Protetyczne dłonie wyposażone w sztuczną inteligencję i czujniki elektroniczne

W Niemczech międzynarodowy zespół inżynierów z różnych dziedzin stworzył zaawansowane protezy dłoni z niezależnymi ruchami palców i rotacją nadgarstka. Osiągnięcie to było możliwe dzięki elektronicznym czujnikom i sztucznej inteligencji.

Detale Badanie pilotażowe się rozprzestrzenia IEEEprzeglądajoficjalny organ Instytutu Inżynierów Elektryków i Elektroników, został wyjaśniony w skrócie Międzynarodowa Konferencja na temat Robotyki Rehabilitacyjnej 2023 (ICORR), które odbyło się we wrześniu ubiegłego roku w Singapurze.

Zespół specjalistów z Politechniki Monachium (Niemcy), koordynowany przez Christinę Piazza Proponuje dwie mapy sterowania mioelektrycznego oparte na algorytmie synergii MoF, zainspirowane badaniami kontroli motorycznej człowieka.. Mapa tzw intuicyjny, łączy wyniki kontroli z kierunkami ruchu ciała. Drugi zadzwonił Nie intuicyjnewykorzystuje wkład różnych synergii w każdym obwodzie finansowym, bez szczególnego powiązania z kierunkami ruchu ciała.

Skuteczność obu map i proces uczenia się oceniano za pomocą mierników wydajności u 10 zdrowych osób. Analizę przeprowadzono wykorzystując podstawowe zadanie rozszerzenia dwóch algorytmów synergistycznych i skanujących.

Wyniki pokazują jednakową wydajność i percepcję w przypadku obu map. Autorzy jednak przed tym ostrzegają Nauka jest pokazana tylko u osób z lepszymi wynikami na mapie Nie intuicyjneco wymaga pewnej definicji, aby wykorzystać jego właściwości.

Większość projektów sterowania mioelektrycznego wykorzystuje mapy intuicyjny. Jednak dla tych specjalistów Mapa Nie intuicyjne Może zapewnić większą elastyczność projektowaniaCo może być szczególnie interesujące dla pacjentów z niepełnosprawnością ruchową.

Zasada synergii

Profesor Piazza wyjaśnia, że ​​pacjenci mogą łatwiej kontrolować zaawansowane protezy dłoni, korzystając z… Zasada synergii Za pomocą 128 czujników na przedramieniu.

„Z badań neuronaukowych wiadomo, że podczas sesji eksperymentalnych występują powtarzające się wzorce, zarówno jeśli chodzi o kinematykę, jak i aktywację mięśni” – wspomina inżynier. Wzorce te można interpretować jako sposób, w jaki ludzki mózg radzi sobie ze złożonością układu biologicznego. To znaczy że Mózg aktywuje także grupę komórek mięśniowych znajdujących się w przedramieniu„.

Dodaje: „Kiedy chwytamy coś rękami, na przykład piłkę, poruszamy palcami w sposób zsynchronizowany i w momencie kontaktu dopasowujemy się do kształtu przedmiotu”.

Naukowcy wykorzystują obecnie tę zasadę do projektowania i kontrolowania protez dłoni przy użyciu nowych algorytmów uczenia się. Jest to niezbędne dla intuicyjnego ruchu: podczas sterowania protezą ręki, na przykład w celu trzymania długopisu, następuje kilka kroków. Najpierw pacjent ustawia protetyczną rękę zgodnie z miejscem chwytu, powoli łączy palce, a następnie podnosi pióro.

Chodzi o to, aby te ruchy były coraz bardziej płynne, tak aby było ledwo zauważalne, że kilka z nich osobno stanowi proces globalny.. „Dzięki uczeniu maszynowemu możemy zrozumieć różnice między przedmiotami i poprawić zdolność adaptacji w miarę upływu czasu oraz procesu uczenia się” – mówi członkini zespołu Patricia Capse.

Doświadczenia związane z nowym podejściem wskazują już, że tradycyjne metody kontroli będą mogły wkrótce zostać uzupełnione bardziej zaawansowanymi strategiami. Aby zbadać, co dzieje się na poziomie centralnego układu nerwowego, naukowcy wykorzystali dwa filmy: jeden wewnątrz przedramienia, a drugi na zewnątrz. Każdy z nich zawiera aż 64 czujniki wykrywające aktywację mięśni.

Sztuczne dłonie

Metoda jest również doceniana Jakie sygnały elektryczne przesyłane są przez neurony ruchowe rdzenia kręgowego?. „Im więcej czujników używamy, tym lepiej możemy rejestrować informacje z różnych grup mięśni i wykrywać aktywacje mięśni odpowiedzialnych za ruchy dłoni” – wyjaśnia profesor Piazza.

Ponadto, w zależności od tego, czy dana osoba próbuje zamknąć dłoń, chwycić za długopis, czy otworzyć słoik z dżemem, uzyskuje się charakterystyczne cechy sygnałów mięśniowych – warunek wstępny intuicyjnych ruchów.

Praca ta skupiała się na ruchu nadgarstka i całej dłoni. Wygląda na to, że większość osób (osiem na 10) woli intuicyjny sposób poruszania się. Jest to również najskuteczniejsza metoda. Ale dwóch na dziesięciu uczy się działać mniej intuicyjnie i ostatecznie staje się bardziej dokładnych.

„Naszym celem jest zbadanie wpływu uczenia się i znalezienie odpowiedniego rozwiązania dla każdego pacjenta.„, wyjaśnia Patricia Capci-Morales. Każdy system składa się z indywidualnych mechanizmów i cech ręcznych, specjalnego szkolenia pacjentów, interpretacji i analizy, a także uczenia maszynowego.

Jednak eksperci nadal muszą stawić czoła wielu wyzwaniom: Algorytm uczenia się, który opiera się na informacjach z czujników, musi zostać przeszkolony za każdym razem, gdy film zostanie przeniesiony lub usunięty. Ponadto czujniki należy przygotować przy użyciu żelu, aby zapewnić niezbędną przewodność do dokładnego rejestrowania sygnałów mięśniowych.

Za każdym razem, gdy nowy pacjent nosi wieloczujnikową bransoletkę na przedramieniu, algorytm musi najpierw określić wzorce aktywacji dla każdej sekwencji ruchu, a następnie wykryć intencje użytkownika i przełożyć je na polecenia dla protetycznej dłoni.