可以用额外的肢体做什么?想象一下,一位外科医生正在执行一项精细的手术,这需要她的专业知识和稳定的双手——三者兼而有之。当她的两只生物手操纵手术器械时,连接到她躯干的第三个机器人肢体起着支撑作用。或者想象一下,一名建筑工人感谢他额外的机械手,因为它用另外两只手支撑着他正在固定到位的重梁。想象一下,佩戴一个外骨骼可以让你同时处理多个物体,就像蜘蛛侠的章鱼博士一样。或者想象一下作曲家可以为拥有 12 个手指在键盘上伸展的钢琴家创作的音乐。
这样的场景可能看起来像科幻小说,但 机器人技术和神经科学的最新进展使得利用当今的技术可以想象额外的机器人肢体。我们位于伦敦帝国理工学院和德国弗莱堡大学的研究小组与欧洲NIMA项目的合作伙伴一起,目前正在努力弄清楚这种增强是否可以在实践中实现,以扩展人类的能力。我们要解决的主要问题涉及神经科学和神经技术:人脑是否能够像控制生物部分一样有效地控制其他身体部分?如果是这样,什么神经信号可以用于这种控制?
我们认为额外的机器人肢体可能是人类增强的一种新形式,可以提高人们完成已经可以执行的任务的能力,并扩展他们完成自然人体无法完成的事情的能力。如果人类可以轻松地添加和控制第三条手臂、第三条腿或更多手指,他们很可能会在超出此处提到的场景的任务和表演中使用它们,发现我们甚至无法想象的新行为。
人类增强的水平
近几十年来,机器人肢体已经取得了长足的进步,其中一些已经被人们用来增强他们的能力。大多数都是通过操纵杆或其他手动控制器进行操作。例如,生产线上的工人就是这样使用机械肢体来固定和操纵产品组件的。同样,进行机器人手术的外科医生坐在患者对面的控制台前。虽然手术机器人可能有四个手臂,上面装有不同的工具,但外科医生的手一次只能控制其中的两个手臂。我们能让这些外科医生同时控制四种工具吗?
截肢或瘫痪的人也可以使用机器人肢体。其中包括坐在电动轮椅上的人用 椅子的操纵杆控制机械臂,以及那些失去肢体的人通过剩余肌肉的动作控制假肢。但真正由意念控制的假肢却很少见。
如果人类可以轻松地添加和控制第三只手臂,他们很可能会将其用于我们尚无法想象的新行为。
大脑控制假肢的先驱是 四肢瘫痪的人,他们通常从颈部以下瘫痪。其中一些人大胆地自愿参加大脑植入的临床试验,使他们能够仅通过思想来控制机器人肢体,发出精神命令,使机器人手臂将饮料举到嘴边或帮助完成日常生活中的其他简单任务。这些系统属于脑机接口(BMI)的范畴。其他志愿者已经使用 BMI 技术来控制计算机光标,使他们能够输入消息、浏览互联网等等。但大多数 BMI 系统都需要进行脑部手术来插入神经植入物,并包括从头骨突出的硬件,这使得它们只适合在实验室中使用。
人体的增强可以被认为具有三个层次。第一级增加了现有的特性,例如动力外骨骼可以 赋予佩戴者超强的力量。第二级赋予人新的自由度,例如移动第三只手臂或第六根手指的能力,但要付出代价——例如,如果额外的附件由脚踏板控制,则用户会牺牲脚的正常活动能力来操作控制系统。第三级增强是技术上最不成熟的,它为用户提供了额外的自由度,而不会剥夺任何其他身体部位的移动性。这样的系统将允许人们通过利用一些未使用的神经信号来控制机器人肢体来正常使用他们的身体。这就是我们研究中正在探索的水平。
破译来自肌肉的电信号
第三级人体增强也许可以通过侵入性 BMI 植入物来实现,但对于日常使用,我们需要一种非侵入性的方法来从头骨外部接收大脑命令。对于许多研究小组来说,这意味着依赖经过验证的 脑电图(EEG) 技术,该技术使用头皮电极来采集大脑信号。我们的团队正在研究这种方法,但我们也在探索另一种方法:使用肌肉产生的肌电图(EMG) 信号。我们花了十多年的时间研究皮肤表面的肌电图电极如何检测来自肌肉的电信号,然后我们可以解码这些信号以揭示脊髓神经元发送的命令。
