AR, XR og hjernegrensesnitt

AI bringer nytt potensial for proteser med 3D-utskrevet hånd

mm
Legg til Unite.AI blant dine foretrukne kilder på Google

En ny 3D-utskrevet protesehånd med AI er utviklet av Biological Systems Lab ved Hiroshima University i Japan. Denne nye teknologien kan dramatisk endre måten proteser fungerer på. Det er et skritt i retning av å kombinere det fysiske menneskekroppen med kunstig intelligens, noe vi uten tvil er på vei mot.

Den 3D-utskrevne protesehånden er koblet til en datamaskin-grensesnitt for å skape den letteste og billigste modellen hittil. Denne versjonen er den mest reaktive på bevegelsesintensjonen vi har sett. Før den nåværende modellen ble de vanligvis laget av metall, noe som gjorde dem både tyngre og dyrere. Måten denne nye teknologien fungerer på er ved en neuralt nettverk som er trenet til å gjenkjenne bestemte kombinasjoner av signaler, som er blitt kalt “muskel-synergier” av ingeniørene som arbeider med prosjektet.

Protesehånden har fem uavhengige fingre som kan gjøre komplekse bevegelser. I sammenligning med tidligere modeller kan disse fingrene bevege seg mer og samtidig. Disse utviklingene gjør det mulig for hånden å brukes til oppgaver som å holde gjenstander som flasker og penn. Når brukeren av teknologien ønsker å bevege hånden eller fingrene på en bestemt måte, trenger de bare å tenke på det. Professor Toshio Tsuji fra Graduate School of Engineering ved Hiroshima University forklarte hvordan en bruker kan bevege den 3D-utskrevne hånden.

“Pasienten tenker bare på håndbevegelsen og så beveger roboten seg automatisk. Roboten er som en del av kroppen hans. Du kan kontrollere roboten som du ønsker. Vi vil kombinere menneskekroppen og maskin som en levende kropp.”

Den 3D-utskrevne hånden fungerer når elektroder i protesen måler elektriske signaler som kommer fra nerver gjennom huden. Det kan sammenlignes med måten ECG og hjerteaktivitet fungerer på. De målte signalene sendes deretter til en datamaskin innen fem millisekunder, og datamaskinen gjenkjenner den ønskede bevegelsen. Datamaskinen sender deretter signalet tilbake til hånden.

Det finnes et neuralt nettverk som hjelper datamaskinen med å lære de forskjellige komplekse bevegelsene, som er blitt kalt Cybernetic Interface. Det kan skille mellom de fem fingrene, så det kan være individuelle bevegelser. Professor Tsuji talte også om dette aspektet ved den nye teknologien.

“Dette er en av de karakteristiske egenskapene ved dette prosjektet. Maskinen kan lære enkle grunnbevegelser og deretter kombinere og produsere komplekse bevegelser.”

Teknologien ble testet blant syv personer, og en av de syv var en amputert som hadde båret en protese i 17 år. Pasientene utførte daglige oppgaver, og de hadde en nøyaktighetsrate på 95% for enkle bevegelser og en rate på 93% for komplekse bevegelser. Protesene som ble brukt i denne testen var bare trenet for fem forskjellige bevegelser med hver finger; det kan være mange flere komplekse bevegelser i fremtiden. Med bare disse fem trenede bevegelsene kunne den amputerte pasienten plukke opp og legge ned gjenstander som flasker og bøker.

Det finnes talløse muligheter for denne teknologien. Den kan redusere kostnadene samtidig som den tilbyr ekstremt funksjonelle protesehender til amputerte pasienter. Det finnes fortsatt noen problemer, som muskelfatigue og evnen til å gjenkjenne komplekse bevegelser.

Dette arbeidet ble gjennomført av Hiroshima University Biological Systems Engineering Lab sammen med pasienter fra Robot Rehabilitation Center i Hygo Institute of Assistive Technology, Kobe. Selskapet Kinki Gishi var ansvarlig for å lage sokken som ble brukt på armen til den amputerte pasienten.

Alex leder Unite.AI sine AI-drevne nyhetsoperasjoner, og kombinerer journalistikk, forskning og automatisering for å støtte rettidig og skalerbar dekning av kunstig intelligens. Arbeidet hans bidrar til å sikre at fremvoksende AI‑utviklinger blir fremhevet effektivt, samtidig som publikasjonens redaksjonelle standarder opprettholdes.