機器人專家問你，想不想要第三只手

可以利用神經元中未使用的頻寬來控制額外的肢體。

額外的肢體能幫我們做什么呢？外科醫生要開展精細的手術，離不開自己充滿專業知識的頭腦和嫻熟又穩當的手——不光是一對生物手，還有一只機械手。操作手術工具時，附在醫生軀干上的第三只機械手起到輔助作用。建筑工人也用得到額外機械臂，以支撐他用自己雙手固定到位的重梁。想象一下：宅男穿戴上一套能幫他同時處理多個物體的外骨骼，化身《蜘蛛俠》里的章魚博士；鋼琴家擁有12根手指，作曲家不得不譜寫更豐富多變的音樂。

上述場景似乎很科幻，但必須承認，機器人技術和神經科學的最新進展使得當今技術足以展望額外的機器人肢體。英國倫敦帝國理工學院和德國弗萊堡大學的研究小組，以及歐洲的一些合作伙伴試圖搞清楚這種機器增強可否在實踐中實現，以擴展人類的能力。需要解決的主要問題涉及神經科學和神經技術：人腦是否能像控制生物部位一樣有效控制機器部件？如果答案是肯定的，什么神經信號可用于這種控制？

我們認為，額外的機器人肢體可被視為一種新的人類增強形式，令本就能執行的工作以高效率完成，讓本不可能完成的任務變為可能，擴展人體機能的邊界。如果人類能輕松地給自己配置并控制好第三條手臂、第三條大腿、更多的手指，不難想見，我們將能運用令人驚嘆的奇技，甚至開發前所未見的異能。

人類增強層級

近幾十年來，機器人肢體取得了長足進步，其中一些已經被人用來增強身體機能。大多數機器人肢體通過操縱桿或其他手控器操作。例如，生產線上的工人使用這類機械肢體來固定和操縱產品組件。同樣地，外科醫生坐在患者對面的控制臺前，進行超精細的機器人手術。雖然手術機器人可能有四條配備不同工具的手臂，但外科醫生的手一次只能控制其中兩條機械手。那么，這些外科醫生能否擁有同時控制四種工具的能力呢？

截肢或癱瘓人士也能使用機器人肢體。例如，坐在電動輪椅上的人使用操縱桿控制機械臂，失去手臂者通過剩余肌肉的動作控制假肢。然而，真正意義上的“大腦控制假肢”非常罕見。

使用腦控假肢的先行者是四肢癱瘓人士（通常是頸部以下癱瘓）。一些敢于冒險的癱瘓患者自愿參加大腦植入物的臨床試驗，嘗試僅通過意念來控制機械肢體——發出大腦指令，要求機械臂將飲料送到嘴邊，或幫助完成其他日常簡單任務。這些系統屬于腦機接口（BMI）類別。另一部分志愿者已經成功使用BMI技術控制計算機光標，使自己能夠輸入信息、瀏覽互聯網等。但這些BMI系統中的大多數都需要進行腦部手術方可置入神經植入物，而且包括從頭骨處突出的硬件，因此它們僅適用于實驗室。

可以認為人類增強具有三級層次。第一級，增強現有的特征。例如，機械外骨骼帶給穿戴者超強力量。第二級，賦予新的自由度。比方說，機器人肢體令穿戴者擁有操縱第三條手臂或第六根手指的能力，但這也會付出代價——例如，用戶需要借助足部裝置來操作機械臂，因此犧牲了腿腳的正常活動能力。第三級，為用戶提供新的自由度，且不剝奪任何身體部位的活動能力。當然，這一級的技術最不成熟。這樣的系統將允許用戶利用一些未被占用的神經信號來控制機器人肢體，同時不改變對自己身體的正常控制。探索工作目前也正處于這一層級。

破譯來自肌肉的電信號

第三級的人類增強或可通過侵入性腦機接口植入物來實現，但就日常使用而言，我們需要一種非侵入性方式從顱骨外部獲取大腦指令。對于許多研究團隊來說，這意味著依靠久經考驗的腦電圖（EEG）技術——通過放置于頭皮上的電極來獲取腦電波信號。我們團隊正在研究EEG方法，同時也在探索另一條路徑：使用肌肉產生的肌電圖（EMG）信號。我們花了十多年時間研究皮膚表面的EMG電極如何檢測來自肌肉的電信號，以求解碼這些電信號，揭示脊髓神經元發送的命令。

電信號是神經系統的語言。當細胞內電壓積聚到特定水平（幾十毫伏），整個大腦和周圍神經的神經元會“放電”，并導致動作電位。電位沿軸突傳播，在與其他神經元的連接部位（突觸）釋放神經遞質時，可能觸發這些神經元依次放電。當這種電脈沖由脊髓的運動神經元產生時，它們會沿著軸突行進，直到目標肌肉，在那里穿過特殊的突觸，抵達肌肉纖維并導致其收縮。我們可以記錄這些編碼用戶意念的電信號，并將它們用于各種控制目的。

