通过主动生物声学感应和电肌肉刺激辅助指尖力控制

文献标题

Assisting with Fingertip Force Control by Active Bio-Acoustic Sensing and Electrical Muscle Stimulation

文献信息

• 主题领域: 人机交互，基于电肌刺激（EMS）和主动生物声学传感的手指力控制辅助
• 关键词: 电肌刺激, 主动生物声学传感, 闭环控制, 手指力, 捏握力

研究背景与问题

• 问题:
  • 手指力控制对于运动技能学习至关重要，例如在高尔夫、外科手术以及其他精确任务中。
  • 现有的外骨骼手套等解决方案会覆盖手指，干扰用户的手指运动控制和触觉反馈。
  • 使用表面肌电(EMG)传感器的现有方案虽然无需戴在手指上，但受EMS电流信号噪声干扰。
• 重要性:
  • 着力于不妨碍手部灵活性和触觉的手指力辅助设备，帮助增强运动技能。
• 研究动机与相关工作:
  • 现有研究多聚焦于通过EMS指导用户的姿势和动作，但较少直接研究手指力量的闭环控制。
  • 主动生物声学传感（Active Bio-Acoustic Sensing，ABAS）是一个较新的传感技术，其能够区分不同的手部动作和力水平。

解决方案

• 方法与原理:
  • 提出了一个可穿戴系统，通过主动生物声学传感估算手指力，并结合电肌刺激（EMS）进行无意识力控制。
  • 该系统使用压电元件（位于手背）进行力估算，并通过EMS（位于前臂）产生力量控制的反馈。
• 创新点:
  • 系统无需设备佩戴在手指上，从而保持手指的灵活性和触觉完整性。
  • ABAS 对 EMS 的电流信号不敏感，可在同一系统中协同工作。
• 关键技术与实现:
  1. 主动生物声学传感:
     • 使用两个压电元件（一个发射声波，一个接收振动响应）估算捏握力。
     • 通过机器学习回归模型（支持向量回归 SVR 或高斯过程回归 GPR）处理特征向量。
  2. 电肌刺激:
     • 通过脉冲频率调制（PFM）对 EMS 强度进行闭环控制，对目标肌肉（屈拇长肌、伸拇长肌）进行刺激。
     • 采用比例控制或开关控制的方式调节 EMS。
  3. 硬件原型:
     • 设计了三种硬件原型：使用医用胶带固定、嵌入腕带支架、以及嵌入无指手套。
     • 三种原型均能估算不同目标力量。

研究成果

• 具体成果:
  • 系统使用 EMS 可有效辅助用户在不同目标力（如弱力 3N、中力 6N）下的捏握力控制（显著降低误差）。
  • 系统无需设备覆盖在手指上，既保持了触觉反馈，又实现了交互式精准力控制。
• 实验与评估结果:
  • 在力估算准确性上，三种原型的平均误差为 0.911.38N，相关系数约为 0.860.93。
  • 在用户研究中，多数参与者在中低强度目标力下的力误差显著降低。
  • 在动态环境（如高尔夫推杆测试）和高目标力（如9N）下，效果表现有限，可能受力估算精度影响。
• 与现有方案的对比优势:
  • 与外骨骼手套或基于 EMG 的方法相比，解决了设备干扰手部动作或触觉的问题。
  • EMS 与 ABAS 的结合实现了闭环和实时的力量控制，而无需重新设计力反馈硬件。
• 局限性与未来方向:
  • 当前力估算对手部运动伪迹敏感，在动态条件下准确性下降。
  • 系统对使用环境和用户的校准需求较高，需收集大量数据以提升模型鲁棒性。
  • 未来计划包括：提升估算模型的深度学习实现、优化硬件设备的便携性、以及扩展至更复杂的手指力控制场景（如钢琴演奏）。