Wissenschaftler entwickeln eine intelligente künstliche Hand, die Benutzerkontrolle und Automatisierung kombiniert

Wissenschaftler aus Ecole Polytechnique Fédérale de Lausanne arbeiten an neuen Möglichkeiten, die Steuerung von Roboterhänden insbesondere für Amputierte zu verbessern. Sie haben eine Möglichkeit entwickelt, individuelle Fingersteuerung und Automatisierung zu kombinieren, um das Greifen und Manipulieren zu verbessern. Sie testeten diese Idee der Neurotechnik und Robotik an drei verschiedenen Amputierten und sieben gesunden Menschen. Die Ergebnisse der Studie wurden in veröffentlicht Nature Machine Intelligence. 

Diese neu entwickelte Technologie kombiniert zwei separate Bereiche für die Roboterhandsteuerung. Dies ist etwas, was es bisher noch nicht gab, und folgt dem neuen Feld der geteilten Kontrolle in der Neuroprothetik.

Eines der neuen Konzepte stammt aus dem Neuroengineering. Die beabsichtigte Fingerbewegung wird durch Ablesen der Muskelaktivität am Stumpf des Amputierten identifiziert. Dies dient dann der individuellen Fingersteuerung der Prothesenhand. Das andere Konzept stammt aus der Robotik. Die Roboterhand ist in der Lage, Gegenstände zu greifen und durch Greifen mit ihnen in Kontakt zu bleiben. 

„Wenn man einen Gegenstand in der Hand hält und er zu rutschen beginnt, hat man nur ein paar Millisekunden Zeit, um zu reagieren“, erklärt Aude Billard, die Leiterin Labor für Lernalgorithmen und -systeme der EPFL. „Die Roboterhand hat die Fähigkeit, innerhalb von 400 Millisekunden zu reagieren. Ausgestattet mit Drucksensoren entlang der gesamten Finger kann es reagieren und den Gegenstand stabilisieren, bevor das Gehirn tatsächlich wahrnimmt, dass der Gegenstand verrutscht.“

Der Prozess beginnt damit, dass der Algorithmus lernt, die Absicht des Benutzers zu entschlüsseln, und diese dann in die Fingerbewegung der Handprothese umsetzt. Dazu muss der Amputierte zunächst den Algorithmus, der maschinelles Lernen nutzt, durch eine Reihe von Handbewegungen trainieren. Am Stumpf des Amputierten werden Sensoren eingesetzt, die bestimmte Muskelaktivitäten erkennen können. Der Algorithmus lernt und verknüpft dann die Handbewegungen und die entsprechende Muskelaktivität. Schließlich erkennt der Algorithmus die beabsichtigten Fingerbewegungen des Benutzers, und dann können die einzelnen Finger an der Handprothese gesteuert werden. 

Katie Zhuang ist die Erstautorin der Publikation. Sie sprach über den Algorithmus für maschinelles Lernen. 

„Da Muskelsignale verrauscht sein können, brauchen wir einen Algorithmus für maschinelles Lernen, der sinnvolle Aktivitäten aus diesen Muskeln extrahiert und sie in Bewegungen interpretiert“, sagte sie.

Anschließend entwickelten die Wissenschaftler den Algorithmus so, dass die Roboterautomatisierung initiiert wird, wenn ein Benutzer versucht, ein Objekt zu greifen. Der Algorithmus wird an die Handprothese weitergeleitet, um ihre Finger zu schließen und zu greifen, wenn ein Objekt mit Sensoren in Kontakt kommt. Die Sensoren befinden sich auf der Oberfläche der Handprothese. Die Wissenschaftler haben dieses neue System basierend auf einer Adaption einer früheren Studie erstellt. In dieser Studie wurden Roboterarme entwickelt, um die Form von Objekten zu erkennen und sie dann zu greifen. Sie taten dies ausschließlich auf der Grundlage taktiler Informationen und verließen sich nicht auf visuelle Signale. 

Es liegen noch einige Herausforderungen vor uns, bevor diese Technologie effektiv bei Menschen eingesetzt werden kann und zu einer kommerziell realisierbaren Option für Amputierte wird, die auf der Suche nach Handprothesen sind. Diese Technologie stellt jedoch einen großen Fortschritt auf diesem Gebiet dar und wird die Idee der Verschmelzung von Mensch und Robotik weiter vorantreiben. Derzeit wird der Algorithmus noch an einem Roboter getestet.

„Unser gemeinsamer Ansatz zur Steuerung von Roboterhänden könnte in mehreren neuroprothetischen Anwendungen wie bionischen Handprothesen und Gehirn-Maschine-Schnittstellen eingesetzt werden, wodurch die klinische Wirkung und Benutzerfreundlichkeit dieser Geräte erhöht würde“, sagt Silvestro Micera, Inhaber des Bertarelli-Stiftungslehrstuhls für Translationale Neurotechnik der EPFL und Professor für Bioelektronik an der Scuola Superiore Sant'Anna.