肌电深度学习算法：让机器版“手指舞”成为可能

“手指舞”一时之间火遍明星圈，人工智能何时才能长出这样一双“灵巧手”？4月20日举办的2018机器人展中，有一款最佳服务机器人——“新型肌电假手”，正是完成这一任务的研发雏形。

“它已经是我们的二代量产品了，实验室中的样机更加先进，能够根据肌电信号完成手部的18个动作识别。”团队负责人、东南大学仪器科学与工程学院院长宋爱国表示，过去肌电假手施加力，要么零、要么2—3公斤，是开关式的，要让假手和真手一样，首先要能够连续、定量地输出力量。

在机器人电影里，即使拥有最先进的类人伪装，机器也很可能在“端起一个纸杯”时被识破，没有触觉的假手臂难以通过细微的反馈做出判断、控制力道，经常一抓就扁就露了馅。敏锐触觉、深度学习算法、匹配人类编码库、精确定量反应是破解这一尴尬局面的要素。

“我们在机械手的指端装上触觉传感器、指根装入力传感器，在人体的肌肉群表面穿戴肌电传感器……”宋爱国告诉记者，这些获取的信息在假手手腕处的“单片机”中汇集，通过深度学习计算进行反馈与控制，一方面感知外部作用力有多大，另一方面计算需要输出的控制力有多大。

最初级的“灵巧手”在这个“互动”中把人脑排除在外，机器手端的输入输出，以及人体端的肌肉群输入输出互为条件。“最初的过程中，人意识不到发生了什么，因为相互反应只在肌电假手底层控制器形成了完整的闭环。”宋爱国说，大脑被“忽略”了，“人机交互没有被我们的意识捕捉到。”

为此，宋爱国团队的研究试图将人体内最复杂的大脑“邀请”进来。“大脑其实是直接产生运动意识的，脑电波通过脊髓神经传递给肌肉，发出肌电信号。大脑的决策需要感知信息的反馈。”宋爱国告诉记者，要实现生物体的输出与输入神经电信号准确采集，必须经过“降噪”处理，这一过程可以通过数字滤波完成，基于肌电信号获得精确的手势动作尚且不易，“与触觉感知相关的脑电信号分析更是难上加难，我们在持续攻关，目前还未达到可应用的程度。”

在国家重点研发计划“云端融合的自然交互设备和工具”专项的支持下，研发团队兵分两路。另一个方向通过对肌电信号的进一步分解，持续晋升肌电假手的“灵巧”段位。

宋爱国团队要解决一个重要问题：人的不同意识与哪些电信号的编码可以划上“等号”。

“我们研究了大量的神经通路，将零散的电脉冲加以区分、分组、集合、理解……”宋爱国说。在大量研究的基础上，研究团队拥有了一个珍贵的“库”，包含了人体内肌电信号的主要“密码”特征。掌握了“密码”，和肌肉“对话”成为可能。

假手受到的外部触觉刺激如果转化为神经输入的电信号，进而进入大脑中，就能够让大脑产生触觉感知，明白假手与外部环境的接触状态，真正将假手当作自身的一部分。“我们发现大脑还可以被训练，多次的反馈矫正能够帮大脑作出适应性改变。”宋爱国说。

为此，全新的样机在感知系统上进行升级，肌电信号传感器从2个增加到8个、小型电机从2个加到6个……算法也相应复杂起来，而且更重要的是阵列触觉触感器的信号通过与震动触觉反馈阵列相联系，直接对肢体的上肢皮肤进行触觉刺激。“现在的手掌还有些肥大。”宋爱国说，零部件的增加使得“灵巧手”比之前的更大。“我们正在优化系统，让它的形状和真正的人手相当，能够被特殊使用者接受。”

此外，随着信息的可大量获取，单片机的处理能力或许不能满足需求，“我们提出云端的处理方案，将获取的信号传送到云端，将能够从质上提高单片机的处理能力，进行更复杂的深度学习计算。”宋爱国说。届时，机器版的“手指舞”或将成为可能。