电信号是神经系统的语言。在整个大脑和周围神经中,当细胞内积累一定的电压(大约几十毫伏)时,神经元就会“放电”,并导致动作电位沿着其轴突传播,在与其他神经元的连接处或突触处释放神经递质,并可能依次触发这些神经元。当脊髓中的运动神经元产生这种电脉冲时,它们沿着轴突行进,一直到达目标肌肉,在那里它们穿过特殊的突触到达单个肌纤维并导致它们收缩。我们可以记录这些电信号,这些电信号对用户的意图进行编码,并将它们用于各种控制目的。
然而,根据表面肌电图读取的信息来破译单个神经信号并不是一项简单的任务。典型的肌肉接收来自数百或数千个脊髓神经元的信号。此外,每个轴突在肌肉处分支,并且可以与分布在整个肌肉中的一百个或更多个单独的肌纤维连接。表面肌电图电极拾取这种杂音脉冲的样本。
二十年前,无创神经接口取得了突破,即高密度肌电图(将数十至数百个电极固定在皮肤上)拾取的信号可以被解开,从而提供有关单个电机发送的命令 的信息脊柱中的神经元。以前只能通过肌肉或神经中的侵入性电极获得此类信息。2017 年,我们与截肢者一起工作,结果表明这种高密度肌电图方法有可能用于改善假肢的控制。我们的高密度表面电极在多个位置提供良好的采样,使我们能够识别和解码参与任务的相对较大比例的脊髓运动神经元的活动。现在我们可以实时做到这一点,这表明我们可以开发基于脊髓信号的无创 BMI 系统。
典型的肌肉接收来自数百或数千个脊髓神经元的信号。
我们系统的当前版本由两部分组成:训练模块和实时解码模块。首先,将肌电图电极网格连接到皮肤上,用户进行轻柔的肌肉收缩,然后我们将记录的肌电图信号输入训练模块。该模块执行识别构成 EMG 信号的各个运动神经元脉冲(也称为尖峰)的艰巨任务。该模块分析 EMG 信号和推断的神经尖峰之间的关系,并将其总结为一组参数,然后使用更简单的数学公式将 EMG 信号转换为来自各个神经元的尖峰序列。
有了这些参数,解码模块就可以获取新的肌电图信号并实时提取单个运动神经元的活动。训练模块需要大量计算,并且本身执行实时控制速度太慢,但通常只需在每次将肌电图电极网格固定在用户身上时运行一次。相比之下,解码算法非常高效,延迟低至几毫秒,这对于可能的独立可穿戴 BMI 系统来说是个好兆头。我们通过将系统结果与插入用户肌肉的侵入式肌电图电极同时获得的信号进行比较,验证了系统的准确性。
利用神经信号的额外带宽
开发这种从脊髓运动神经元提取信号的实时方法是我们目前控制额外机器人肢体工作的关键。在研究这些神经信号时,我们注意到它们本质上具有额外的带宽。信号的低频部分(约 7 赫兹以下)被转换为肌肉力量,但该信号还具有较高频率的分量,例如 13 至 30 Hz 的 β 频段中的分量,这些分量太高而无法控制肌肉并且似乎没有被使用。我们不知道为什么脊髓神经元会发送这些高频信号;也许冗余是在需要适应的新条件下的缓冲。不管出于什么原因,人类进化出了一种神经系统,其中从脊髓发出的信号所包含的信息比控制肌肉所需的信息要丰富得多。
这一发现让我们思考可以利用空闲频率做什么。我们特别想知道是否可以获取这些无关的神经信息并用它来控制机器人肢体。但我们不知道人们是否能够自愿控制这部分信号,与他们用来控制肌肉的部分分开。所以我们设计了一个实验来找出答案。
在我们的第一个概念验证实验中,志愿者尝试利用他们多余的神经能力来控制计算机光标。尽管涉及的神经机制和算法很复杂,但设置很简单。每个志愿者都坐在屏幕前,我们在他们的腿上放置了一个肌电图系统,其中 64 个电极分布在 4 x 10 厘米的贴片中,贴在他们胫骨前肌上方的胫骨上,当脚部收缩时,该肌肉会 向上弯曲。胫骨肌一直是我们实验的主力:它占据了靠近皮肤的大面积,其肌纤维沿着腿部定向,这使得它成为解码支配其的脊髓运动神经元活动的理想选择。
