利用学习预测作为反馈以改进假肢的控制与通信：初步发现

许多人遭受肢体缺失的痛苦。学习在没有手臂或手的情况下生活极具挑战性，而现有的假肢尚不能满足截肢者的需求。一个有前景的解决方案是加强假肢与其用户之间的通信。为此，我们提出了一种简单的机器学习接口，用于补充机器人肢体的控制，并向用户提供关于肢体在不久的将来将经历何种情况的反馈。我们实现了一个实时预测学习器，用于预测机器人肢体所受的与冲击相关的电负载；随后将该学习系统的预测传达给设备用户，以辅助其与工作空间的交互。我们在五名身体健全的受试者身上测试了该系统。每名受试者在操纵机器人手臂的同时，接收关于手臂与工作空间接触的不同形式的振动触觉反馈。我们的试验表明，在人类控制机器人手臂期间，可以快速学习到可传达的预测。与仅来自设备的反应式反馈相比，利用这些预测作为反馈基础可显著提高任务表现。因此，我们的研究提供了初步证据，表明预测学习和机器智能不仅可以有益于控制，还可以有益于来自假肢的反馈。我们预期，如果假肢本身在传输关于其状态和使用情境的学习知识方面发挥积极作用，可以实现更高水平的接受度和拥有感。