Un team di ricercatori ha sviluppato un nuovo metodo per controllare gli esoscheletri degli arti inferiori utilizzando l'apprendimento profondo del rinforzo. Il metodo, che è stato sviluppato in un Giornale di Neuroingegneria e Riabilitazione descritto in uno studio pubblicato sulla rivista, consente un controllo della camminata più robusto e naturale per gli utenti di esoscheletri per arti inferiori.
Mentre i progressi nella robotica indossabile hanno aiutato a ripristinare la mobilità delle persone con disabilità agli arti inferiori, gli attuali metodi di controllo degli esoscheletri sono limitati nella loro capacità di fornire agli utenti movimenti naturali e intuitivi. Questo può influire sull'equilibrio e contribuire all'affaticamento e al disagio dell'utente. Pochi studi si sono concentrati sullo sviluppo di controlli robusti che possano ottimizzare l'esperienza dell'utente in termini di sicurezza e indipendenza.
Gli esoscheletri esistenti per la riabilitazione degli arti inferiori utilizzano una serie di tecnologie per aiutare l'utente a mantenere l'equilibrio, tra cui stampelle speciali e sensori, secondo il coautore Ghaith Androwis, scienziato senior presso il Centro di Ricerca sulla Mobilità e l'Ingegneria della Riabilitazione della Fondazione Kessler e direttore del Laboratorio di Ricerca e Robotica Riabilitativa del centro. Quelli privi di tali dispositivi di assistenza consentono di camminare in modo più indipendente, ma al costo di un peso aggiuntivo e di una velocità di camminata più lenta.
"I sistemi di controllo avanzati sono essenziali per lo sviluppo di un esoscheletro dell'arto inferiore che consenta una camminata autonoma e indipendente in una serie di condizioni", ha detto il dottor Androwis. Il metodo innovativo sviluppato dal team di ricerca utilizza l'apprendimento di rinforzo profondo per migliorare il controllo dell'esoscheletro. L'apprendimento per rinforzo è una forma di intelligenza artificiale che consente alle macchine di imparare dalla propria esperienza attraverso prove ed errori.
"Utilizzando un modello muscoloscheletrico accoppiato a un esoscheletro, abbiamo simulato i movimenti dell'arto inferiore e addestrato il sistema di controllo dell'esoscheletro a realizzare modelli di camminata naturali utilizzando l'apprendimento per rinforzo", spiega l'autore corrispondente Xianlian Zhou, 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 dell'arto inferiore sviluppato dal nostro team, e i risultati mostrano il potenziale per una migliore stabilità dell'andatura e una riduzione dell'affaticamento dell'utente".
Il team ha scoperto che il modello proposto produce un controllore di camminata universale e robusto, in grado di gestire diversi livelli di interazioni uomo-esoscheletro senza la necessità di regolare i parametri. Il nuovo sistema ha il potenziale di beneficiare un'ampia gamma di utenti, comprese le persone con lesioni al midollo spinale, sclerosi multipla, ictus e altre condizioni neurologiche. I ricercatori intendono continuare a testare il sistema con gli utenti e perfezionare ulteriormente gli algoritmi di controllo per migliorare le prestazioni di deambulazione.
"Siamo entusiasti del potenziale di questo nuovo sistema per migliorare la qualità della vita delle persone con disabilità agli arti inferiori", ha detto il dottor Androwis. "Consentendo modelli di camminata più naturali e intuitivi, speriamo di aiutare gli utenti dell'esoscheletro a muoversi con maggiore facilità e sicurezza".