我们要求志愿者收缩胫骨,本质上是保持其紧张,并用脚支撑以防止移动。在整个实验过程中,我们观察了提取的神经信号内的变化。我们将这些信号分成控制肌肉收缩的低频和 beta 频段中约 20 Hz 的备用频率,并将这两个分量分别链接到计算机屏幕上光标的水平和垂直控制。我们要求志愿者尝试在屏幕上移动光标,到达空间的所有部分,但我们没有,也确实无法向他们解释如何做到这一点。他们必须依靠光标位置的视觉反馈,并让他们的大脑弄清楚如何让它移动。
值得注意的是,在不知道自己到底在做什么的情况下,这些志愿者能够在几分钟内完成任务,将光标在屏幕上快速移动,尽管是摇晃的。从一个神经命令信号(收缩胫骨前肌)开始,他们学习开发第二个信号来控制计算机光标的垂直运动,独立于肌肉控制(引导光标的水平运动)。我们对他们如此轻松地迈出了寻找独立于自然运动任务的神经控制通道的重要第一步感到惊讶和兴奋。但我们也看到,这种控制对于实际使用来说太有限了。我们的下一步将是看看是否可以获得更准确的信号,以及人们是否可以使用它们来控制机器人肢体,同时执行独立的自然运动。
我们也有兴趣更多地了解大脑如何执行光标控制等功能。在最近一项使用光标任务变体的研究中,我们同时使用脑电图来观察用户大脑中发生的情况,特别是与自主控制运动相关的区域。我们很高兴地发现到达肌肉的额外β带神经信号发生的变化与大脑水平的类似变化密切相关。如前所述,β 神经信号仍然是一个谜,因为它们在控制肌肉方面发挥的作用尚不清楚,甚至不清楚它们的起源。我们的结果表明,我们的志愿者正在学习调节大脑活动,这些活动作为β信号发送到肌肉。
与此同时,我们在伦敦帝国理工学院建立了一个系统,用额外的机器人肢体来测试这些新技术,我们称之为 MUlti-limb 虚拟环境,或 MUVE。除其他功能外,MUVE 将使用户能够在虚拟现实模拟的场景中使用多达四个轻型可穿戴机械臂。我们计划开放该系统供世界各地的其他研究人员使用。
人体增强的下一步
将我们的控制技术连接到机械臂或其他外部设备是自然而然的下一步,我们正在积极追求这一目标。然而,真正的挑战不是连接硬件,而是识别多个控制源,这些控制源足够准确,可以用机器人身体部位执行复杂而精确的动作。
我们还在研究该技术将如何影响使用者的神经过程。例如,当某人拥有六个月使用额外机械臂的经验后会发生什么?大脑的天然可塑性会让他们适应并获得更直观的控制吗?天生有六指手的人可能拥有 完全发育的大脑区域致力于控制额外的数字,从而产生卓越的操纵能力。随着时间的推移,我们系统的用户能否发展出类似的灵活性?我们还想知道控制额外的肢体会涉及多少认知负荷。如果人们只有在实验室环境中全神贯注时才能引导这样的肢体,那么这项技术可能就没用了。然而,如果用户在做三明治等日常任务时可以随意使用额外的手,那么这意味着该技术适合日常使用。
不管出于什么原因,人类进化出了一种神经系统,其中从脊髓发出的信号所包含的信息比控制肌肉所需的信息要丰富得多。
其他研究小组正在利用不同类型的控制机制来研究类似的神经科学问题。意大利锡耶纳大学的多梅尼科·普拉蒂奇佐 (Domenico Prattichizzo) 和同事展示了一种安装在手腕上的软机器人第六指。它使手因中风而无力的用户能够牢固地抓握物体。用户戴上带有肌电图电极的帽子,并通过抬起眉毛向手指发送命令。麻省理工学院的 Harry Asada 团队已经试验了多种类型的额外机器人肢体,包括一种可穿戴套装,该套装使用肌电图来检测躯干肌肉活动以控制额外肢体。
其他小组正在试验涉及基于头皮的脑电图或神经植入的控制机制。运动增强技术还处于早期阶段,世界各地的研究人员才刚刚开始解决这个新兴领域的最基本问题。
两个实际问题很突出:我们能否在自然运动的同时实现对额外机器人肢体的神经控制,以及系统是否可以在用户不专心专注的情况下工作?如果这些问题的答案是否定的,我们将不会拥有实用的技术,但我们仍然会拥有一个有趣的新工具来研究运动控制的神经科学。如果这两个问题的答案都是肯定的,我们可能已经准备好进入人类增强的新时代。目前,我们的(生物)手指已经交叉。
免责声明:文章转载自网络,若有侵权,请联系我们删除,谢谢!~