研究人員正在尋求利用機載人工智能系統(tǒng)，通過使用深度學習方法來讀取和響應通過手臂傳遞的神經信號，從而改善假手的控制和復雜程度。

跟蹤由大腦發(fā)送來控制個體肌肉的自然電脈沖的做法(稱為肌電圖)已被用于操作假肢和手，以及輪椅和其他設備。但是，就手指和手的精細運動控制而言，性能差距仍然存在。

通過在假肢內的專用處理單元上實時運行神經網絡，德克薩斯大學達拉斯分校(UT Dallas)的研究人員希望加快響應速度，以加快手部動作。另外，可以基于用戶的動作來對所提出的系統(tǒng)進行再培訓以提高其準確性。

根據(jù)UT達拉斯分校的首席研究員Mohsen Jafarzadeh的說法，該系統(tǒng)使用了卷積神經網絡，該網絡通常用于圖像識別和視覺分析。通過將其應用于從手臂上的電極獲取的原始肌電圖數(shù)據(jù)，他們可以跳過費力的步驟來分離和表征噪聲中的特定信號，這些信號通常用于手動訓練算法。

Jafarzadeh在一份聲明中說：“刪除特征提取和特征描述是朝著端到端優(yōu)化范例邁出的重要一步。我們的結果是開始設計更復雜的假肢的堅實起點。”

研究人員說，這項工作還有很長的路要走，包括從更多的人那里收集更多的肌電數(shù)據(jù)，以訓練和改善他們的網絡的準確性，并允許更復雜的手部動作。

這項研究是在2019年IEEE國際研討會上測量與控制的機器人在休斯頓上月提出，并發(fā)表由IEEE，美國電氣和電子工程師協(xié)會。