面向无生物信号的自主义手臂控制: 通过模仿学习
机器人学
2025-06-11 v1 人工智能
摘要
肢体丧失影响全球数百万人，损害身体功能并降低生活质量。大多数传统表面电生理信号(sEMG)和半自主方法需要用户为每种控制生成肌电信号，施加严酷的身体和精神负担。本研究旨在开发一个完全自主的控制系统，使假肢手臂能够仅通过戴在手腕上的摄像头，自动抓取和释放各种形状的物体。通过将手臂靠近物体，系统会自动执行适当 grip force 的抓取动作，以响应手臂的运动和环境。要释放被抓取的物体，只需自然地将物体靠近桌面，系统会自动打开手臂。这种系统将为肢体丧失者提供非常易用的假肢控制界面，并大大减少使用时的精神负担。为实现这一目标，我们开发了一个遥操作系统，用于收集人类演示数据，以用于训练假肢手臂控制模型的模仿学习，该模型从人类演示中模拟假肢手臂动作。通过仅使用来自一个单一参与者的一个少数物体的数据训练模型，我们已显示出模仿学习算法能够实现高成功率，推广到更多个体和不可见物体，具有重量变化。演示数据可在\href{https://sites.google.com/view/autonomous-prosthetic-hand}{https://sites.google.com/view/autonomous-prosthetic-hand}获取。
引用
@article{arxiv.2506.08795,
title = {Towards Biosignals-Free Autonomous Prosthetic Hand Control via Imitation Learning},
author = {Kaijie Shi and Wanglong Lu and Hanli Zhao and Vinicius Prado da Fonseca and Ting Zou and Xianta Jiang},
journal= {arXiv preprint arXiv:2506.08795},
year = {2025}
}