醫工學人評論

創新性地結合混合剛柔結構與多層神經形態觸覺傳感，顯著提升了假手的抓取靈活性與觸覺感知能力，為智能假肢和仿生機器人發展奠定了重要基礎。

3月5日，美國約翰霍普金斯大學（JHU）的研究人員在《科學·進展》期刊發表文章 “A natural biomimetic prosthetic hand with neuromorphic tactile sensing for precise and compliant grasping”，受人類手指啟發，該研究提出了一種天然的假肢手，結合了軟體機器人的柔順性和剛性機器人的強度，并嵌入了三層神經形態觸覺傳感系統，以模擬人類手部的感知和抓取能力。

創新性：采用剛性內骨骼+軟體關節的混合結構，獨立驅動的軟體關節提高了假手的靈活性，使其能夠適應多種抓握任務；三層觸覺傳感器，分別模擬Merkel 細胞、Meissner 小體、Ruffini 末端和 Pacinian 小體，實現對不同類型的觸覺刺激（壓力、振動、變形等）的感知；傳感層的層次化設計，使假手能夠區分不同物體表面紋理，例如粗糙、光滑、軟硬等特性；假手在紋理識別測試中達到了98.38%的準確率，優于傳統剛性假手（83.02%）和軟體假手（82.31%）。

局限性：觸覺傳感器僅限于指尖，手掌和手指的其他部分沒有嵌入傳感系統，導致假手對整體抓取力和物體形狀的感知不足；盡管混合結構提高了假手的抓取能力，但仍無法達到人手的精細力控水平，特別是在高強度握力任務（如開瓶蓋、提重物）中表現有限；沒有提供閉環反饋，用戶在使用時無法獲得觸覺回饋，仍需依賴視覺進行抓取調整。

臨床應用潛力：適用于上肢截肢患者，特別是需要更精細手部操作的患者（如抓握易碎物品、執行日常生活任務）；適用于手部損傷患者的康復訓練，通過觸覺反饋提高神經可塑性，幫助患者恢復感覺；可用于機器人手，執行需要精細觸覺感知的任務。

*評論內容僅供參考，一切以英文原文為準

想象一下，當你伸出手去握住一個蘋果，指尖輕柔地觸碰到光滑的果皮，掌心感受到蘋果的重量，微調抓握力道，防止果實滑落。這些看似簡單的動作，對普通人而言是日常小事，但對于上肢截肢者或假肢佩戴者來說，卻是一個巨大的挑戰。傳統的假手往往是剛硬的機械結構，缺乏真正的觸覺感知能力，使用者只能依靠視覺判斷如何抓握物體，難以精準控制力度。然而，一項最新的研究正在改變這一現狀——JHU的科研人員開發出了一款具有神經形態觸覺傳感的仿生假手，不僅能“感覺”物體的表面紋理，還能像人類手一樣兼顧柔順性與抓取力，大幅提升假手的智能性和實用性。

圖1 人手啟發的具有神經形態觸覺傳感的混合機械手。

（A） 以人手為模型，仿生手結合了剛性和柔性假手的優點，同時增加了觸覺傳感和神經形態能力，可在非結構化環境中安全、靈巧地縱物體。（B） 剛性手，例如傳統的假肢，提供精確和更高的抓取力，而 （C） 軟手在與物體交互時提供柔韌性和安全性。（D） 觸覺傳感對于動態縱物體并與之交互是必要的。仿生指尖包含靈活的多層觸覺感應，其靈感來自人類皮膚中的機械感受器。（E） 神經通信有效地向大腦發送大量空間和時間感覺信息。仿生手通過神經形態編碼觸覺傳感信息來模擬神經的動態神經活動。

過去的假肢技術通常面臨一個兩難選擇——剛性結構提供強大抓握力，卻缺乏靈活性；軟體結構則富有適應性，卻難以施加足夠的握力。因此，研究人員決定融合剛性與軟性材料的優勢，打造一種全新的混合假手。

