新的義肢通過機器學習來解釋大腦活動產生的肌肉信號，使動作更加自然。新代
倫敦帝國理工學院和哥廷根大學的自學科學家已經使用機器學習來改善假手的性能。
在五個截肢者上測試了他們的仿生原型后，他們發現新的激發假肢基于機器學習的控制比提供當前可用的技術在提供自然，流暢的新代運動方面要好得多。
研究人員說，自學這項發現發表在《科學機器人》雜志上，仿生可能引發“新一代假肢”。激發假肢
帝國理工學院生物工程系論文的新代高級作者達里奧·法里納教授說：“在設計仿生肢體時，我們的自學主要目標是讓患者像他們的生物肢體一樣自然地控制它們。這項新技術使我們更近了一步。仿生以實現這一目標。激發假肢”
機器學習
當前的技術通過用一些肌肉信號直接控制假體運動來工作。
與帝國大學和哥廷根大學合作開發的新型仿生手使用人機界面來解釋患者的意圖并將命令發送到假肢。
它包含八個電極，可從患者的殘端上拾取微弱的電信號，然后放大并將其發送到也位于假體中的微型計算機。
小型計算機然后運行機器學習算法來解釋信號，然后命令手部的電動機按照患者想要的方式運動。
患者發現他們能夠輕松旋轉手腕并同時或分開張開手。他們還發現這些動作比他們慣常使用的傳統仿生肢自然得多。
除了功能類型外，患者還可以獨立于其他運動來控制單個運動的速度。例如，患者可以緩慢轉動手，但同時要快速打開。研究人員說，這是感覺自然運動的重要組成部分。
在使用之前，要對病人和仿生手進行培訓，以便機器學習算法可以“學習”如何解釋其獨特的電子信號。Farina教授希望在將來的原型中消除這種需求，而不會犧牲特定患者的個性化。
Farina教授說：“新的仿生手不僅更自然，而且在日常任務中的功能性也比患者現有的要好。
“根據這項臨床研究，我們希望在三年內將這種產品投放市場。”
研究人員目前正在努力獲得對手的更大控制權，包括移動單個手指的能力，以及通過在患者體內無線傳輸信號來消除對電極的需求。
