在神经工程学方面，通过突破截肢者残肢上的肌肉活动，用手指控制假手，这是一个新方向，之前从未做过，对于神经修复术中的共享控制研究有着深刻意义。另一方面在机器人领域，让机器人手强有力地抓住物体，并保持一段时间。

负责EPFL学习算法和系统实验室的Aude Billard表示，“当你拿着手中的物体并且它开始滑动时，你只需要几毫秒的时间来做出反应，机器人手有能力在400毫秒内做出反应。在手指周围配备压力传感器，它可以在大脑真正感知物体滑动之前对物体作出反应和稳定。”

那么，共享控制是如何工作的呢？

首先，要先了解用户意图，才能将其转换为机器手的手指运动。

截肢者要先示范一系列手部动作，通过传感器检测截肢者的肌肉活动，让机器人学习哪种手部动作对应哪种肌肉活动，这样有助于控制手指以帮助截肢者更好地完成他想做的事。

“因外部环境影响，有些信息可能不是我们需要的。我们需要一种机器学习算法，让他能够提取有用的信息。”该出版物的**作者Katie Zhuang说。于是，科学家设计了这种机器学习算法，以便用户更好地使用机器人，让机器更好地实现自动化。当机器手与物体接触时，传感器会有所反应，机器学习算法会让机器手自动抓取物体。这种自动抓取是机械臂给我们的启示，不仅可以推断物体形状，还能仅凭触觉信息抓住物体，即使它“看不见”。

然而，这个算法目前还不适用于市面上的机器手。 

EPFL的Bertarelli基金会转化神经工程学教席、Scuola Superiore Sant“生物电子学教授”Silvestro Micera表示，这种方法可用于几种神经假体应用，比如仿生手假肢和脑机界面，这样可以增加这些装置的临床影响和可用性。” 

目前的技术可以通过用一些肌肉信号直接控制机器手来工作，这种自学仿生手或许可以激发“新一代”假肢的研究和应用。