机器人学家要给人类添加第三只手臂
神经元中未被使用的带宽可以用来控制额外的肢体。
如果多了一条肢体，你能做什么？想象一位外科医生正在进行一台精细手术，这需要她的专业技能以及稳定的手：她的两只手用于操作手术器械，而附在她身上的第三只机械手则扮演着支持角色。或者想象一位建筑工人，非常感激他额外的机械手支撑住了沉重的梁，方便他用自己的两只手把梁固定好。再比如想象你穿戴着外骨骼机器人，可以像《蜘蛛侠》中的章鱼博士那样同时处理多个物体。也可以畅想一下，一位作曲家可以为一位有着12根手指的钢琴演奏者写出怎样不同寻常的音乐。这样的情景可能听起来像是科幻小说，但近年来机器人技术和神经科学取得的进步，使我们可以想象用现有技术制作额外的机械肢。帝国理工学院和德国弗赖堡大学的研究团队与欧洲项目NIMA的伙伴合作，研究是否可以实现这种肢体增强，在现实中拓展人类的能力。我们研究的主要问题涉及神经科学和神经技术：人的大脑能否像控制生物肢体一样有效控制额外的身体部位？如果可以，那么可以用哪些神经信号进行控制？
我们认为，额外的机械肢可能是一种新型人体增强形式，可以提高人们完成已胜任任务的能力，同时扩展人们的自然机体无法胜任的工作能力。人如果能够轻松地添加和控制第三只手臂、第三条腿或者更多的手指，就能在不限于此处提到的更多场景中，使用它们来完成任务和工作，探索我们甚至无法想象的新行为。
近几十年来，机械肢取得了长足的进步，有些已经被人用来增强自己的能力。大多数机械肢是通过操纵杆或其他手部控制装置操作的。制造业生产线上的工人使用机械臂夹持和摆布产品的零部件。同样，进行机器人手术的外科医生也是坐在远离患者的控制台前操作。虽然手术机器人可能有4只带有不同工具的机械臂，但外科医生的双手一次只能控制其中的两只。我们能否赋予这些外科医生同时操控4个工具的能力呢？
截肢和瘫痪患者也在使用机械肢。这包括人坐在电动轮椅上，通过轮椅操纵杆控制机械臂，截肢者通过残余肌肉运动来控制假肢。真正由大脑控制的假肢非常罕见。
大脑控制假肢的拓荒者往往是自颈部以下瘫痪的患者。其中一些患者勇敢地参加了脑植入物临床试验，使他们能够仅通过思维来控制机械肢，发出意念命令，让机械臂将饮料送到嘴边，或协助完成日常生活中的其他简单任务。这些系统属于脑机接口（BMI）类别。还有一些志愿者使用脑机接口技术控制计算机光标打字、浏览互联网等。但这些系统大多需要进行脑部手术，嵌入神经植入物，甚至包括从颅骨伸出来的硬件，因此它们只适合实验室使用。
我们认为人体增强分3个层次。第一层次，增加现有的特性，比如动力外骨骼机器人可以给予穿戴者超级力量；第二层次，赋予人新的自由度，例如能够控制第三只手臂或第六根手指，但是有代价，如果额外的肢体由脚踏板控制，用户将要牺牲脚的正常行动能力，才能操作控制系统；第三层次，人体增强，也是目前技术上最不成熟的，即不影响其他身体部位的活动能力，为用户提供额外的自由度。这样的系统通过利用一些未使用的神经信号来控制机械肢，可使人正常地使用自己的身体。这就是我们在研究的层次。
第三层次人体增强也许可以通过侵入式脑机接口植入物实现，但对于日常使用，我们需要一种非侵入式方法，从头骨外部获取大脑指令。对许多研究团队来说，这意味着依赖经过检验的可靠的脑电图（EEG）技术，使用头皮电极接收脑信号。我们团队也在研究这种方法，但我们还在探索另一种方法：利用肌肉产生的肌电图（EMG）信号。我们已经花了十多年的时间研究如何利用皮肤表面的肌电图电极来检测肌肉产生的电信号，然后对其解码，揭示脊髓神经元传达的命令。
