双手协同任务中握力与操作力的独立控制机制研究

为探究双手操作物体时力的控制机制，研究人员开展相关研究，发现二者控制机制不同，为康复治疗提供方向。

　　在日常生活中，我们双手操作物体时看似轻松自然，比如拿起一个杯子、用双手系鞋带，可这背后却隐藏着复杂的神经控制机制。当双手协同操作物体时，不仅要施加合适的握力（Grip Force，GF）防止物体滑落，还要产生恰当的操作力（Manipulation Force，MF）来控制物体的运动轨迹。但由于双手操作引入了更多的自由度，使得物体操作的冗余度增加，我们并不清楚感觉运动系统是如何解决这一问题的，也不明确握力和操作力之间具体的控制关系。为了解开这些谜团，来自德国慕尼黑工业大学（Technical University of Munich）的 Clara Günter、Niklas Heimburger 等人开展了相关研究，研究成果发表在《Journal of NeuroEngineering and Rehabilitation》上。

研究人员采用了多种关键技术方法。在实验中，参与者需坐在屏幕前，双手握住与触觉机器人相连的力传感器，在虚拟现实环境中完成将虚拟针插入模拟组织的任务。实验通过设置不同的手部位置（右手在前 RiF 或左手在前 LiF）和模拟组织的刚度（kt? ），来观察参与者双手产生的握力和操作力的变化。实验过程中，利用 CHAI3d 软件渲染力和视觉效果，记录参与者双手产生的力以及运动学数据，并使用 Python 进行数据分析和统计。

下面来看具体的研究结果：

1. 学习效应：参与者在实验过程中表现出学习效应，随着试验次数增加，完成时间减少，最大插入距离减小并趋于稳定。在最低组织刚度（kt?=40N/m ）时，参与者需要前 5 次试验才能达到稳定的最大穿透水平，而在其他刚度下，通常在第 2 次试验后性能提升就不明显了。
2. 操作力：在组织交互过程中，双手的操作力与组织力呈线性比例关系。将数据转换为贡献比例（Chand?(nu) ）后，发现前后手的贡献比例呈指数收敛。研究人员根据双手贡献比例的差异确定了不同的操作力分配策略，如右主导、左主导、前主导和后主导策略。结果显示，参与者应用的操作力策略各不相同，且会随组织刚度变化而改变，并且这些策略与非任务相关平面的运动无关。
3. 握力
   • 插入阶段：双手的握力随着操作力的增加而增加，但前后手的增加速率不同。通过线性回归分析发现，后手的握力 - 操作力斜率（GFback? ）比前手（GFfront? ）更高，大多数参与者都表现出这种后主导的握力缩放策略，且该策略与操作力策略无关。
   • 组织穿刺的准备和反应：在针刺入组织前后，研究人员分析了握力和握力变化率（Grip Force Rate，GFR）的变化。发现穿刺前有预期的握力增加，穿刺后有反应性的握力增加，且前手的反应性握力响应幅度更大，并且会随组织刚度（kt? ）的变化而调整，后手的变化则不明显。
   
   
4. 其他运动学指标：研究人员还测试了参与者、手部配置和kt? 对最大穿透距离、试验持续时间和一些运动学指标的影响。结果发现，最大穿透距离受kt? 影响，手部配置对左手的俯仰角（βˉ?l? ）和双手的偏航角（γˉ?l? ，γˉ?r? ）有影响，但运动学指标与握力和操作力的差异没有明显关联。

综合研究结果和讨论部分，此次研究表明，在双手协同的虚拟针刺任务中，握力和操作力的控制机制是不同的。操作力的产生策略因人而异，而握力在组织交互过程中表现出一致的模式，后手的握力 - 操作力斜率始终高于前手。在组织穿刺时，前后手的握力变化在时间模式上具有一定的刻板性，且前手的反应性握力响应受组织刚度影响更大。这一研究结果意味着，虽然之前的研究在单任务或双手非耦合任务中对握力和操作力的控制有所探讨，但此次研究进一步揭示了在双手耦合任务中，手部位置而非手的优势性对握力模式有重要影响。同时，研究还发现双手操作力的产生策略存在个体差异，这可能与任务的冗余性有关。此外，研究中观察到的握力模式和反应特性，为理解双手操作时的力控制提供了新的视角，也为神经系统疾病的康复治疗带来了希望。例如，在中风后的康复治疗中，可以利用双手任务来针对性地训练患者的握力和操作力，通过调整双手的空间配置，让较弱的手臂在力的产生中发挥更大作用，促进神经功能的恢复。不过，目前的研究是在虚拟环境中进行的，未来还需要进一步研究这些策略在真实物体操作和更复杂场景中的适用性。