O controlador universal pode levar próteses robóticas e exoesqueletos para uso no mundo real

Exoesqueletos robóticos projetados para ajudar os humanos a caminhar ou realizar trabalhos fisicamente exigentes têm sido objeto de ficção científica há décadas. Lembra de Ellen Ripley naquele Power Loader em “Alien”? Ou a plataforma móvel maluca que George McFly usou em 2015 em “De Volta para o Futuro, Parte II” porque ele deu as costas?

Os investigadores estão a trabalhar numa assistência robótica real que poderá proteger os trabalhadores de lesões dolorosas e ajudar os pacientes com AVC a recuperar a sua mobilidade. Até agora, eles exigiram ampla calibração e ajustes específicos ao contexto, o que os mantém amplamente limitados a laboratórios de pesquisa.

Os engenheiros mecânicos da Georgia Tech podem estar prestes a mudar isso, permitindo que a tecnologia do exoesqueleto seja implantada em residências, locais de trabalho e muito mais.

Uma equipe de pesquisadores do laboratório de Aaron Young desenvolveu uma abordagem universal para controlar exoesqueletos robóticos que não requer treinamento, calibração e ajustes em algoritmos complicados. Em vez disso, os usuários podem vestir o “exo” e ir embora.

Seu sistema usa um tipo de inteligência artificial chamada aprendizagem profunda para ajustar autonomamente como o exoesqueleto fornece assistência, e eles mostraram que funciona perfeitamente para apoiar caminhar, ficar em pé e subir escadas ou rampas. Eles descrevem sua “estrutura de controle unificada” em Robótica Científica.

“O objetivo não era apenas fornecer controle em diferentes atividades, mas criar um sistema único e unificado. Você não precisa pressionar botões para alternar entre os modos ou ter algum algoritmo classificador que tente prever se você está subindo escadas ou andando. “, disse Young, professor associado da Escola de Engenharia Mecânica George W. Woodruff.

Aprendizado de máquina como tradutor

A maioria dos trabalhos anteriores nesta área concentrou-se em uma atividade de cada vez, como caminhar em terreno plano ou subir escadas. Os algoritmos envolvidos normalmente tentam classificar o ambiente para fornecer a assistência adequada aos usuários.

A equipe Georgia Tech jogou isso pela janela. Em vez de se concentrarem no ambiente, concentraram-se no ser humano – o que está a acontecer com os músculos e as articulações – o que significava que a actividade específica não importava.

“Paramos de tentar agrupar o movimento humano no que chamamos de modos discretizados – como caminhar em terreno plano ou subir escadas – porque o movimento real é muito mais confuso”, disse Dean Molinaro, principal autor do estudo e recém-formado Ph.D. estudante no laboratório de Young.

“Em vez disso, baseamos nosso controlador na fisiologia subjacente do usuário. O que o corpo está fazendo a qualquer momento nos dirá tudo o que precisamos saber sobre o meio ambiente. Em seguida, usamos o aprendizado de máquina essencialmente como tradutor entre o que os sensores estão medindo no exoesqueleto e quais torques os músculos estão gerando.”

Com o controlador prestando assistência através de um exoesqueleto de quadril desenvolvido pela equipe, eles descobriram que poderiam reduzir o esforço metabólico e biomecânico dos usuários: eles gastavam menos energia e suas articulações não precisavam trabalhar tanto em comparação com a ausência do dispositivo. .

Ou seja, usar o exoesqueleto foi um benefício para os usuários, mesmo com o peso extra adicionado pelo próprio aparelho.

“O que há de tão legal nisso é que ele se ajusta à dinâmica interna de cada pessoa sem nenhum ajuste ou ajuste heurístico, o que é uma grande diferença em relação a muito trabalho na área”, disse Young. “Não há ajuste específico do assunto ou alteração de parâmetros para fazê-lo funcionar.”

O sistema de controle neste estudo foi projetado para dispositivos de assistência parcial. Esses exoesqueletos apoiam o movimento em vez de substituir completamente o esforço.

A equipe, que também incluía Molinaro e Inseung Kang, outro ex-Ph.D. estudante agora na Carnegie Mellon University, usou um algoritmo existente e o treinou em montanhas de força e dados de captura de movimento coletados no laboratório de Young. Indivíduos de diferentes sexos e tipos de corpo usaram o exoesqueleto de quadril motorizado e caminharam em velocidades variadas em plataformas de força, subiram escadas com altura ajustável, subiram e desceram rampas e fizeram a transição entre esses movimentos.

E assim como os estúdios de captura de movimento usados ​​para fazer filmes, cada movimento era gravado e catalogado para entender o que as articulações estavam fazendo em cada atividade.

O Robótica Científica o estudo é “agnóstico em termos de aplicação”, como disse Young. No entanto, seu controlador oferece a primeira ponte para a viabilidade no mundo real de dispositivos de exoesqueleto robótico.

Imagine como a assistência robótica poderia beneficiar soldados, carregadores de bagagem de companhias aéreas ou qualquer trabalhador que execute trabalhos fisicamente exigentes, onde o risco de lesões músculo-esqueléticas é elevado.