使用前臂的肌肉信号进行选择，通常由两个传感器检测
例如，手腕屈肌的激活可以用来将手指合在一起握笔。如果手腕伸肌收缩，手指会重新张开，手会松开笔。相同的方法可以控制通过同时激活屈肌和伸肌群选择的不同手指运动。TUM的康复和辅助机器人教授Cristina Piazza说：“这些都是患者在康复过程中必须学习的动作。”
现在，Piazza教授的研究团队已经表明，通过使用“协同原理”并借助前臂上的128个传感器，人工智能可以使患者更直观地控制先进的假手。这项工作发表在2023年国际康复机器人会议（ICORR）上。协同原理：大脑激活一池肌肉细胞
协同原理是什么？Piazza教授说：“从神经科学研究中可以看出，在运动学和肌肉激活的实验过程中都会观察到重复模式。”。这些模式可以被解释为人类大脑处理生物系统复杂性的方式。这意味着大脑激活了前臂的肌肉细胞池
这是直观运动所必需的：例如，当控制假手抓笔时，会发生多个步骤。首先，患者根据抓握位置将假手定向，慢慢地将手指移动到一起，然后抓住笔。我们的目标是让这些动作变得越来越流畅，这样就很难注意到许多单独的动作构成了一个整体过程
新方法的实验已经表明，传统的控制方法很快就会被更先进的策略所取代。为了研究中枢神经系统水平上发生的事情，研究人员正在制作两张胶片：一张用于前臂内侧，一张用于外侧。每个传感器最多包含64个传感器，用于检测肌肉激活。该方法还估计了脊髓运动神经元传递的电信号
目前的研究集中在手腕和整个手的运动上。这表明大多数人（十分之八）更喜欢用直观的方式移动手腕和手。这也是更有效的方法。但十分之二的人学会了以不那么直观的方式处理问题，最终变得更加精确。Capsi Morales博士解释道：“我们的目标是调查学习效果，并为每位患者找到正确的解决方案。”
仍有一些挑战需要解决：基于传感器信息的学习算法必须在每次薄膜滑落或移除时进行重新训练。此外，传感器必须用凝胶制备，以保证必要的导电性，从而准确记录来自肌肉的信号
Piazza教授解释道：“我们使用的传感器越多，就越能更好地记录不同肌肉群的信息，并找出哪些肌肉激活负责哪些手的运动。”。Capsi Morales博士表示，根据一个人是打算握拳、握笔还是打开果酱罐，“肌肉信号的特征”会产生——这是直觉动作的先决条件。
手腕和手部运动：十分之八的人更喜欢直观的方式
目前的研究集中在手腕和整个手的运动上。这表明大多数人（十分之八）更喜欢用直观的方式移动手腕和手。这也是更有效的方法。但十分之二的人学会了以不那么直观的方式处理问题，最终变得更加精确。Capsi Morales博士解释道：“我们的目标是调查学习效果，并为每位患者找到正确的解决方案。”。
Piazza教授说：“这是朝着正确方向迈出的一步。
人工手先进控制的当前挑战
仍有一些挑战需要解决：基于传感器信息的学习算法必须在每次胶片滑落或取出时进行重新训练。此外，传感器必须用凝胶制备，以保证必要的导电性，从而准确记录来自肌肉的信号。
Capsi Morales博士解释道：“我们使用信号处理技术来过滤噪音，获得可用的信号。”。每次新患者佩戴前臂上有许多传感器的袖带时，算法必须首先识别每个动作序列的激活模式，以便稍后检测用户的意图，并将其转换为假手的命令。
