結合電訊號與壓力感測 讓義肢動作更精準自然

美國加州大學戴維斯分校最新研究發現，整合兩種不同訊號的偵測技術，能讓工程師打造出更貼近自然動作的義肢。這項發表於《PLOS One》期刊的研究顯示，結合肌電圖(EMG)與肌力圖(FMG)的偵測方式，比單獨使用任一種技術更能準確預測手部動作。

我們日常的握拳、捏取等手部動作，其實是由前臂肌肉運動所驅動。這些肌肉活動會產生微弱的電訊號，透過皮膚上的感測器就能讀取，這種技術稱為肌電圖。「運用感測器與機器學習，我們可以根據肌肉活動來辨識手勢。」該研究資深作者、機械與航空工程學系教授強納森·斯科菲爾德解釋道。

雖然肌電圖控制在實驗室環境中表現良好，但存在著名的「姿勢與負載」問題。研究第一作者、研究生佩頓·楊格指出：「在現實生活中，每次移動肢體或抓握物品時，測量值都會改變。靜止狀態與活動狀態的資料差異很大。」

為解決這個問題，研究團隊嘗試將肌電圖與另一種稱為肌力圖的技術結合使用。肌力圖能測量手臂肌肉收縮時的膨脹變化。楊格設計了一款整合兩種感測器的前臂環帶，讓受試者在實驗室中進行各種手部動作，同時機器學習演演算法則分析這些動作資料。

研究結果顯示，姿勢和負載確實會影響動作辨識的準確度。整體而言，結合兩種技術的辨識準確率高達97%，遠高於單獨使用肌力圖的92%或肌電圖的83%。

目前楊格正著手開發整合型感測器，團隊也積極將這項技術應用於實驗性義肢。斯科菲爾德教授表示，這項技術不僅適用於義肢與機器人領域，在虛擬實境工具上也有廣泛應用潛力。他特別強調，與臨床義肢專家、外科醫師和生物學家的跨領域合作，對研究進展幫助極大。

[end]