Forskere Utvikler Smart Kunstig Hånd som Kombinerer Brukerkontroll og Automatisering

Forskere fra Ecole Polytechnique Fédérale de Lausanne arbeider med nye måter å forbedre kontrollen av robotiske hender, spesielt for amputerte. De har utviklet en måte å kombinere individuell fingerkontroll og automatisering for å forbedre grep og manipulering. De testet denne ideen om neuroingeniørvitenskap og robotikk på tre forskjellige amputerte og syv friske mennesker. Resultatene av studien ble publisert i Nature Machine Intelligence.

Denne nyutviklede teknologien kombinerer to separate fagfelt for robotisk håndkontroll. Dette er noe som ikke har blitt gjort før, og det følger det nye feltet for delt kontroll i neuroprostetikk.

En av de nye konseptene kommer fra neuroingeniørvitenskap. Den ønskede fingerbevegelsen identifiseres ved å lese muskelaktiviteten på amputertens stump. Dette brukes deretter for individuell fingerkontroll av protesen. Det andre konseptet kommer fra robotikk. Den robotiske hånden kan gripe og holde på objekter ved å gripe.

“Når du holder et objekt i hånden, og det begynner å gli, har du bare noen få millisekunder til å reagere,” forklarer Aude Billard, som leder EPFLs Learning Algorithms and Systems Laboratory. “Den robotiske hånden har evnen til å reagere innen 400 millisekunder. Utstyrt med trykksensorer langs fingrene, kan den reagere og stabilisere objektet før hjernen faktisk kan merke at objektet glir.”

Prosessen starter med at algoritmen lærer å tyde brukerens intensjon, og den oversetter deretter dette til fingerbevegelse i protesen. For at dette skal skje, må amputerten først trene algoritmen som bruker maskinlæring ved å utføre en rekke håndbevegelser. Sensorer brukes på amputertens stump, og de kan detektere bestemt muskelaktivitet. Algoritmen lærer og kobler deretter håndbevegelsene og deres tilhørende muskelaktivitet. Til slutt vil algoritmen kjenne til brukerens ønskede fingerbevegelser, og deretter kan de enkelte fingrene kontrolleres på protesen.

Katie Zhuang er første forfatter av publikasjonen. Hun snakket om maskinlæring-algoritmen.

“Fordi muskelsignaler kan være støyende, trenger vi en maskinlæring-algoritme som trekker ut meningsfull aktivitet fra disse musklene og tolker dem som bevegelser,” sa hun.

Forskerne gikk deretter videre og utviklet algoritmen slik at når en bruker prøver å gripe et objekt, initieres robot-automatisering. Algoritmen vil formidle til protesen å lukke fingrene og gripe når et objekt kommer i kontakt med sensorer. Sensorerne er plassert på overflaten av protesen. Forskerne skapte dette nye systemet basert på en tilpasning fra en tidligere studie. I den studien ble robot-armene designet for å identifisere formen på objekter og deretter gripe dem. Dette ble gjort utelukkende basert på taktil informasjon, og det var ingen avhengighet av visuelle signaler.

Det er fortsatt utfordringer før denne teknologien kan bli effektivt brukt blant mennesker og bli en kommersielt viable mulighet for amputerte som søker etter proteser. Likevel er denne teknologien et stort skritt fremover i feltet, og den vil fortsette å drive ideen om å kombinere menneske og robotikk. For øyeblikket er algoritmen fortsatt under testing på en robot.

“Vår delt tilnærming til å kontrollere robot-hender kan brukes i flere neuroprostetiske applikasjoner, som bioniske håndproteser og hjernemaskin-grensesnitt, og øke den kliniske påvirkningen og bruksmulighetene til disse enhetene,” sier Silvestro Micera, EPFLs Bertarelli Foundation Chair i Translational Neuroengineering, og Professor i Bioelektronikk ved Scuola Superiore Sant’Anna.