美国学者用Jetson Nano支持假肢，控制每一根手指

一成果离不开之前研究取得的进展，包括 Overstreet 等人 2019 年提出的连接神经纤维和生物电子系统的神经束内微电极阵列；Nguyen 等人 2020 年设计的能同时展开神经记录和刺激的 Neuronix 神经接口微芯片；Luu 等人 2021 年提出的降低解码器计算复杂度的深度学习电机解码范式优化；以及 SOTA 边缘计算平台的软硬件实现等。

系统概览

下图展示了研究者提出的神经假肢神经解码器的大体构造该系统包含 Scorpius 神经接口、带有定制载板的 Jetson Nano、定制的手臂控制器以及一个可多次充电的锂电池。

下图是该系统的原型图。AI 引擎重 90 克，锂电池（7.4V，2200mAh）重 120 克。在实际应用中，整个系统都可以集成到假肢内部，替代假肢现有的 ENG 传感器和电子设备，因此对手臂的重量和美感影响极小。数据是通过研究者之前提出的 Scorpius 神经接口获得的。每个 Scorpius 设备有 8 个记录通道，配有频率整形（FS）放大器和高精度模数转换器（ADC）。根据需要的通道数量，可以配置多个设备。FS 神经记录器被证明能够在抑制 artifact 的同时获得超低噪声神经信号。原始的神经数据会直接传输到 Jetson Nano 电脑进行进一步处理。

该系统的核心是由Jetson Nano 平台支撑的 AI 引擎。研究者设计了一个定制的载板为 Nano 模块提供电源管理和 I/O 连接。该模块可工作在 10W 模式 (4 核 CPU 1900 MHz，GPU 1000 GHz) 或 5W 模式 (2 核 CPU 918 MHz，GPU 640 MHz) 下，按当前电池尺寸，可分别连续使用 2 小时和 4 小时左右。

在这个系统中，训练好的深度学习模型被部署到 AI 引擎上，实时地将神经信号转化为个体手指运动的真实意图。最后的预测被发送到手部控制器来驱动假手。

这个假手是基于英国科技公司 Touch Bionics 的 i-Limb 假肢平台设计的，有五个单独驱动的手指。研究者用定制的手部控制器替换了原来的 i-Limb 默认驱动器，从而根据深度学习模型的预测，直接操作隐藏在每根手指中的直流电机。该控制器是围绕 ESP32 模块设计的，带有一个低功耗微控制器。

（编辑：宿州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!