stub Forskere utvikler ny tilnærming for robotisk exosuitassistanse - Unite.AI
Kontakt med oss

Robotics

Forskere utvikler ny tilnærming for robotisk eksosuitthjelp

Publisert

 on

Bilde: Harvard Biodesign Lab/Harvard SEAS

Forskere ved Harvard John A. Paulson School of Engineering and Applied Sciences har utviklet en ny tilnærming for robotisert eksosdraktassistanse. Det hjelper å overvinne en stor utfordring med å designe bærbar robotikk som kan brukes til å hjelpe til med å gå under virkelige forhold. 

Dagens tilpassbare, bærbare robotassistanseplattformer krever mye manuell eller automatisk innstilling for å hjelpe enkeltpersoner, noe som kan være vanskelig for pasienter. 

Den nye tilnærmingen er avhengig av at robot-eksosuitassistanse blir kalibrert til en person, og den tilpasser seg forskjellige virkelige gåoppgaver på bare sekunder. Det bioinspirerte systemet bruker ultralydmålinger av muskeldynamikk, som gjør det mulig å tilpasse og aktivitetsspesifikt for brukere.

Robert D. Howe er Abbott og James Lawrence professor i ingeniørfag og medforfatter av artikkelen, som ble publisert i Science Robotics

"Vår muskelbaserte tilnærming muliggjør relativt rask generering av individualiserte assistanseprofiler som gir reell fordel for personen som går," sa Howe.

Tidligere bioinspirerte systemer vs. ny tilnærming

Tidligere bioinspirerte systemer har fokusert på de dynamiske bevegelsene til lemmer og bærere, men forskerne så utenfor dette. 

Richard Nuckols er postdoktor ved SEAS og medforfatter av artikkelen. 

"Vi brukte ultralyd for å se under huden og målte direkte hva brukerens muskler gjorde under flere gåoppgaver," sa Nuckols. "Våre muskler og sener har compliance, noe som betyr at det ikke nødvendigvis er en direkte kartlegging mellom bevegelsen til lemmene og den til de underliggende musklene som driver bevegelsen deres."

Forskerteamet festet et bærbart ultralydsystem til kalvene til deltakerne før de avbildet musklene deres mens de utførte forskjellige gåoppgaver. 

Krithika Swaminathan er en hovedfagsstudent ved SEAS og Graduate School of Arts and Sciences (GSAS) og medforfatter av studien. 

"Fra disse forhåndsregistrerte bildene estimerte vi den hjelpekraften som skal brukes parallelt med leggmusklene for å kompensere for det ekstra arbeidet de trenger å utføre under push-off-fasen av gåsyklusen," sa Swaminathan.

Fange muskelens profil

Systemet krever bare noen få sekunders gange for å fange muskelens profil, og for hver av profilene målte forskerne hvor mye metabolsk energi personen brukte under gange med og uten exosuit. 

Teamet fant at den metabolske energien ved å gå over en rekke hastigheter og stigninger ble betydelig redusert med muskelbasert assistanse. De fant også at lavere hjelpestyrke var nødvendig for å oppnå samme eller forbedrede metabolske energifordeler sammenlignet med tidligere studier. 

Sangjun Lee er en hovedfagsstudent ved SEAS og GSAS og medforfatter av studien. 

"Ved å måle muskelen direkte, kan vi jobbe mer intuitivt med personen som bruker exosuiten," sa Lee. "Med denne tilnærmingen overvelder ikke eksosdrakten brukeren, den samarbeider med dem."

I situasjoner i den virkelige verden viste exosuitten en evne til raskt å tilpasse seg endringer i ganghastighet og stigning. Teamet vil nå se etter å teste systemet med sanntidsjusteringer.

"Denne tilnærmingen kan bidra til å støtte bruken av bærbar robotikk i virkelige, dynamiske situasjoner ved å muliggjøre komfortabel, skreddersydd og adaptiv assistanse," sa Walsh.

Alex McFarland er en AI-journalist og skribent som utforsker den siste utviklingen innen kunstig intelligens. Han har samarbeidet med en rekke AI-startups og publikasjoner over hele verden.