Une équipe de chercheurs a mis au point une nouvelle méthode pour contrôler les exosquelettes des membres inférieurs à l'aide du deep reinforcement learning. La méthode, utilisée dans une étude menée en Journal de la neuro-ingénierie et de la rééducation permet un contrôle de la marche plus robuste et plus naturel pour les utilisateurs d'exosquelettes des membres inférieurs.
Alors que les progrès de la robotique portable ont contribué à restaurer la mobilité des personnes souffrant de handicaps des membres inférieurs, les méthodes de contrôle actuelles des exosquelettes sont limitées dans leur capacité à permettre aux utilisateurs d'effectuer des mouvements naturels et intuitifs. Cela peut nuire à l'équilibre et contribuer à la fatigue et à l'inconfort de l'utilisateur. Peu d'études se sont concentrées sur le développement de commandes robustes capables d'optimiser l'expérience utilisateur en termes de sécurité et d'autonomie.
Les exosquelettes existants pour la rééducation des membres inférieurs utilisent une variété de technologies pour aider l'utilisateur à garder l'équilibre, y compris des béquilles spéciales et des capteurs, selon le co-auteur Ghaith Androwis, chercheur principal au Centre de recherche en ingénierie de la mobilité et de la rééducation de la Fondation Kessler et directeur du laboratoire de recherche et de robotique de rééducation du centre. Celles qui se passent de ces assistants permettent une marche plus indépendante, mais au prix d'un poids supplémentaire et d'une vitesse de marche lente.
"Des systèmes de contrôle avancés sont essentiels pour développer un exosquelette des membres inférieurs qui permette une marche autonome et indépendante dans un certain nombre de conditions", a déclaré le Dr Androwis. La nouvelle méthode développée par l'équipe de recherche utilise le deep reinforcement learning pour améliorer le contrôle de l'exosquelette. L'apprentissage par renforcement est une forme d'intelligence artificielle qui permet aux machines d'apprendre par essais et erreurs à partir de leur propre expérience.
"En utilisant un modèle musculo-squelettique couplé à un exosquelette, nous avons simulé les mouvements du membre inférieur et entraîné le système de contrôle de l'exosquelette pour obtenir des schémas de marche naturels à l'aide de l'apprentissage par renforcement", explique l'auteur correspondant Xianlian Zhou, professeur agrégé et directeur du BioDynamics Lab au sein du département d'ingénierie biomédicale du New Jersey Institute of Technology (NJIT). "Nous testons le système en conditions réelles avec un exosquelette pour les membres inférieurs développé par notre équipe, et les résultats montrent le potentiel d'amélioration de la stabilité à la marche et de réduction de la fatigue de l'utilisateur".
L'équipe a constaté que leur modèle proposé génère un contrôleur de marche universel et robuste, capable de gérer différents niveaux d'interactions homme-exosquelette sans qu'il soit nécessaire de régler les paramètres. Le nouveau système a le potentiel de bénéficier à un grand nombre d'utilisateurs, y compris les personnes souffrant de lésions de la moelle épinière, de sclérose en plaques, d'accidents vasculaires cérébraux et d'autres maladies neurologiques. Les chercheurs prévoient de continuer à tester le système avec des utilisateurs et d'affiner les algorithmes de contrôle afin d'améliorer les performances de marche.
"Nous sommes enthousiasmés par le potentiel de ce nouveau système pour améliorer la qualité de vie des personnes souffrant de handicaps des membres inférieurs", a déclaré le Dr Androwis. "En permettant des schémas de marche plus naturels et plus intuitifs, nous espérons aider les utilisateurs d'exosquelettes à se déplacer plus facilement et avec plus d'assurance".