关于研究。对于患有先天胳膊发育不良的儿童，肌电假肢提供了一个 “移动的手”，利用断开的一端肌肉的信号来控制模拟手。由于每个人的信号模式不同，我们正在考虑开发一种配备人工智能技术的肌电假肢，使模拟手能够学习人的动作（让模拟手学习本人的动作），从而使儿童能够拥有一个更亲密的肌电假肢。

研究细节。肌电假肢以表面肌电图的形式捕捉残存在断开一端的肌肉信号，并利用这些信号来控制模拟手的手指。过去，训练模拟手是将自己的动作与假手相匹配。然而，由于每个病人都有不同的表面肌电图模式，我们将考虑纳入人工智能技术，使模拟手能够学习本人的动作。

由于每个病人的表面肌电图模式不同，让模拟手识别个人的模式来学习人的动作。当施力时，该系统提取肌电信号的特征，并使用神经网络来识别。该系统根据施加在手上的力的大小来识别肌肉活动，模拟手就会随之移动。微控制器学习病人想象 “抓握 “时的肌电模式的特征，并产生假手的 “抓握 “运动，因此当病人直观地想象 “抓握 “时，肌电模拟手能够进行抓握运动。由于模拟手本身会学习个人的运动习惯，而模拟手也会随着这些习惯来动，所以模拟手在功能上变得更加个性化。这个概念也应该被称为人工智能模拟手，因为它融入了机器学习。