Un team di ricercatori ha sviluppato un nuovo metodo per controllare gli esoscheletri degli arti inferiori utilizzando l’apprendimento per rinforzo profondo. Il metodo, descritto in uno studio pubblicato nel Giornale di neuroingegneria e riabilitazione il 19 marzo 2023, consente un controllo della deambulazione più robusto e naturale per gli utenti di esoscheletri degli arti inferiori. “Robusto controllo della deambulazione di un esoscheletro riabilitativo degli arti inferiori accoppiato a un modello muscoloscheletrico tramite apprendimento di rinforzo profondo” è disponibile ad accesso libero.
Mentre i progressi nella robotica indossabile hanno contribuito a ripristinare la mobilità delle persone con disabilità agli arti inferiori, gli attuali metodi di controllo per gli esoscheletri sono limitati nella loro capacità di fornire movimenti naturali e intuitivi per gli utenti. Ciò può compromettere l’equilibrio e contribuire all’affaticamento e al disagio dell’utente. Pochi studi si sono concentrati sullo sviluppo di controller robusti in grado di ottimizzare l’esperienza dell’utente in termini di sicurezza e indipendenza.
Gli esoscheletri esistenti per la riabilitazione degli arti inferiori impiegano una varietà di tecnologie per aiutare l’utente a mantenere l’equilibrio, tra cui stampelle e sensori speciali, secondo il coautore Ghaith Androwis, PhD, ricercatore senior presso il Center for Mobility and Rehabilitation Engineering Research presso la Kessler Foundation e direttore del Laboratorio di Ricerca e Robotica Riabilitativa del Centro. Gli esoscheletri che funzionano senza tali aiutanti consentono una camminata più indipendente, ma a costo di un peso aggiuntivo e di una velocità di camminata lenta.
“I sistemi di controllo avanzati sono essenziali per lo sviluppo di un esoscheletro degli arti inferiori che consenta una deambulazione autonoma e indipendente in una serie di condizioni”, ha affermato il dott. Androwis. Il nuovo metodo sviluppato dal team di ricerca utilizza l’apprendimento per rinforzo profondo per migliorare il controllo dell’esoscheletro. L’apprendimento per rinforzo è un tipo di intelligenza artificiale che consente alle macchine di apprendere dalle proprie esperienze attraverso tentativi ed errori.
“Utilizzando un modello muscoloscheletrico accoppiato con un esoscheletro, abbiamo simulato i movimenti dell’arto inferiore e addestrato il sistema di controllo dell’esoscheletro per ottenere modelli di deambulazione naturali utilizzando l’apprendimento per rinforzo”, ha spiegato l’autore corrispondente Xianlian Zhou, PhD, professore associato e direttore del BioDynamics Lab presso il Dipartimento di Ingegneria Biomedica del New Jersey Institute of Technology (NJIT). “Stiamo testando il sistema in condizioni reali con un esoscheletro degli arti inferiori sviluppato dal nostro team e i risultati mostrano il potenziale per migliorare la stabilità della deambulazione e ridurre l’affaticamento dell’utente”.
Il team ha stabilito che il modello proposto generava un robusto controller ambulante universale in grado di gestire vari livelli di interazioni uomo-esoscheletro senza la necessità di regolare i parametri. Il nuovo sistema ha il potenziale per beneficiare una vasta gamma di utenti, compresi quelli con lesioni del midollo spinale, sclerosi multipla, ictus e altre condizioni neurologiche. I ricercatori hanno in programma di continuare a testare il sistema con gli utenti e perfezionare ulteriormente gli algoritmi di controllo per migliorare le prestazioni di camminata.
“Siamo entusiasti del potenziale di questo nuovo sistema per migliorare la qualità della vita delle persone con disabilità agli arti inferiori”, ha affermato il dott. Androwis. “Consentendo modelli di camminata più naturali e intuitivi, speriamo di aiutare gli utenti di esoscheletri a muoversi con maggiore facilità e sicurezza”.
Da un’altra testata giornalistica. news de www.sciencedaily.com