Wetenschappers ontwikkelen slimme kunsthand met combinatie van gebruikerscontrole en automatisering

Wetenschappers van de Ecole Polytechnique Fédérale de Lausanne werken aan nieuwe manieren om de controle over robotarmen te verbeteren, vooral voor amputees. Ze hebben een manier ontwikkeld om individuele vingercontrole en automatisering te combineren om het grijpen en manipuleren te verbeteren. Ze hebben dit idee van neuroengineering en robotica getest op drie verschillende amputees en zeven gezonde mensen. De resultaten van de studie werden gepubliceerd in Nature Machine Intelligence.

Deze nieuw ontwikkelde technologie combineert twee afzonderlijke gebieden voor robotarmcontrole. Dit is iets dat nog nooit eerder is gedaan, en het volgt het nieuwe gebied van gedeelde controle in neuroprothetica.

Een van de nieuwe concepten komt uit de neuroengineering. De bedoelde vingerbeweging wordt geïdentificeerd door de spieractiviteit op de stomp van de amputee te lezen. Dit wordt vervolgens gebruikt voor individuele vingercontrole van de prothese. Het andere concept komt uit de robotica. De robotarm kan objecten grijpen en in contact blijven door te grijpen.

“Wanneer je een object in je hand houdt en het begint te glijden, heb je slechts een paar milliseconden om te reageren,” legt Aude Billard uit, die het Learning Algorithms and Systems Laboratory van de EPFL leidt. “De robotarm heeft de mogelijkheid om binnen 400 milliseconden te reageren. Uitgerust met drukgevoelige sensoren langs de vingers, kan het reageren en het object stabiliseren voordat de hersenen kunnen waarnemen dat het object glipt.”

Het proces begint met het algoritme dat leert om de bedoeling van de gebruiker te ontcijferen, en het vertaalt dit vervolgens in vingerbewegingen van de prothese. Om dit te laten gebeuren, moet de amputee eerst het algoritme trainen dat machine learning gebruikt door een reeks handbewegingen uit te voeren. Sensoren worden gebruikt op de stomp van de amputee, en deze kunnen bepaalde spieractiviteit detecteren. Het algoritme leert en verbindt de handbewegingen en de corresponderende spieractiviteit. Uiteindelijk zal het algoritme de bedoelde vingerbewegingen van de gebruiker kennen, en vervolgens kunnen de individuele vingers op de prothese worden gecontroleerd.

Katie Zhuang is de eerste auteur van de publicatie. Ze sprak over het machine learning-algoritme.

“Omdat spiersignalen lawaaierig kunnen zijn, hebben we een machine learning-algoritme nodig dat de betekenisvolle activiteit uit die spieren extracteert en deze interpreteert in bewegingen,” zei ze.

De wetenschappers gingen vervolgens verder met het ontwikkelen van het algoritme, zodat wanneer een gebruiker probeert een object te grijpen, de robotautomatisering wordt geactiveerd. Het algoritme zal de prothese instrueren om de vingers te sluiten en te grijpen wanneer een object in contact komt met de sensoren. De sensoren zijn geplaatst op het oppervlak van de prothese. De wetenschappers creëerden dit nieuwe systeem op basis van een adaptatie van een eerdere studie. In die studie werden robotarmen ontworpen om de vorm van objecten te identificeren en vervolgens te grijpen. Ze deden dit op basis van tactiele informatie alleen, en er was geen afhankelijkheid van visuele signalen.

Er zijn nog uitdagingen voor de boeg voordat deze technologie effectief kan worden gebruikt onder mensen en een commercieel haalbare optie kan worden voor amputees die op zoek zijn naar protheses. Deze technologie is echter een enorme stap vooruit in het veld, en het zal het idee van het combineren van mens en robotica blijven stimuleren. Op dit moment wordt het algoritme nog getest op een robot.

“Onze gedeelde benadering van robotarmcontrole kan worden gebruikt in verschillende neuroprothetische toepassingen, zoals bionische handprotheses en brain-to-machine-interfaces, waardoor de klinische impact en bruikbaarheid van deze apparaten toenemen,” zegt Silvestro Micera, de Bertarelli Foundation Chair in Translational Neuroengineering van de EPFL en professor in bio-elektronica aan de Scuola Superiore Sant’Anna.