编辑推荐：
研究人员针对额外机械手指的控制需求，系统比较了基于肌肉的肌电（surface electromyography, EMG）控制与基于运动的力传感器（force sensor, FS）控制两种策略。研究采用组内交叉平衡设计，在统一任务指令下，从初始操作熟练度、学
研究人员针对额外机械手指的控制需求，系统比较了基于肌肉的肌电（surface electromyography, EMG）控制与基于运动的力传感器（force sensor, FS）控制两种策略。研究采用组内交叉平衡设计，在统一任务指令下，从初始操作熟练度、学习曲线及认知负荷三个维度对第三拇指（Third Thumb）的控制表现进行评估，实现了两种控制模式的盲法对比。结果表明，两种控制模式均可实现稳定的第三拇指操控与技能习得，但力传感控制在整体任务表现上始终优于肌电控制。尽管执行效率存在差异，两种模式的学习速率与认知负荷无显著差异，且均能产生相似的主动控制感（sense of agency）。信号分析显示，实时力传感参数可预测任务表现，而肌电信号则无此关联，反映出二者不同的控制动力学特征。值得注意的是，肌电训练可显著提升后续力传感控制的技能迁移效果，提示其更有利于支持泛化性运动学习。该研究明确了肌电控制在执行精度上的局限与优势，虽其实时解码性能弱于力传感控制，但在跨控制映射的技能泛化与信号丰富度上具有潜力，未来需优化实时解码算法以充分释放其应用价值。
本研究发表于《Advanced Robotics Research》，聚焦于人体增强技术中多余机械手指（supernumerary robotic fingers, SRFs）的控制接口优化问题。当前人体增强设备已从替代缺失功能的假肢，发展为拓展健康人群生理极限的可穿戴机器人，其中第三拇指作为典型代表，可通过附加机械指提升手部操作能力。然而此类设备的核心瓶颈在于如何在不干扰原有运动功能的前提下，建立高效、低负荷的外部控制机制。现有方案多采用物理运动映射，而利用肌电（EMG）信号直接解析肌肉活动作为控制接口，因具备无创、高信噪比等优势成为新兴方向，但其与传统的力传感（FS）控制在运动学习、认知负荷及技能泛化上的优劣尚未明确，这正是本研究试图解决的核心科学问题。
研究人员招募24名健康右利手受试者，采用组内交叉平衡设计，依次完成肌电控制与力传感控制的测试-训练-测试全流程。实验选用第三拇指设备，通过双侧腓肠肌表面电极采集EMG信号，同时通过足底力传感器采集脚趾施压数据，分别映射至机械拇指的两个自由度（屈伸与内收外展）。训练任务涵盖独立操作、指-拇协调与协作三类，并通过易碎“虚拟蛋”搬运任务量化比例控制精度，同时结合双任务范式（叠加算术工作记忆任务）评估认知负荷，最终通过行为学数据与信号特征分析得出结论。
关键技术方法包括：采用组内交叉平衡实验设计，排除顺序效应；使用第三拇指（Dani Clode Design）作为实验平台，配备两个伺服电机实现双自由度比例控制；肌电信号通过双极电极采集于双侧腓肠肌，经带通滤波、整流与低通滤波提取包络后映射至机械指角度；力传感信号通过足底压力传感器采集，经滑动平均滤波后直接映射至执行器；通过标准化校准流程确定个体信号阈值，确保控制范围一致性；行为学评估包含成功率、误操作率及学习增益计算，信号分析涵盖互信息（mutual information, MI）、动态时间规整（dynamic time warping, DTW）距离及多维度特征回归。
研究结果如下：
2.1 行为结果
研究人员通过组内交叉平衡设计验证了两种控制模式的可行性，所有受试者均能完成基础操作任务。
2.2 运动控制性能更优，两种模式的认知负荷相当
力传感控制在所有训练任务中成功率均显著高于肌电控制，且误操作率更低。双任务结果显示，叠加算术认知负荷未对任一控制模式的机械指操作产生显著干扰，两种模式的算术任务错误率也无统计学差异，表明二者的注意力需求相近。
2.3 两种控制模式的学习增益相似，尽管运动控制性能更优
训练后两种控制模式的任务成功率均显著提升，且学习幅度无显著差异。但肌电控制的最终表现仍未达到力传感控制的基线水平，证实力传感在执行效率上的持续优势。
2.4 肌肉控制是第三拇指运动技能的更优导师
学习迁移分析显示不对称性：先接受肌电训练的受试者在切换至力传感控制时表现出更高的初始表现，而先接受力传感训练的受试者切换至肌电控制时无类似提升。信号相关性分析进一步证实，肌电控制期间双侧控制信号与力传感信号的同步性更高，且随训练进一步增强，揭示了肌电训练促进技能泛化的机制。
2.5 控制信号特性的探索性分析
回归分析显示，力传感信号的统计参数可解释大部分行为学变异，而肌电参数的解释力较弱。但离线分析表明，原始肌电信号的时域特征可高精度预测任务成败，提示当前在线解码可能丢失了部分有效信息。
2.6 肌电控制下两个自由度的共享信息更多
互信息分析显示，肌电控制时双自由度的信息共享程度显著高于力传感控制，而动态时间规整距离则更低，表明肌电控制倾向于同时激活双自由度，而力传感控制的时间同步性更优。
2.7 两种控制模式均诱发主动控制感，但未产生身体所有权
主观问卷显示，两种控制模式均获得显著正向的主动控制感评分，但身体所有权评分均为负向，即受试者始终将第三拇指视为外部工具而非身体的一部分，且两种模式在具身感知上无显著差异。
讨论部分指出，力传感控制凭借稳定的信号采集与直观的压力反馈，更适合即时精准操作；而肌电控制虽初期表现较弱，但因需适应更复杂的感觉运动映射，反而促进了泛化性运动策略的形成。这种差异源于肌肉协同收缩的固有特性与肌电信号的非平稳性，同时也受限于当前单通道振幅解码的简化策略。研究人员强调，在动态真实场景中，肌电控制可摆脱对接触式力反馈的依赖，具备独特的应用优势。
结论部分总结：肌电控制虽因信号变异性与处理复杂度，在精细比例控制上暂时逊于力传感控制，但其在跨模态技能泛化与信号丰富度上具有不可替代的价值。两种模式分别优化了运动学习的不同阶段——肌电控制利于长期灵活性与泛化，力传感控制保障早期稳定表现。未来通过高密度肌电阵列与先进信号处理算法的优化，肌电控制有望成为人体增强技术的核心接口。
