Robotikk og fysisk AI

Forskere utvikler ny tilnærming for robotisk eksoskjelett-hjelp

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

Forskere ved Harvard John A. Paulson School of Engineering and Applied Sciences har utviklet en ny tilnærming for robotisk eksoskjelett-hjelp. Den hjelper med å overvinne en stor utfordring i design av bærbare robotikk som kan brukes til å assistere gåing i virkelige forhold.

I dag krever tilpassbare bærbare robotiske hjelpeplattformer mye manuell eller automatisk finjustering for å assistere individer, noe som kan være vanskelig for pasienter.

Den nye tilnærmingen baserer seg på at robotiske eksoskjelett-hjelp kalibreres til enkeltpersoner, og den tilpasser seg forskjellige virkelige gåingsoppgaver på bare noen sekunder. Det bio-inspirerte systemet bruker ultralydsmålinger av muskeldynamikk, noe som gjør det mulig å tilpasse det til brukerne.

Robert D. Howe er en Abbott og James Lawrence Professor of Engineering og medforfatter av artikkelen, som ble publisert i Science Robotics.

“Vår muskelbaserte tilnærming muliggjør relativt rask generering av individualiserte hjelpeprofiler som gir virkelig nytte for personen som går,” sa Howe.

https://www.youtube.com/watch?v=4XFvoW3Z9l8&t=1s

Tidligere bio-inspirerte systemer vs. ny tilnærming

Tidligere bio-inspirerte systemer har fokusert på de dynamiske bevegelsene til lemmer og brukere, men forskerne så utenfor dette.

Richard Nuckols er en postdoktor ved SEAS og medførsteforfatter av artikkelen.

“Vi brukte ultralyd for å se under huden og målte direkte hva brukerens muskler gjorde under flere gåingsoppgaver,” sa Nuckols. “Våre muskler og senere har kompliance, noe som betyr at det ikke nødvendigvis er en direkte sammenheng mellom bevegelsen av lemmer og den underliggende muskelen som driver bevegelsen.”

Forskingsteamet festet et bærbart ultralydsystem til deltakernes kalfmusklene før de avbildet musklene mens de utførte forskjellige gåingsoppgaver.

Krithika Swaminathan er en graduate student ved SEAS og Graduate School of Arts and Sciences (GSAS) og medførsteforfatter av studien.

“Fra disse forhåndsinnspilte bildene estimerte vi den assistive kraften som skulle brukes parallelt med kalmusklene for å kompensere for den ekstra arbeid de måtte utføre under push-off-fasen av gåingscyklen,” sa Swaminathan.

Aktivering av muskelens profil

Systemet krever bare noen sekunder med gåing for å aktivere muskelens profil, og for hver av profilene målte forskerne hvor mye metabolsk energi personen brukte under gåing med og uten eksoskjelettet.

Teamet fant at den metabolske energien av gåing over en rekke hastigheter og hellinger ble redusert betydelig med muskelbasert hjelp. De fant også at lavere hjelpekraft var nødvendig for å oppnå samme eller forbedret metabolsk energifordel sammenlignet med tidligere studier.

Sangjun Lee er en graduate student ved SEAS og GSAS og medførsteforfatter av studien.

“Ved å måle musklen direkte, kan vi arbeide mer intuitivt med personen som bruker eksoskjelettet,” sa Lee. “Med denne tilnærmingen, overvelder ikke eksoskjelettet brukeren, det samarbeider med dem.”

I virkelige situasjoner viste eksoskjelettet en evne til å raskt tilpasse seg endringer i gåingshastighet og helning. Teamet vil nå se på å teste systemet med sanntidsjusteringer.

“Denne tilnærmingen kan hjelpe med å støtte adopsjonen av bærbare robotikk i virkelige, dynamiske situasjoner ved å aktivere komfortabel, tilpasset og adaptiv hjelp,” sa Walsh.

Alex McFarland er en AI-journalist og forfatter som utforsker de nyeste utviklingene innen kunstig intelligens. Han har samarbeidet med tallrike AI-startups og publikasjoner verden over.