3月5日，美国约翰霍普金斯大学（JHU）的研究人员在《科学·进展》期刊发表文章 “A natural biomimetic prosthetic hand with neuromorphic tactile sensing for precise and compliant grasping”，受人类手指启发，该研究提出了一种天然的假肢手，结合了软体机器人的柔顺性和刚性机器人的强度，并嵌入了三层神经形态触觉传感系统，以模拟人类手部的感知和抓取能力。

创新性：采用刚性内骨骼+软体关节的混合结构，独立驱动的软体关节提高了假手的灵活性，使其能够适应多种抓握任务；三层触觉传感器，分别模拟Merkel 细胞、Meissner 小体、Ruffini 末端和 Pacinian 小体，实现对不同类型的触觉刺激（压力、振动、变形等）的感知；传感层的层次化设计，使假手能够区分不同物体表面纹理，例如粗糙、光滑、软硬等特性；假手在纹理识别测试中达到了98.38%的准确率，优于传统刚性假手（83.02%）和软体假手（82.31%）。

局限性：触觉传感器仅限于指尖，手掌和手指的其他部分没有嵌入传感系统，导致假手对整体抓取力和物体形状的感知不足；尽管混合结构提高了假手的抓取能力，但仍无法达到人手的精细力控水平，特别是在高强度握力任务（如开瓶盖、提重物）中表现有限；没有提供闭环反馈，用户在使用时无法获得触觉回馈，仍需依赖视觉进行抓取调整。

临床应用潜力：适用于上肢截肢患者，特别是需要更精细手部操作的患者（如抓握易碎物品、执行日常生活任务）；适用于手部损伤患者的康复训练，通过触觉反馈提高神经可塑性，帮助患者恢复感觉；可用于机器人手，执行需要精细触觉感知的任务。

想象一下，当你伸出手去握住一个苹果，指尖轻柔地触碰到光滑的果皮，掌心感受到苹果的重量，微调抓握力道，防止果实滑落。这些看似简单的动作，对普通人而言是日常小事，但对于上肢截肢者或假肢佩戴者来说，却是一个巨大的挑战。传统的假手往往是刚硬的机械结构，缺乏真正的触觉感知能力，使用者只能依靠视觉判断如何抓握物体，难以精准控制力度。然而，一项最新的研究正在改变这一现状——JHU的科研人员开发出了一款具有神经形态触觉传感的仿生假手，不仅能“感觉”物体的表面纹理，还能像人类手一样兼顾柔顺性与抓取力，大幅提升假手的智能性和实用性。

图1 人手启发的具有神经形态触觉传感的混合机械手。

（A） 以人手为模型，仿生手结合了刚性和柔性假手的优点，同时增加了触觉传感和神经形态能力，可在非结构化环境中安全、灵巧地纵物体。（B） 刚性手，例如传统的假肢，提供精确和更高的抓取力，而 （C） 软手在与物体交互时提供柔韧性和安全性。（D） 触觉传感对于动态纵物体并与之交互是必要的。仿生指尖包含灵活的多层触觉感应，其灵感来自人类皮肤中的机械感受器。（E） 神经通信有效地向大脑发送大量空间和时间感觉信息。仿生手通过神经形态编码触觉传感信息来模拟神经的动态神经活动。

过去的假肢技术通常面临一个两难选择——刚性结构提供强大抓握力，却缺乏灵活性；软体结构则富有适应性，却难以施加足够的握力。因此，研究人员决定融合刚性与软性材料的优势，打造一种全新的混合假手。

他们设计的假手采用刚性内骨骼和软性关节相结合的结构，手指由3D打印的聚乳酸（PLA）材料组成骨架，而关节则由Dragon Skin 10 硅胶制造，具备一定的变形能力。这一结构的好处在于，刚性部分提供抓握力和稳定性，软性部分增强了手指的柔顺性，使其能适应不同形状和材质的物体。实验表明，相较于完全软体的假手，这种混合结构的假手不仅抓取力提升了三倍，而且在施加相同压力的情况下，能够提供更稳定的抓握控制。