电信号是神经系统的语言。在整个大脑和周围神经中，当细胞内形成一定的电压（几十毫伏）时，神经元会“放电”，引起动作电位沿着其轴突传播，在与其他神经元的连接处或突触处释放神经递质，并有可能触发这些神经元依次放电。当脊髓中的运动神经元产生这样的电脉冲时，它们将沿着一条轴突传播，直达目标肌肉，并在那里跨越特殊的突触，到达单个肌纤维，引起肌肉收缩。我们可以记录这些带有用户意图编码的电信号，并将它们用于各种控制目的。
然而，根据表面肌电图读数解读单个神经信号并不是一件简单的事情。肌肉通常接收来自成百上千个脊髓神经元的信号。此外，每个轴突在肌肉处产生分支，可能与100多个肌纤维相连，分布在整个肌肉中。表面肌电图电极会接收到这些杂音脉冲。
20年前，非侵入式神经接口取得了突破，人们发现高密度肌电图（其中有数十到数百个电极被固定在皮肤上）接收到的信号可以清理出脊髓单个运动神经元发送命令的相关信息，而此前仅能通过肌肉或神经中的侵入式电极获得此类信息。我们的高密度表面电极可在多个位置提供良好采样，使我们能够识别和解码相对较大比例的脊髓运动神经元的相关活动。而现在，我们可以实时这样做，这表明可以基于来自脊髓的信号开发非侵入式脑机接口系统。
我们目前版本的系统由两部分组成：训练模块和实时解码模块。首先，将肌电图电极网格固定在皮肤上，用户会轻柔地进行肌肉收缩，然后我们将记录下的肌电图信号输入到训练模块中。这个模块执行一项困难的任务：识别组成肌电图信号的单个运动神经脉冲，也称为“脉冲尖峰”。该模块将分析肌电图信号，推断出神经脉冲尖峰之间的关系，总结出一组参数，然后用一个更简单的数学方法，将肌电图信号转换为来自单个神经元的脉冲尖峰序列。
有了这些参数，解码模块就可以获取新的肌电图信号，并实时提取单个运动神经元的活动。训练模块需要大量的计算，并且速度太慢无法进行实时控制，但每当肌电图电极网格被固定在用户身上时，它通常只需要运行一次。相比之下，解码算法非常高效，延迟低至几毫秒，这对于独立可穿戴脑机接口系统来说可能是一个好兆头。我们将该信号与同时插入用户肌肉的侵入式肌电图电极获得的信号进行比较，验证该系统的准确性。
开发实时从脊髓运动神经元中提取信号的方法是当前控制额外机械肢工作的关键。在研究这些神经信号时，我们发现它们实际上有多余的带宽信号。信号的低频部分（约低于7赫兹）被转化为肌肉力量，但信号还有高频的部分，如13至30赫兹的β波段，这些信号的频率太高，无法控制肌肉，还没有被利用。我们不知道脊髓神经元为什么会发出这些高频信号；也许冗余是一个缓冲，以防需要适应的新情况。但不管是什么原因，在人类进化出的神经系统中，脊髓发出的信号都比控制肌肉所需的信息丰富得多。
这一发现让我们开始思考如何利用多余的频率。我们尤其想知道能否利用这部分多余的神经信息来控制机械肢。但我们不知道人们能否主动控制这部分信号与控制肌肉的部分分离。因此，我们设计了一个实验来找出答案。
在我们的第一个概念验证实验中，志愿者试图利用多余的神经能力来控制计算机光标。虽然涉及的神经机制和算法非常复杂，但设置非常简单。每位志愿者坐在屏幕前，我们在他们的腿上放置了一个肌电图系统，将一个4厘米×10厘米、含64个电极的贴片贴在其胫骨前肌上，胫骨前肌收缩时会使脚向上弯曲。在我们的实验中，胫骨前肌起到了重要作用：它靠近皮肤的面积很大，并且肌肉纤维沿着腿部排列，这些都非常适合解码支配它的脊髓运动神经元的活动。
我们要求志愿者收缩胫骨前肌，基本上保持肌肉紧张，并用脚支撑住防止移动。在整个实验过程中，我们观察提取的神经信号的变化。我们将这些信号分为控制肌肉收缩的低频信号和大约在20赫兹的β波段的多余频率，并将这两部分分别与计算机屏幕上光标的水平和垂直控制联系起来。我们要求志愿者尝试在屏幕上移动光标，触及屏幕的每一个部分，但我们没有（而且也确实无法）向他们解释如何做到这一点。他们必须依靠视觉反馈的光标位置，让他们的大脑想办法来移动它。
