标题： AI 赋能仿生手：自然抓握、低脑力负担
来源： Neuroscience News
原文：
Shared human-machine control of an intelligent bionic hand improves grasping and decreases cognitive burden for transradial amputees – Nature Communications 2025-12-09
前置知识
🔬 研究核心突破
🍓犹他大学研究团队开发的AI驱动仿生手系统，通过整合proximity（接近）传感器、pressure（压力）传感器与人工神经网络，使商用仿生手能够以自然、直观的方式抓取物体，显著降低截肢者的认知努力。
🍓该系统通过训练神经网络学习抓握姿势，实现各手指独立"感知"物体并自动调整至正确位置，提升抓握安全性与精确度。
🍓参与者在执行日常任务（如举起杯子、拾取小物品）时，无需大量训练即可显著降低精神负担，系统通过共享控制机制平衡人类意图与机器辅助，实现仿生手的"毫不费力、栩栩如生"的使用体验。
1 核心观点
• 共享控制架构：AI 负责“手指定位 + 压力微调”，用户只管“开/关”意图，双方实时动态加权，零冲突。
• 指尖多模态传感：每指集成光学接近传感 + 微压力传感，可感知 5 mg 棉球掉落，实现亚毫米级预定位。
• 认知负荷显著下降：标准化 Box & Block 测试速度↑34 %，NASA-TLX 脑力评分↓42 %；日常任务（举杯、捏硬币）一次成功率↑2.6 倍。
2 系统组成
3 实验结果（n = 4 经腕截肢者）
4 技术亮点
1. 单指独立预定位
各指“看到”物体后自主前移，避免统一开合造成的碰撞/空隙；对异形物体（钥匙、耳机盒）首次抓取成功率 92 %。
2. 实时力-位闭环
AI 在 50 ms 内完成“触-压”二次调整，消除滑动；压力过零斜率监控实现“软”或“硬”抓握模式自动切换。
3. 不依赖长时间训练
受试者 5 分钟熟悉即可上手；对比传统模式需 2–4 周每日训练。
5 下一步计划
• 植入式接口：Utah Array + 周围神经束微刺激，双向闭环（运动指令进，触觉反馈回）。
• 居家长期试用：已获 FDA IDE，预计 2026 Q2 启动 50 例家庭 3 个月随访。
• 成本压缩：将指尖传感器 ASIC 化，目标整套改装成本 < 1,000 USD，可后装现有商用假手。
🔭 未来展望
🍇神经接口整合：探索植入式神经接口，实现"意念控制"与触觉反馈功能；
🍇技术融合：将增强传感器与智能假肢无缝结合，提升触觉功能与思维控制的协同性；
🍇应用扩展：优化系统以支持更广泛的日常活动与精细操作。
6 一句话总结
给仿生手装上“会看会压”的 AI 指尖+共享控制权，让截肢者像原装手一样轻松抓握，无需思考先开还是先合——机器补位，人做决策。
