智能義肢與殘疾者無縫協同工作

文 / 山巨源

Helen Huang 和 I-Chieh Lee最新發表在《科學》(SCIENCE)期刊的<人工智能使共生機器人義肢成為可能>( AI enables symbiotic robotic prosthetics)指出，先進的機器人義肢，例如靈巧的義肢手和電動義肢，已經導致了恢復肢體喪失者活動能力的範式轉變。這些現代義肢將人工智能嵌入到機器操作中，以適應用戶意圖、環境和用戶的身體狀況。這對於人體義肢共生至關重要——智能義肢和人類用戶在日常生活中作為一個系統無縫地協同工作。

例如，人工智能已經實現了義肢的神經控制。根據大腦的用戶意圖控制義肢是一個令人著迷的概念。這需要一個有效的神經解碼器，能夠通過人類神經肌肉信號准確解釋用戶意圖，以實現義肢控制。機器學習算法，從簡單的線性分類器到深度學習回歸模型，都是強大的神經解碼方法，用於識別用戶關於關節運動（例如手腕或膝蓋彎曲和伸展）、手部抓握模式（例如精細捏或強力抓握）的意圖，或運動模式（例如，從坐到站的轉換和平地行走）。機器學習解碼器的輸出被發送到義肢控制器，以產生用戶預期的肢體運動，從而在任務執行過程中實現人體與義肢的共生。

通過人工智能的實施，人體與義肢的共生可以適應各種環境和背景。人手可以靈巧地與不同尺寸和材質的物體進行交互；人的雙腿在行走時可以適應各種地形。因此，共生義肢也應該具有環境適應性。機器視覺已被用來提高義肢控制的環境意識。通過對安裝在假手上的攝像頭拍攝的圖像應用深度學習算法，機器視覺可以識別預期的抓取物體，從而使義肢手臂能夠準備適當的手腕姿勢和手部抓取模式或力量，以促進抓取動作。類似地，安裝在義肢上的視覺傳感器可以識別用戶前面的地形，從而自動調整義肢控制以實現無縫地形過渡。

由於截肢者之間的身體狀況和運動缺陷存在巨大差異，共生義肢需要為每個用戶提供個性化的幫助。在目前的診所中，機器人下肢義肢控制的個性化是通過手動和啟發式進行的，這是不准確的並且費時費力。為了實現該過程的自動化，研究人員開發了強化學習算法和其他數據驅動的優化方法（例如貝葉斯優化），以通過人機交互調整義肢控制，以實現個性化步行輔助。對於基於強化學習的算法，義肢個性化過程可以短至 5 分鐘，並且由此產生的智能 AI 調節代理可以在不同的時間範圍內繼續產生用戶自適應控制。

儘管人工智能在機器人義肢領域展現出了巨大的前景，但由於人機交互，人工智能需要更加強大、更加安全的日常義肢控制。此外，人類用戶是否在認知上體現並信任人工智能義肢也是一個懸而未決的問題。這些挑戰應該引導未來的研究工作朝著使人工智能共生的機器人義肢變得多功能、使用安全、並且被截肢用戶認知接受的方向發展。