值得注意的是，虽然不知道他们到底在做什么，但这些志愿者能够在几分钟内完成任务，让光标在屏幕上快速移动，尽管有些颤抖。开始是一个神经指令信号：收缩胫骨前肌，然后他们学习发出第二个信号，控制计算机光标的垂直运动，独立于肌肉控制（它控制光标的水平运动）。我们感到惊讶和兴奋的是，他们轻而易举地迈出了重要的第一步，找到了独立于自然运动任务的神经控制通道。但是我们也看到，这种控制很有限，无法实际应用。我们的下一步将是研究可否获得更准确的信号，以及人们可否使用它们来控制机械肢，同时完成独立的自然动作。
我们也有兴趣更多地了解大脑如何完成像光标控制这样的特技。在光标任务的一个变体任务研究中，我们同时使用脑电图来观察用户大脑中发生的活动，特别是与运动自主控制相关的区域。我们兴奋地发现，到达肌肉的β波段神经信号发生的变化与大脑层的类似变化密切相关。如上所述，β神经信号仍然是一个谜，它们在控制肌肉中扮演了未知的角色，甚至不清楚它们来自哪里。我们的结果表明，志愿者正在学习调节将大脑活动作为β信号发送到肌肉。这一重要发现有助于解开这些β信号背后的机制。
与此同时，我们在帝国理工学院创建了“多肢体虚拟环境”（MUVE）系统，用于测试这些新技术和额外的机械肢。MUVE拥有许多功能，其中包括在虚拟现实模拟情境中使用多达4只轻便的可穿戴机械臂。我们计划将该系统开放给全球的研究人员使用。
自然，用我们的控制技术连接机械臂或其他外部设备是下一步工作，我们正在积极追求这个目标。然而，真正的挑战不在于连接硬件，而在于识别多个精确的控制源，用机械身体部件执行复杂而精细的动作。
我们还在研究这项技术会如何影响使用者的神经系统功能。例如，使用额外的机械肢6个月后会发生什么？大脑的自然可塑性能否使他们适应并获得更近乎直觉的控制方式？天生六指的人有完全发育的大脑区域来控制多出来的手指，产生特殊的操作能力，久而久之，我们系统的使用者能否发展出类似的灵巧性？我们也在思考控制额外肢体将涉及多少认知负荷。如果人们在实验室里全神贯注才能控制这样的肢体，这项技术可能无用。如果用户可以在日常生活中，例如在做三明治时，漫不经心地使用额外一只手，那就意味着这项技术适合日常使用。
其他研究团队正在使用不同类型的控制机制，追寻类似的神经科学问题。意大利锡耶纳大学的多梅尼克•普拉提奇佐（DomenicoPrattichizzo）及其同事演示了一根佩戴在手腕上的软性机械第六指。它能够让中风导致手部无力的使用者牢固地抓住物品。使用者戴着一顶带有肌电图电极的帽子，并通过抬眉毛向机械手指发送指令。麻省理工学院的哈利•阿萨达（HarryAsada）团队已经实验了许多类型的额外机械臂，包括一套使用肌电图来检测躯干肌肉活动、控制额外肢体的可穿戴服装。
其他团队正在实验基于头皮的脑电图或神经植入物的控制机制。动作增强技术还处于早期阶段，全球研究人员刚刚开始探讨这个新兴领域的最基本问题。
我们的系统面临两个现实问题：首先，能否在自然运动的同时，实现对额外机械肢的神经控制？其次，该系统能否在使用者不全神贯注的情况下工作？如果任何一个问题的答案是否定的，我们无法得到一种实用技术，但它仍会有一个有趣的新工具，可以用来研究动作控制的神经科学。如果这两个问题的答案都是肯定的，我们可能已经准备好进入一个人体增强的新时代。目前，就让我们（生物学上的）手指交叉，祈祷这一天的到来吧。
文章来源于悦智网，作者Dario、Etienne等
欢迎报名参加高速芯片测试技术研讨会【是德&ICisC7月10日|南京】