利用LSTM,触觉传感器和触觉反来通过掌握类型预测和掌握类型反来增强假肢控制
Sudhir Solomon Zhuwawu1, Haitham El-Hussieny2
1Department of Mechatronics and Robotics Engineering, Egypt-Japan University of Science and Technology (E-JUST), New Burg El-Arab, Alexandria, 21934, Egypt. sudhir.zhuwawu@ejust.edu.eg.
Scientific reports
|August 13, 2025
概括
这项研究引入了一种新方法,用于假肢手提供触觉反的掌握类型,增强用户控制和实施方式. 这种方法有助于在没有视觉线索的情况下做出决策,改善每天使用假肢设备的情况.
科学领域:
- 生物医学工程 生物医学工程
- 神经科学是一个神经科学.
- 机器人技术 机器人技术 机器人技术
背景情况:
- 假肢手的控制通常很慢,需要视觉反,限制日常功能.
- 当前的机器学习自动化减少了用户的控制,使假肢感觉像工具而不是扩展.
- 需要方法来增强用户的控制和实施在假肢手的使用.
研究的目的:
- 开发一个系统,预测和提供触觉反的假肢手的掌握类型.
- 改善用户的决策和对假肢手的控制,而无需视觉依赖.
- 为了培养一个更强烈的体现感的假肢用户.
主要方法:
- 利用软触觉传感器和深度学习模型,特别是长短期记忆 (LSTM) 网络.
- 在五种常见的掌握类型的数据集上训练LSTM网络.
- 实施了一个系统,通过独特的触觉刺激模式传递预测的掌握信息.
主要成果:
- 在不到一秒的时间内实现了自信的掌握预测.
- 在真实世界的测试中,在假肢和人手的实践中证明了实际应用.
- 据报道,假肢手的平均预测准确率为88.68%,人手的平均预测准确率为86.44%.
结论:
- 提出的方法有效地提供实时掌握反,优先考虑用户控制.
- 这种方法旨在增强假肢手的使用者体现的感觉.
- 该系统为完全自动化提供了切实可行的替代方案,平衡控制和准确性.
