图：研究人员在连接到机械臂的假肢上使用装有液态金属的可拉伸触觉传感器的单个指尖来源：Florida Atlantic University

每个指尖有 3,000 多个触摸感受器，它们在很大程度上对压力做出反应。人类在操纵物体时非常依赖指尖的感觉。缺乏这种感觉对上肢截肢者来说是一个独特的挑战。虽然今天有几种高科技、灵巧的假肢可用，但它们都缺乏“触摸”的感觉。缺少这种感觉反馈会导致物体无意中被假手掉落或压碎。

该项研究成果发表在《Sensors》杂志上，在该项研究中，研究者使用假肢上的各个指尖来区分沿不同纹理表面滑动的不同速度。四种不同的纹理有一个可变参数：脊之间的距离(the distance between the ridges)。为了检测纹理和速度，研究者训练了四种机器学习算法。对于这10个表面，每一个都收集了20次试验，以测试机器学习算法区分由随机生成的4种不同纹理排列组成的10个不同复杂表面的能力。

结果表明，来自四个假手指尖上的液态金属传感器的触觉信息在整合的同时区分了复杂的多纹理表面——展示了一种新的层次智能形式。机器学习算法能够以高精度区分每个手指的所有速度。这项新技术可以改善对假手的控制，并提供触觉反馈，通常称为触觉体验，让截肢者重新连接以前切断的触觉。

研究人员表示：“我们已经对用于人工手的触觉传感器进行了大量研究，但仍然需要在轻型、低成本、坚固的多模态触觉传感器方面取得进展，在研究中，来自所有单个指尖的触觉信息为更高的手部感知水平奠定了基础，能够区分十个复杂的、多纹理的表面，而使用来自单个指尖的纯粹局部信息是不可能做到的。”

研究人员比较了四种不同机器学习算法的成功分类能力：K-最近邻 (KNN)、支持向量机 (SVM)、随机森林 (RF) 和神经网络 (NN)。提取液态金属传感器的时频特征来训练和测试机器学习算法。神经网络通常在使用单个手指的速度和纹理检测方面表现最好，同时使用来自四个手指的4个液态金属传感器对10个不同的多纹理表面进行识别的准确率达到99.2%。

对于试图无缝参与常规活动的个人来说，失去上肢可能是一项艰巨的挑战，虽然假肢的进步可以让截肢者更好地履行日常职责，但这并没有为他们提供触觉等感官信息，也无法让他们用意念自然地控制假肢。有了这项最新技术，我们离为世界各地的人们提供一种更自然的假肢装置又近了一步，这种假肢装置可以“感觉”并对环境做出反应。