然而，根據表面EMG可讀取內容來破譯單個神經信號并非一項簡單工作。典型肌肉接收來自不計其數的脊髓神經元的信號。此外，每個軸突在肌肉處分岔，并可能與分布于整個肌肉里的上百個單獨的肌肉纖維相連。表面EMG電極會拾取大量信號“雜音”。

20年前，無創神經接口取得突破。科學界發現高密度EMG（數十甚至數百個電極固定于皮膚上）拾取的信號可以解析開來，從而提供有關脊柱內單個運動神經元發送的命令的信息。更早時候的科學家只能通過肌肉或神經中的侵入式電極獲得此類信息。在2017年與截肢群體合作時，我們表明這種使用高密度EMG的方法有望優化對假肢的控制。我們的高密度表面電極在多個位置提供優良采樣，幫助團隊較大比例地識別和解碼參與任務的脊髓運動神經元活動。現在，我們能夠實時地開展此類工作。這意味著我們可以開發基于脊髓信號的無創BMI系統。

我們系統的當前版本由兩部分組成：訓練模塊和實時解碼模塊。首先，將EMG電極柵格貼在皮膚上，用戶進行平緩的肌肉收縮，然后我們將記錄的EMG信號輸入訓練模塊。該模塊要執行一項艱巨任務，那就是識別構成EMG信號的單個運動神經元脈沖（也稱為尖峰脈沖）：分析EMG如何發信號，以及神經尖峰信號與它之間的關系，并將其總結為一組參數，繼而可以把這些參數與更簡單的數學公式一起用，把EMG信號轉化為來自單個神經元的尖峰信號序列。

有了這些參數，解碼模塊就可獲取新的EMG信號，并實時提取單個運動神經元的活動。訓練模塊需做大量計算，而且本身執行實時控制的速度太慢，每次將EMG電極柵格固定在用戶身上時，它通常只能運行一次。相比之下，解碼算法非常高效，延遲低至幾毫秒，這意味著有望實現自給自足的可穿戴BMI系統。通過將其結果與插入用戶肌肉的侵入性EMG電極同時獲得的信號進行比較，我們驗證了系統的準確性。

利用神經信號中的額外頻寬

開發這種從脊髓運動神經元中提取信號的實時方法，是我們目前控制額外機器人肢體的關鍵工作。研究這些神經信號時，我們注意到它們本質上具備額外的帶寬。信號的低頻部分（低于約7赫茲）被轉換為肌肉力量，而較高頻率的分量，例如13至30赫茲的β波段，因太高而無法控制肌肉，似乎沒被用到。我們不知道，為何脊髓神經元會發送此類更高頻率的信號，或許，這類空余頻率，或者說“多余的信號”，是一種用于適應新情況的緩沖。無論如何，人類經歷無比漫長的進化，才擁有如此神奇的神經系統。我們脊髓發出的信號，比控制肌肉所需的信息豐富得多。

上述發現也讓團隊開始思考，空余神經信號究竟能做些什么？尤其是我們能否獲取這些“無關”信息并用它們控制機器人肢體？還有，人們能否自主地、與肌肉控制部分相分離地控制這部分信號。于是我們設計了實驗來尋找答案。

在我們的第一個概念驗證實驗中，志愿者嘗試使用前文提到的空余神經信號來控制計算機光標。設置很簡單，但涉及的神經機制和算法很復雜。每個志愿者都坐在屏幕前，腿上放置一個EMG系統，脛骨前肌部的皮膚上貼一塊長10厘米、寬4厘米、含64個電極的貼片。脛骨前肌收縮，令足部發生彎曲。脛骨一直是我們實驗的主力：它占據靠近皮膚的大面積區域，而且它的肌纖維沿著腿部排列，這使它非常利于研究者解碼支配它的脊髓運動神經元的活動。

我們要求志愿者收縮脛骨，保持緊張狀態，并把腳抵住以防止移動。在整個實驗過程中，我們對于提取的神經信號進行分析，按頻率將其分成不同部分——控制肌肉收縮的低頻和20赫茲左右的空余頻率——并將這兩個分量分別與計算機屏幕上光標的水平和垂直控制相關聯。我們要求志愿者嘗試在屏幕上移動光標，使其到達區域的所有部分，但我們沒有，也確實不能，向他們解釋如何做到這一點。他們不得不依靠光標位置的視覺反饋，讓自己的大腦弄清楚如何移動它。

