Por lo que se refiere a diseños de prótesis antropomórficas, existen numerosos aspectos que se deben mejorar para acercarse a la verdadera funcionalidad de
una mano humana, tal como la capacidad natural de agarre y adaptación de objetos con diferentes formas y tamaños sin la necesidad de conocer previamente que exactamente se va a sujetar. Además de las estrategias utilizadas para el control de las prótesis desde EMGs que requieren complejos entrenamientos por parte del usuario con amputación de miembro superior para lograr dominarla con facilidad. Al mismo tiempo es necesario que la prótesis sea ligera, buscando el menor peso posible en la implementación de motores, cableado, sensores, etc, lo cuál exige la utilización de mecanismos subactuados, autoadaptativos, simples y eficientes.
Con el fin de averiguar si las ventajas de una prótesis con mecanismos de auto adaptación podrían contribuir a mejorar la percepción de los usuarios en cuanto a la facilidad de gobierno de la misma a partir de señales EMG superficiales, se procede a la simulación dinámica multicuerpo entre una prótesis de mano autoadaptativa subactuada y objetos que puedan ser agarrados a partir de señales electromiografías. El control del agarre de los objetos se realiza gracias a la conexión entre Matlab, Adams, una placa e-health v 2.0 y una placa de Arduino Mega 2560. Matlab es el software que contiene los algoritmos de control, Adams es quien proporciona la información dinámica de la planta (prótesis de mano), y finalmente, el trabajo conjunto de las placas e-health v 2.0, Arduino Mega 2560, y 3 electrodos permiten
la adquisición de las señales EMGs de un grupo de estudiantes sin amputación del miembro superior.
Al realizar las pruebas con el grupo de estudiantes se concluye una fácil percepción por parte del usuario en cuanto al manejo de la prótesis virtual de mano.
As far as anthropomorphic prosthesis designs are concerned, there are many aspects
that must be improved in order to approach the true functionality of a human
hand, such as the natural ability to grip and adapt objects with different shapes
and sizes without the need to know previously what exactly is going to be fastened.
In addition to the strategies used to control prostheses from EMGs that require
complex training by the user with upper limb amputation to achieve mastery easily.
At the same time it is necessary that the prosthesis is lightweight, looking for the
lowest possible weight in the implementation of motors, wiring, sensors, etc, which
requires the use of simple, efficient, self-adaptative and underactuated mechanisms.