具有自适应在线学习的生物物理模型,用于直接控制假肢的神经控制

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:

• 假肢手的直接神经控制对于灵巧的操纵至关重要,但在很大程度上仍然在研究环境中.
• 目前的模式识别系统提供了用户友好的培训,但仅限于离散的手姿势,限制了功能.

研究的目的:

• 开发用于多关节假肢手的直接神经控制器,弥合研究水平控制和实际应用之间的差距.
• 为了实现适应性再培训,以改善控制器预测,并使用单个RGB摄像头整合新的运动.

主要方法:

• 设计了一个直接的神经控制器,模拟肌肉骨动力学,并使用"协同逆转"来实现运动意图的明确化.
• 利用基于神经网络的方法捕捉非线性肌肉协作激活模式.
• 采用单个RGB摄像头实现适应性再培训,以实现用户驱动的改进.

主要成果:

• 提出的范式成功预测了完整的参与者和截肢者的七度自由度的轨迹.
• 在线学习提高了控制器的性能,超过了纯神经和生物物理基线模型.
• 与基线模型相比,该系统的预测误差较低.

结论:

• 开发的直接神经控制器提供了一个更高性能的控制框架,具有模式识别训练的灵活性.
• 这项工作推动了对上肢假肢的直接神经控制在现实应用中的采用.
• "协同逆转"方法有效地模拟了复杂的运动意图,用于假肢控制.