基于人工神经网络(ANN)的新型仿生软拇指设计与生物模拟手指建模在仿生手应用中的研究

为解决传统刚性假肢灵活性不足、控制复杂等问题，研究人员开发了一种基于PneuNets框架的仿生软手指及创新软拇指结构，采用人工神经网络(ANN)建模正向运动学。研究表明，减少壁厚(2 mm)和增加腔室数量可使弯曲角度达80°以上(120 KPa)，软拇指设计精准复现了腕掌关节(CMC)的复杂运动，显著提升了假肢的适应性和操作灵活性。

　　

在假肢技术领域，传统刚性机械手虽能恢复部分功能，但存在重量大、灵活性差、操控不自然等问题，尤其难以模拟人类拇指腕掌关节(CMC)的复杂运动——这个被称为“马鞍关节”的结构能实现屈曲、伸展、外展和内收等多平面动作，是精细抓握的关键。而现有软体机器人手指多聚焦于单一弯曲性能，对拇指仿生设计的研究近乎空白。

为此，一支跨国研究团队在《Biotechnology Notes》发表论文，提出了一种基于气动网络(PneuNets)框架的仿生软手指系统，并创新性地设计了两种软拇指模型。研究通过有限元分析(FEA)模拟几何参数（壁厚t、腔室数量n、间距s）对变形的影响，并利用贝叶斯正则化人工神经网络(BR-ANN)建立正向运动学模型，实现了从压力输入到指尖位置的高精度预测。

关键技术方法
研究采用三级建模流程：1) 基于人体解剖学设计8种手指模型（壁厚2-3 mm、腔室数(3,4)/(2,3)）和2种拇指模型；2) 使用Yeoh三阶超弹性模型（C₁₀=0.17225 MPa）进行FEA仿真；3) 基于816组仿真数据训练双层BR-ANN（隐藏层100-90神经元），预测X/Y坐标和弯曲角β。

研究结果
1. 四指模型仿真分析

• 壁厚t=2 mm时弯曲角达80°（120 KPa），较3 mm模型提升167%；每增加1个腔室可提升41%柔韧性。
• 间距s=1.5 mm时变形更显著，但影响弱于壁厚（图13）。

2. 拇指模型仿真

• 模型1采用四腔室独立驱动，在0.23 MPa下实现70°伸展和71°外展（图16），精准模拟CMC关节；
• 模型2的圆柱形结构虽能圆周运动，但需更高压力（>100 KPa）且控制复杂（图17）。

3. ANN运动学建模
BR-ANN在测试集上R值接近1（图20），能准确预测指尖位置（MSE=0.012），但小样本导致局部偏差（图19）。

结论与意义
该研究首次通过多腔室气动设计复现了拇指CMC关节的“马鞍形”运动，突破性地将软体机器人灵活性（2 mm壁厚模型弯曲角>80°）与ANN控制相结合。相比传统假肢，该系统重量减轻60%且无需刚性组件，尤其适合先天性截肢患者。未来通过扩大ANN训练数据集和集成SNN（脉冲神经网络）实时控制，可进一步提升假肢的环境适应性。作者Ahmed M.R. Fathelbeb团队特别指出，该软拇指设计为实现“精准对掌运动”提供了新范式，将推动下一代仿生手的临床转化。