每个指尖有 3,000 多个触摸感想熏染器，它们在很大程度上对压力做出反应。人类在操纵物体时非常依赖指尖的觉得。缺少这种觉得对上肢截肢者来说是一个独特的寻衅。虽然本日有几种高科技、机动的假肢可用，但它们都缺少"触摸"的觉得。短缺这种觉得反馈会导致物体无意中被假手掉落或压碎。
为了实现更自然的假手触感，佛罗里达大泰西大学工程与打算机科学学院的研究职员及其互助者率先在假手的指尖上利用液态金属将可拉伸的触觉传感器结合在一起。该技能封装在有机硅弹性体中，与传统传感器比较具有关键上风，包括高导电性、顺应性、柔韧性和可拉伸性。这种分层的多指触觉集成可以为人工手供应更高水平的智能。
研究职员在连接到机器臂的假肢上利用装有液态金属的可拉伸触觉传感器的单个指尖。
对付这项揭橥在《Sensors》杂志上的研究，研究职员利用假肢上的单个指尖来区分沿不同纹理表面滑动的不同速率。四种不同的纹理有一个可变参数：脊之间的间隔。为了检测纹理和速率，研究职员演习了四种机器学习算法。对付十个表面中的每一个，网络了 20 次试验以测试机器学习算法区分由随机天生的四种不同纹理排列组成的十种不同繁芜表面的能力。
结果表明，来自四个假手指尖上的液态金属传感器的触觉信息的整条约时区分了繁芜的多纹理表面——展示了一种新的层次智能形式。机器学习算法能够以高精度区分每个手指的所有速率。这项新技能可以改进对假手的掌握，并供应触觉反馈，常日称为触觉体验，让截肢者重新连接以前割断的触觉。
针对LMS液态金属传感器的电子系统。(a)液体金属导电元件放置在惠斯通桥构造中。(b)五通道的惠斯通桥PCB被用来放大i型肢体假肢指尖上来自LMS的旗子暗记。
"已经对用于人工手的触觉传感器进行了大量研究，但仍旧须要在轻型、低本钱、坚固的多模态触觉传感器方面取得进展，"资深作者、副教授 Erik Engeberg 博士说。海洋与机器工程系以及 FAU Stiles-Nicholson 脑研究所和 FAU 传感与嵌入式网络系统工程研究所 (I-SENSE) 的成员，他与第一作者和博士一起进行了这项研究。 "在我们的研究中，来自所有单个指尖的触觉信息为更高的手部感知水平奠定了根本，能够区分十个繁芜的、多纹理的表面，而利用来自单个指尖的纯粹局部信息是不可能做到的。"
研究职员比较了四种不同机器学习算法的成功分类能力：
K-最近邻 (KNN)、支持向量机 (SVM)、随机森林 (RF) 和神经网络 (NN)。提取液态金属传感器的时频特色来演习和测试机器学习算法。神经网络常日在利用单个手指的速率和纹理检测方面表现最好，并且利用四个手指同时利用四个液态金属传感器区分十个不同的多纹理表面的准确度为 99.2% 。
"对付试图无缝参与常规活动的个人来说，失落去上肢可能是一项艰巨的寻衅，"工程与打算机科学学院院长 Stella Batalama 博士说。"虽然假肢的进步是有益的，可以让截肢者更好地履行日常职责，但他们并没有为他们供应触觉等感官信息。他们也无法让他们用意念自然地掌握假肢。有了这个凭借我们研究团队的最新技能，我们离为天下各地的人们供应一种更自然的假肢装置又近了一步，这种假肢装置可以'觉得'并对环境做出反应。"