他們設計的假手采用剛性內骨骼和軟性關節相結合的結構，手指由3D打印的聚乳酸（PLA）材料組成骨架，而關節則由Dragon Skin 10 硅膠制造，具備一定的變形能力。這一結構的好處在于，剛性部分提供抓握力和穩定性，軟性部分增強了手指的柔順性，使其能適應不同形狀和材質的物體。實驗表明，相較于完全軟體的假手，這種混合結構的假手不僅抓取力提升了三倍，而且在施加相同壓力的情況下，能夠提供更穩定的抓握控制。

圖2 具有多層神經形態觸覺感應的仿生手指

如果說混合結構提升了假手的“肌肉”，那么仿生觸覺傳感系統則賦予它“神經”。人類手指的觸覺來源于皮膚中的四種主要機械感受器——Merkel 細胞、Meissner 小體、Ruffini 末端和 Pacinian 小體，它們分別負責感知壓力、低頻振動、皮膚拉伸和高頻震動。而這款假手的指尖，正是模擬了人類的這套精妙系統，內置了三層觸覺傳感器：

外層傳感器（表皮層）：模仿 Merkel 細胞和 Meissner 小體，利用壓阻式（piezoresistive）材料感知輕觸和表面紋理。

中層傳感器（真皮層）：模仿 Ruffini 末端，采用壓電式（piezoelectric）材料，檢測假手在抓取過程中皮膚的形變和剪切力，幫助識別物體的柔軟度。

內層傳感器（深層真皮）：模仿 Pacinian 小體，采用壓電式（piezoelectric）材料，能對高頻震動和瞬時壓力做出快速反應，例如識別粗糙表面的微小震動。

通過這套仿生傳感系統，假手能夠像人類手一樣，在握持不同物體時調整施力，并區分物體的表面紋理，為假肢佩戴者帶來了更真實的觸覺體驗。

圖3 傳感層的神經形態反應

收集到觸覺信號后，如何讓假手“理解”這些信息呢？傳統的假肢往往采用簡單的模擬信號處理，而研究人員引入了一種更先進的方式——神經形態編碼（Neuromorphic Encoding）。這種方法借鑒了人類神經系統的信號傳遞機制，通過Izhikevich 神經元模型，將傳感器獲取的觸覺數據轉換為脈沖信號（spike train），類似于生物神經元在處理外界刺激時的方式。

這一方法有兩個顯著優勢：

減少計算負擔：脈沖信號只在環境變化時觸發，不需要持續傳輸大量數據，從而降低假手的能耗。

提高觸覺識別精度：假手不僅能檢測靜態壓力，還能分析時間序列中的動態變化，例如感知表面粗糙度或檢測滑動趨勢。

實驗結果顯示，基于這一神經形態編碼系統，該假手在26種不同表面紋理的識別測試中，準確率高達98.38%，遠超傳統剛性假手（83.02%）和軟體假手（82.31%）。此外，在日常物品識別實驗中，假手成功區分了15種不同物品，分類準確率達到99.69%，顯示出強大的環境適應能力。

圖4 仿生手抓取和識別物體功能

這項研究不僅是一次學術上的突破，也為假肢技術的未來發展指明了方向。隨著該技術的成熟，在臨床和工業領域的應用前景廣闊：

1.智能假肢：結合肌電（EMG）控制，讓假肢佩戴者能夠通過意念或肌肉信號控制假手，同時獲得實時觸覺反饋，大幅提升假肢的實用性。

2.康復訓練：為手部神經損傷患者提供真實觸覺反饋，幫助他們重新建立手部感覺和運動控制能力。

3.機器人應用：用于手術機器人、智能機械手臂、人機交互設備，提高機器人在復雜環境中的操作能力。

然而，目前的技術仍有一些局限性，例如假手的最大抓取力仍不及人手（僅為1.8N，而人手平均可達32±14N），并且觸覺傳感器尚未覆蓋整個手掌，在某些應用場景下可能存在不足。因此，未來研究仍需優化材料和結構，提高抓取力，并結合閉環神經反饋技術，使假手真正具備“觸覺感知”能力。