尽管当前高端仿生手在外形和驱动方式上已十分接近真实手臂，但在使用过程中，佩戴者仍需刻意控制手指的张合与用力程度。控制不直接、操作负担重，正是近一半使用者最终放弃义肢的重要原因。其中一个关键问题在于，大多数商用仿生手还无法复制触觉反馈，而这种触觉正是人类以直觉、反射方式抓握物体的关键来源。

　　为解决这一问题，研究团队在一款商用仿生手的基础上安装了定制化指尖模块。这些指尖除了能感知压力外，还配备了光学接近传感器，能模拟最精细的触觉。例如，它们甚至可感知到几乎无重量的棉球掉落在其上的感觉。

　　针对触觉反馈问题，研究团队利用传感器数据训练了一个人工神经网络模型，使手指能自动移动到与物体形成完美抓握的合适位置。由于每根手指都有独立传感器，可“感知”前方情况，因此多根手指可并行工作，从而对物体形成完美、稳定的抓握。

　　研究团队创建的这种仿生方法，并未将控制权完全交给AI，而是采用“人—机共享”的策略。使用者负责发出抓取或放松的整体意图，AI系统则自行完成精细调节，从而避免人与机器相互干扰，使操作过程更加顺畅。

　　在实验中，4名肘下腕上截肢的参与者在使用该系统后，在标准抓握任务中的稳定性和精确度均有提升，主观感受到的思维负担明显下降。更重要的是，参与者无需经过长时间训练，便可完成捡取小物体、端起塑料杯饮水等日常动作。

　　本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有。如因无法联系到作者侵犯到您的权益，请与本网站联系，我们将采取适当措施。