图2 具有多层神经形态触觉感应的仿生手指

如果说混合结构提升了假手的“肌肉”，那么仿生触觉传感系统则赋予它“神经”。人类手指的触觉来源于皮肤中的四种主要机械感受器——Merkel 细胞、Meissner 小体、Ruffini 末端和 Pacinian 小体，它们分别负责感知压力、低频振动、皮肤拉伸和高频震动。而这款假手的指尖，正是模拟了人类的这套精妙系统，内置了三层触觉传感器：

外层传感器（表皮层）：模仿 Merkel 细胞和 Meissner 小体，利用压阻式（piezoresistive）材料感知轻触和表面纹理。

中层传感器（真皮层）：模仿 Ruffini 末端，采用压电式（piezoelectric）材料，检测假手在抓取过程中皮肤的形变和剪切力，帮助识别物体的柔软度。

内层传感器（深层真皮）：模仿 Pacinian 小体，采用压电式（piezoelectric）材料，能对高频震动和瞬时压力做出快速反应，例如识别粗糙表面的微小震动。

通过这套仿生传感系统，假手能够像人类手一样，在握持不同物体时调整施力，并区分物体的表面纹理，为假肢佩戴者带来了更真实的触觉体验。

图3 传感层的神经形态反应

收集到触觉信号后，如何让假手“理解”这些信息呢？传统的假肢往往采用简单的模拟信号处理，而研究人员引入了一种更先进的方式——神经形态编码（Neuromorphic Encoding）。这种方法借鉴了人类神经系统的信号传递机制，通过Izhikevich 神经元模型，将传感器获取的触觉数据转换为脉冲信号（spike train），类似于生物神经元在处理外界刺激时的方式。

这一方法有两个显著优势：

减少计算负担：脉冲信号只在环境变化时触发，不需要持续传输大量数据，从而降低假手的能耗。

提高触觉识别精度：假手不仅能检测静态压力，还能分析时间序列中的动态变化，例如感知表面粗糙度或检测滑动趋势。

实验结果显示，基于这一神经形态编码系统，该假手在26种不同表面纹理的识别测试中，准确率高达98.38%，远超传统刚性假手（83.02%）和软体假手（82.31%）。此外，在日常物品识别实验中，假手成功区分了15种不同物品，分类准确率达到99.69%，显示出强大的环境适应能力。

图4 仿生手抓取和识别物体功能

这项研究不仅是一次学术上的突破，也为假肢技术的未来发展指明了方向。随着该技术的成熟，在临床和工业领域的应用前景广阔：

1. 智能假肢：结合肌电（EMG）控制，让假肢佩戴者能够通过意念或肌肉信号控制假手，同时获得实时触觉反馈，大幅提升假肢的实用性。

2. 康复训练：为手部神经损伤患者提供真实触觉反馈，帮助他们重新建立手部感觉和运动控制能力。

3. 机器人应用：用于手术机器人、智能机械手臂、人机交互设备，提高机器人在复杂环境中的操作能力。

然而，目前的技术仍有一些局限性，例如假手的最大抓取力仍不及人手（仅为1.8N，而人手平均可达32±14N），并且触觉传感器尚未覆盖整个手掌，在某些应用场景下可能存在不足。因此，未来研究仍需优化材料和结构，提高抓取力，并结合闭环神经反馈技术，使假手真正具备“触觉感知”能力。

从冰冷的机械手臂，到能够“感觉”世界的仿生假手，这项研究标志着假肢技术正朝着更加智能、自然的方向发展。尽管距离真正媲美人手的假肢仍有一段距离，但可以预见，未来的仿生假手将不再只是工具，而是能够感知世界、与人类协作的智能伙伴。对于无数需要假肢的人来说，这项技术不仅是科技的突破，更是生活质量的希望。

文章链接：

https://www.science.org/doi/full/10.1126/sciadv.adr9300