在不知道自己做著什么的情況下，這些志愿者竟能于幾分鐘內完成任務，將光標在屏幕上快速移動（盡管有些抖）。完成“收縮脛骨前肌”的神經指令信號是一個好的開始。現在他們正學習開發第二類信號（20赫茲左右的空余頻率）用以控制計算機光標的垂直運動（獨立于用以水平移動光標的肌肉控制頻率）。學習進展令我們驚訝和興奮，他們在另一條通路上，一條與自然運動無關的神經控制通路上，非常輕松地邁出了第一步！不過我們也看到，這種控制對于實際應用來說還太有限了。下一步，我們要看看能否獲得更準確信號，以及志愿者能否使用它們來控制機器人肢體，與此同時進行獨立的自然運動。

我們也希望更深入了解大腦如何執行像光標控制這樣的壯舉。在最近一項光標任務相關研究中，我們同時使用了EEG來查看用戶大腦內，尤其是與自主控制運動相關的區域發生的事情。結果令人欣喜：到達肌肉的β波段神經信號發生的變化，與大腦層面的類似變化密切相關。如前所述，空余的β神經信號仍是個謎——它們在控制肌肉方面發揮了什么作用嗎？我們并不了解。我們甚至不清楚它們的來源。研究結果表明，執行任務的志愿者會學習調節以β信號形式發送至肌肉的大腦活動。這一重要發現正幫助我們揭示β信號背后的潛在機制。

與此同時，我們在帝國理工學院建立了一個系統，用以測試這些具有額外機器人肢體的新技術——所謂的“多肢體虛擬環境”（MUVE）。 MUVE將使用戶能在虛擬現實模擬的場景中使用多達四個輕型可穿戴機械臂。我們計劃開放該系統，供全球研究者使用。

人類增強的下一步

下一步的工作是將我們的控制技術連接至機械臂或其他外部設備。我們正積極追逐此目標。然而，真正的挑戰不是連接硬件，而是識別多種足夠準確的控制源——準確控制機器身體部位，執行復雜而精確的動作。

我們還在研究該技術將如何影響其使用者的神經過程。例如，若某人有六個月使用額外機械臂的經驗，他的大腦有何變化？大腦天然的可塑性能否讓他們適應并獲得更具直覺性的控制？一個天生六指的人可以擁有充分發育的大腦區域，專用于控制多出來的那根指，展現異于常人的操縱力。而我們系統的用戶，會隨著時間推移發展出類似的靈活性嗎？我們還想知道，控制額外肢體會涉及多少認知負荷。如果人們只有在實驗室環境下全神貫注時才能引領額外肢體，那么此技術或許前景黯淡。如果用戶能于日常生活工作時自如操控第三只手，例如用它做做三明治，那么它肯定會有美妙的應用。

其他團隊也在用不同類型的控制機制研究類似的神經科學問題。意大利錫耶納大學的多梅尼科 · 普拉蒂奇佐（Domenico Prattichizzo）與同事展示了一種腕戴式軟體機器人第六指。它幫助失去手部掌控力的卒中人士穩當地抓握物體。用戶戴上帶有EMG電極的帽子，并通過揚眉毛來向手指發送命令。麻省理工學院哈利 · 阿薩達（Harry Asada）團隊已經對多種類型的額外機器人肢體開展試驗，其中有一種可穿戴套裝，通過使用EMG來檢測軀干中的肌肉活動，從而控制額外肢體。

其他小組正在試驗涉及頭皮腦電圖或神經植入物的控制機制。運動增強還處于早期階段，世界各地的科學家才剛開始解決此新興領域的最基本問題。

這里有兩個實際問題很突出：一是我們能否在自然運動的同時實現對額外機器人肢體的神經控制；二是系統能否在用戶并不專注的情況下工作？只要任何一個問題的答案是否定的，我們就無法創建實用技術，不過我們仍會擁有一個有趣的新工具來研究運動控制的神經科學。如果這兩個問題的答案都是肯定的，那么我們可能已經準備好，要進入人類增強新時代了。

資料來源 IEEE Spectrum

本文作者達里奧 · 法里納（Dario Farina）是帝國理工學院生物工程系的教授，也擔任神經康復工程主席，他的研究重點是生物信號處理和建模、運動的神經控制以及神經康復技術；艾蒂安 · 伯德（Etienne Burdet）是帝國理工學院的人類機器人學教授，他結合神經科學與機器人學的方法來研究人類感覺運動控制，為日常生活技術和神經康復設計高效界面；卡斯滕 · 梅林（Carsten Mehring）是德國弗萊堡大學的神經生物學和神經技術教授，他結合了實驗和理論方法，研究電機控制和腦機接口；海梅 · 伊巴涅斯（Jaime Ibá?ez）是西班牙薩拉戈薩大學的拉蒙-卡哈爾高級研究員，也在帝國理工學院擔任名譽研究員，他致力于研究神經活動的處理，以期揭示運動信號的大腦-脊髓雙向傳輸