液体金属センサーとAIは、義手を「感じる」のに役立ちます
人間の各指先には、主に圧力に反応する3,000を超えるタッチ受容体があります。人間は、物体を操作するときに指先の感覚に大きく依存しているため、この感覚の欠如は、上肢切断のある個人にとって独特の課題を提示します。今日利用できるいくつかの器用な補綴物がありますが、それらはすべて「タッチ」の感覚を欠いています。この感覚フィードバックがないため、義手が誤って物体を落としたり押しつぶしたりします。
より自然な感覚の義手のインターフェースを可能にするために、研究者は義手の指先に液体金属を使用した伸縮性のある触覚センサーを組み込みました。シリコーンベースのエラストマーにカプセル化されたこのテクノロジーは、高い導電性、コンプライアンス、柔軟性、伸縮性など、従来のセンサーに勝る重要な利点を提供します。この階層的な複数の指の触覚の統合は、人工の手に高レベルの知能を提供する可能性があります。
研究者は、プロテーゼの個々の指先を使用して、さまざまなテクスチャ表面に沿ったスライド動作のさまざまな速度を区別しました。 4つの異なるテクスチャには、1つの可変パラメータがありました。それは尾根間の距離です。テクスチャと速度を検出するために、研究者は4つの機械学習アルゴリズムをトレーニングしました。 10個のサーフェスのそれぞれについて、機械学習アルゴリズムが4つの異なるテクスチャのランダムに生成された順列で構成される10個の異なる複雑なサーフェスを区別する能力をテストするために20回の試行が収集されました。
結果は、液体金属センサーからの触覚情報を4つの義手の指先に統合することで、複雑なマルチテクスチャの表面を同時に区別し、新しい形式の階層的知能を実証することを示しました。機械学習アルゴリズムは、各指ですべての速度を高精度で区別することができました。
チームは、4つの異なる機械学習アルゴリズムを比較して、分類機能を成功させました。K最近傍法（KNN）、サポートベクターマシン（SVM）、ランダムフォレスト（RF）、ニューラルネットワーク（NN）です。液体金属センサーの時間-周波数特性を抽出して、機械学習アルゴリズムをトレーニングおよびテストしました。 NNは通常、1本の指での速度とテクスチャの検出で最高のパフォーマンスを発揮し、4本の指から4本の液体金属センサーを同時に使用して10個の異なるマルチテクスチャ表面を区別する精度が99.2％でした。
義肢の進歩は有益であり、切断者が日常業務をよりよく遂行できるようになっていますが、触覚などの感覚情報は提供されていません。また、心で義肢を自然に制御することもできません。新しいテクノロジーは、切断者に、その環境を「感じ」て反応することができる、より自然な義肢装具を提供するのに役立つ可能性があります。
センサー