《CyborgIN》：CyberDaily关于赛博格的子栏目。OK，我们又将《赛博格在路上》更换为其英文名《CyborgIN》
本期，我们分享最近脑机接口和仿生手的进展
以及2050年的一天早晨
01
Cognixion 启动针对晚期 ALS 的临床试验，利用自适应人工智能驱动的脑机接口实现对话交流
Cognixion公司宣布启动一项名为“针对晚期ALS患者的增强现实BCI纵向研究”（NCT06810219）的临床试验，旨在通过其自适应人工智能驱动的脑机接口（BCI）设备Axon-R，帮助晚期肌萎缩侧索硬化症（ALS）患者实现对话级别的交流。
ALS患者通常会逐渐丧失语言能力，导致无法有效沟通。目前的标准治疗方法（如眼动追踪系统）对于晚期ALS患者效果有限。
Cognixion的Axon-R结合了BCI、AI和增强现实（AR）技术，旨在为ALS患者提供一种新的沟通方式。
而试验目的评估Axon-R系统和生成式AI对话应用程序在ALS患者中的沟通效果。试验将跟踪患者学习使用BCI的能力，并评估不同输入方法（如BCI和眼动追踪）的有效，本次试验部分由ALS Accel（ALS协会的子公司）资助。
Axon-R设备通过EEG非侵入式脑传感技术，结合增强现实，提供超直观的生成式AI界面。
该技术支持实时对话，显著提高沟通速度和个性化表达能力。Axon-R的目标是帮助ALS患者恢复沟通能力，而无需进行侵入性手术。
这项试验是了解AI增强BCI技术如何针对晚期ALS患者进行优化的关键一步。试验结果将为FDA批准所需的更大规模关键试验提供支持。Cognixion希望通过这项技术改善ALS患者及其家人的生活质量。
早期。一位参与试验的ALS患者Rabbi Yitzi Hurwitz通过Cognixion的技术重新获得了沟通能力，显著改善了他的生活质量。
02
脑机接口让瘫痪男子能够移动机械臂长达七个月
加州大学旧金山分校（UCSF）的研究人员开展，旨在通过脑机接口（BCI）技术帮助瘫痪患者控制机械臂。
以往的BCI设备通常只能工作一两天，而此次研究中的设备创下了连续工作7个月的记录，无需频繁调整。
研究对象是一位因中风瘫痪的男子，他无法说话或移动身体。在参与者大脑表面植入微型传感器，用于捕捉其想象运动时的大脑活动信号。通过AI模型，设备能够适应大脑活动的细微变化，并学习如何更精细地执行动作。
研究人员让参与者想象移动身体的不同部位（如手、脚或头），记录其大脑活动模式。
发现大脑中动作表征的形状保持不变，但位置会每天略有变化。通过虚拟机械臂训练参与者，使其能够通过想象控制机械臂完成简单动作。最终，参与者成功控制真实机械臂完成复杂任务，如抓取、转动物体，甚至打开橱柜、取杯子喝水。
参与者能够通过想象控制机械臂长达7个月，且仅需15分钟的“调整”即可适应设备。这表明BCI技术在长期稳定性和实用性方面取得了重大突破。
研究人员正在改进AI模型，以使机械臂的动作更快速、更流畅。计划在家庭环境中测试BCI设备，以验证其在实际生活场景中的应用潜力。对于瘫痪患者而言，这种技术有望显著改善生活质量，例如实现自主进食和饮水。
03
新型仿生机器人手臂利用人造肌肉对抗震颤，为可穿戴解决方案铺平道路
全球约有8000万人患有震颤，例如帕金森病患者。震颤是一种不自主的周期性运动，严重影响患者的日常生活活动，如喝水、写字等。现有的可穿戴软体机器人设备虽然有潜力抑制震颤，但尚未达到能够真正解决问题的水平。
马克斯普朗克智能系统研究所（MPI-IS）、图宾根大学和斯图加特大学在仿生智能图宾根斯图加特（BITS）合作项目下开展。研究团队开发了一种配备人造肌肉的仿生机器人手臂，旨在为震颤患者提供更有效的辅助解决方案。
该手臂被称为“机械患者”，能够模拟真实患者的震颤。研究人员将真实的震颤数据记录并投射到手臂上，使其能够复现患者手腕和手部的震颤动作。手臂配备了两根由电动液压致动器制成的轻型人造肌肉（HASEL技术）。这些肌肉通过收缩和放松来补偿手臂的前后运动，从而有效抑制震颤。
结合生物力学计算机模拟，研究人员可以在虚拟环境中快速验证人造肌肉的性能，避免在真实患者身上进行耗时且昂贵的临床试验。
该仿生机器人手臂不仅为研究人员提供了一个测试辅助外骨骼技术新想法的平台，还作为MPI-IS机器人材料系人造肌肉的试验台。通过结合机械患者和生物力学模型，研究人员可以快速评估人造肌肉是否足以抑制各种强度的震颤。
HASEL技术经过多年的改进，显示出在手腕震颤抑制方面的高效性。研究人员希望这种人造肌肉未来能够成为辅助可穿戴设备的核心部件，帮助震颤患者更舒适地完成日常任务。
该研究展示了软体机器人技术在医疗保健领域的巨大潜力，尤其是在开发基于柔性和可变形材料的辅助设备方面。
04
仿生手“知道”它正在触摸什么约翰霍普金斯大学的工程师们开发了一种新型的仿生假手，能够灵活地抓握日常物品，如毛绒玩具、水瓶等，并根据物品的特性调整抓握力度，避免损坏物品。这种新型假手采用了刚性和柔性元素相结合的设计，模仿人类手的独特结构。
新型假手由类似橡胶的聚合物制成，覆盖在3D打印的刚性骨架上。它配备了三层触觉传感器，能够识别纹理、形状以及抓取物品所需的精确力度。该设备通过机器学习算法处理指尖的人工受体信号，并与前臂肌肉活动结合，以指导抓握力度和手指定位。
恢复触觉：
该设备的目标是恢复上肢残障人士的触觉，通过电神经刺激提供自然的感觉反馈。
每个充气的柔软手指关节都可以通过前臂肌肉控制。
在实验室测试中，新型假手成功识别了15种日常物品的特性，并相应调整抓握方式。
成功率达到99.69%，显著优于现有的假肢手。
研究团队计划进一步改进假手，包括增加抓握力、添加更多传感器和使用更耐用的材料。
这种混合刚性和柔性的设计不仅适用于假肢，还可能推动机器人技术的发展，使其能够处理易碎物品和执行更复杂的任务。