近日，来自 慕尼黑工业大学、帝国理工学院和意大利技术研究院 的国际研究团队发表了一项重磅成果。他们开发出 一种新型假肢控制系统 ，通过融合运动神经元解码和姿势协同作用，让假肢控制更接近自然人手。这项突破性研究发表在机器人领域学术顶刊 Science Robotics 上。

▍ 软体假肢手技术创新：神经协同控制实现精准多指动作

研究团队开发的这款软体假肢手，采用 双自由度设计 ，能在二维线性空间中实现丰富的手部姿态。最关键的创新在于他们开发的 实时解码系统 ，能将神经协同信号直接转化为假肢的连续控制指令。

系统核心是 SoftHand Pro-2假手 ，每个肌腱由一个自由度驱动，两个电机协同工作控制所有关节，实现灵活的手部动作。通过精心设计的控制算法， 假手不仅能完成基础抓取，还能通过手指的顺逆时针旋转对物体施加不同接触力。

SoftHand Pro-2 的机械系统和硬件描述

研究团队招募了11名健康志愿者和3名假肢使用者进行严格测试。结果显示， 这套系统能精确控制多指协调动作，覆盖了超过90%的机械运动范围。

特别值得一提的是， 在目标手势测试中，基于神经协同的控制方式展现出显著优势。 假肢使用者采用神经协同控制时，目标命中率高达82.5%，远超使用传统肌肉协同控制时的35.0%。健康受试者的测试也呈现类似趋势，神经协同控制的命中率为79.5%，而肌肉协同控制为54.5%。

整个系统的信号处理链条非常精密。 首先通过192通道高分辨率表面肌电信号(HD-sEMG)采集用户意图，然后解码出运动神经元单元(MU)的放电活动。 研究人员使用非负矩阵分解(NMF)算法提取协同特征，建立起神经信号到假肢控制的映射关系。

系统的离线分析格外严谨。 团队深入研究了协同效应的数量和可变性，通过R2曲线和均方误差(MSE)等指标进行评估。 他们还比较了运动神经元协同(MNS)和肌肉协同(MS)在不同传感器配置下的表现，从12个双极到192个单极进行了全面测试。

运动神经元和肌肉协同计算通道

▍ 实验验证与系统集成：神经协同控制假肢的精准与舒适

研究团队设计了一套严谨的实验方案， 包括离线和在线两个阶段。 在线实验中，参与者需要完成Center-Out目标到达任务，这为评估系统性能提供了标准化的测试平台。

离线和在线实验方案

在可控工作空间方面，研究显示超过6名参与者能够到达深蓝色区域内的所有测试点，证明系统具有优秀的控制精度。通过小提琴图分析数据分布，研究团队发现 基于神经协同的控制在执行时间、轨迹平滑度等关键指标上都优于传统方法。

系统采用了 创新的矩阵映射方法 ，将协同激活矩阵(HS×L)与训练姿势(PT×L)关联，再通过转换矩阵(KT×S)实现到假肢的精确控制。这种数学框架让系统能在二维工作空间中实现流畅的连续控制。

整套系统的硬件集成也很巧妙。研究团队将HD-sEMG传感器优化配置在软质插座上，与柔软的多协同假手完美结合。 这种设计不仅保证了信号采集的稳定性，还提供了良好的佩戴舒适度。

实验中使用了 七种标准手部姿势 作为测试基准，这些姿势覆盖了日常生活中最常用的手部动作。 系统能够从规定的手部协同效应出发，通过神经信号解码，最终实现这些复杂姿势的精确重现。

MN或肌肉协同作用的激活信号图，以控制姿势协同作用的假手

▍ 未来展望：神经协同控制假肢技术的挑战与机遇

尽管取得了突破性进展，研究团队认为这项技术仍有提升空间。首要任务是 验证神经协同信息在实验室外的实用性 ，毕竟真实世界的使用环境比实验室要复杂得多。

另一个重要研究方向是 深入理解人类中枢神经系统(CNS)对运动神经元协同的灵活控制机制。 这不仅有助于改进当前的控制算法，还可能为开发更智能的假肢控制系统提供理论基础。

研究团队特别指出，在机器人设备设计过程中， 选择合适的规定性协同作用仍然是一个挑战。 人类观察到的行为模式并不一定能直接反映神经系统的控制策略。因此，将神经科学知识与机器人工程相结合，仍然是未来研究的重点方向。

这项研究为下一代智能假肢开辟了新途径， 展示了跨学科合作在解决复杂工程问题时的强大威力。相信随着技术的进一步发展，让假肢使用者获得更自然、更灵活的控制体验指日可待。

相关视频：

论文链接：

https://www.science.org/doi/10.1126/scirobotics.ado9509