Aconselhamento gratuito:
(Seg. - Sex.: 09:00 - 18:00)

Investigadores desenvolvem novo sistema com Deep Reinforcement Learning para melhorar o controlo dos membros inferiores

Uma equipa de investigadores desenvolveu um novo método para controlar os exoesqueletos dos membros inferiores utilizando a Aprendizagem por Reforço Profundo. O método, que foi desenvolvido num Revista de Neuroengenharia e Reabilitação O estudo publicado permite um controlo da marcha mais robusto e natural para os utilizadores de exoesqueletos dos membros inferiores.

Embora os avanços na robótica vestível tenham ajudado a restaurar a mobilidade das pessoas com deficiências nos membros inferiores, os actuais métodos de controlo dos exoesqueletos são limitados na sua capacidade de proporcionar aos utilizadores movimentos naturais e intuitivos. Isto pode afetar o equilíbrio e contribuir para a fadiga e o desconforto do utilizador. Poucos estudos se concentraram no desenvolvimento de controlos robustos que possam otimizar a experiência do utilizador em termos de segurança e independência.

Os exoesqueletos existentes para a reabilitação dos membros inferiores utilizam uma variedade de tecnologias para ajudar o utilizador a manter o equilíbrio, incluindo muletas especiais e sensores, de acordo com o coautor Ghaith Androwis, cientista sénior do Centro de Investigação em Engenharia de Mobilidade e Reabilitação da Fundação Kessler e diretor do Laboratório de Robótica e Investigação de Reabilitação do centro. Os que não dispõem de tais assistentes permitem uma marcha mais independente, mas à custa de um peso adicional e de uma velocidade de marcha reduzida.

"Os sistemas de controlo avançados são essenciais para o desenvolvimento de um exoesqueleto para os membros inferiores que permita uma marcha autónoma e independente em diversas condições", afirmou o Dr. Androwis. O novo método desenvolvido pela equipa de investigação utiliza a Aprendizagem por Reforço Profundo para melhorar o controlo do exoesqueleto. A aprendizagem por reforço é uma forma de inteligência artificial que permite às máquinas aprenderem com as suas próprias experiências através de tentativa e erro.

"Utilizando um modelo músculo-esquelético acoplado a um exoesqueleto, simulámos movimentos dos membros inferiores e treinámos o sistema de controlo do exoesqueleto para obter padrões de marcha naturais utilizando a aprendizagem por reforço", explica o autor correspondente Xianlian Zhou, professor associado e diretor do BioDynamics Lab no Departamento de Engenharia Biomédica do New Jersey Institute of Technology (NJIT). "Estamos a testar o sistema em condições reais com um exoesqueleto para membros inferiores que está a ser desenvolvido pela nossa equipa, e os resultados mostram o potencial para melhorar a estabilidade da marcha e reduzir a fadiga do utilizador."

A equipa descobriu que o modelo proposto produz um controlador de marcha universal e robusto, capaz de lidar com diferentes níveis de interacções homem-exosqueleto sem necessidade de afinação de parâmetros. O novo sistema tem potencial para beneficiar uma vasta gama de utilizadores, incluindo pessoas com lesões na espinal medula, esclerose múltipla, acidente vascular cerebral e outras doenças neurológicas. Os investigadores planeiam continuar a testar o sistema com utilizadores e aperfeiçoar os algoritmos de controlo para melhorar o desempenho da marcha.

"Estamos entusiasmados com o potencial deste novo sistema para melhorar a qualidade de vida das pessoas com deficiências nos membros inferiores", afirmou o Dr. Androwis. "Ao permitir padrões de marcha mais naturais e intuitivos, esperamos ajudar os utilizadores de exoesqueletos a deslocarem-se com mais facilidade e confiança."

Fonte: Os investigadores desenvolvem um novo sistema que utiliza a Aprendizagem por Reforço Profundo para melhorar o controlo dos membros inferiores (njit.edu)

Tom Illauer

Todos os contributos de: 
pt_PTPortuguese