液態金屬感測器和人工智慧可以幫助假手獲得"順滑的觸感"

每個指尖有 3,000 多個觸控感受器，它們在很大程度上對壓力做出反應。人類在操縱物體時非常依賴指尖的感覺。缺乏這種感覺對上肢截肢者來說是一個獨特的挑戰。雖然今天有幾種高科技、靈巧的假肢可用，但它們都缺乏"觸控"的感覺。缺少這種感覺反饋會導致物體無意中被假手掉落或壓碎。

為了實現更自然的假手觸感，佛羅里達大西洋大學工程與計算機科學學院的研究人員及其合作者率先在假手的指尖上使用液態金屬將可拉伸的觸覺感測器結合在一起。該技術封裝在有機矽彈性體中，與傳統感測器相比具有關鍵優勢，包括高導電性、順應性、柔韌性和可拉伸性。這種分層的多指觸覺整合可以為人工手提供更高水平的智慧。

研究人員在連線到機械臂的假肢上使用裝有液態金屬的可拉伸觸覺感測器的單個指尖。

對於這項發表在《Sensors》雜誌上的研究，研究人員使用假肢上的單個指尖來區分沿不同紋理表面滑動的不同速度。四種不同的紋理有一個可變引數：脊之間的距離。為了檢測紋理和速度，研究人員訓練了四種機器學習演算法。對於十個表面中的每一個，收集了 20 次試驗以測試機器學習演算法區分由隨機生成的四種不同紋理排列組成的十種不同複雜表面的能力。

結果表明，來自四個假手指尖上的液態金屬感測器的觸覺資訊的整合同時區分了複雜的多紋理表面——展示了一種新的層次智慧形式。機器學習演算法能夠以高精度區分每個手指的所有速度。這項新技術可以改善對假手的控制，並提供觸覺反饋，通常稱為觸覺體驗，讓截肢者重新連線以前切斷的觸覺。

針對LMS液態金屬感測器的電子系統。(a)液體金屬導電元件放置在惠斯通橋結構中。(b)五通道的惠斯通橋PCB被用來放大i型肢體假肢指尖上來自LMS的訊號。

"已經對用於人工手的觸覺感測器進行了大量研究，但仍然需要在輕型、低成本、堅固的多模態觸覺感測器方面取得進展，"資深作者、副教授 Erik Engeberg 博士說。海洋與機械工程系以及 FAU Stiles-Nicholson 腦研究所和 FAU 感測與嵌入式網路系統工程研究所 (I-SENSE) 的成員，他與第一作者和博士一起進行了這項研究。 "在我們的研究中，來自所有單個指尖的觸覺資訊為更高的手部感知水平奠定了基礎，能夠區分十個複雜的、多紋理的表面，而使用來自單個指尖的純粹區域性資訊是不可能做到的。"

研究人員比較了四種不同機器學習演算法的成功分類能力：

K-最近鄰 (KNN)、支援向量機 (SVM)、隨機森林 (RF) 和神經網路 (NN)。提取液態金屬感測器的時頻特徵來訓練和測試機器學習演算法。神經網路通常在使用單個手指的速度和紋理檢測方面表現最好，並且使用四個手指同時使用四個液態金屬感測器區分十個不同的多紋理表面的準確度為 99.2% 。

"對於試圖無縫參與常規活動的個人來說，失去上肢可能是一項艱鉅的挑戰，"工程與計算機科學學院院長 Stella Batalama 博士說。"雖然假肢的進步是有益的，可以讓截肢者更好地履行日常職責，但他們並沒有為他們提供觸覺等感官資訊。他們也無法讓他們用意念自然地控制假肢。有了這個憑藉我們研究團隊的最新技術，我們離為世界各地的人們提供一種更自然的假肢裝置又近了一步，這種假肢裝置可以'感覺'並對環境做出反應。"