En smart kunstig hånd til amputerede forener bruger- og robotstyring

EPFL-forskere udvikler nye tilgange til forbedret kontrol af robothænder - især for amputerede - der kombinerer individuel fingerkontrol og automatisering for forbedret greb og manipulation. Dette tværfaglige proof of concept mellem neuroengineering og robotteknologi blev testet med succes på tre amputerede og syv raske forsøgspersoner. Resultaterne er offentliggjort i dagens udgave af Nature Machine Intelligence .

Teknologien fusionerer to koncepter fra to forskellige felter. Implementering af dem begge sammen var aldrig blevet gjort før til robothåndkontrol, og bidrager til det nye felt af delt kontrol inden for neuroproteser.

Et koncept, fra neuroengineering, involverer dechifrering af tilsigtet fingerbevægelse ud fra muskelaktivitet på den amputeredes stump til individuel fingerkontrol af håndprotesen, hvilket aldrig før er blevet udført. Den anden, fra robotteknologi, giver robothånden mulighed for at hjælpe med at tage fat i genstande og bevare kontakten med dem for robust greb.

"Når du holder en genstand i hånden, og det begynder at glide, du har kun et par millisekunder til at reagere, " forklarer Aude Billard, der leder EPFL's Learning Algoritms and Systems Laboratory. "Robothånden har evnen til at reagere inden for 400 millisekunder. Udstyret med tryksensorer langs hele fingrene, den kan reagere og stabilisere objektet, før hjernen rent faktisk kan opfatte, at objektet glider. "

Sådan fungerer delt kontrol

Algoritmen lærer først, hvordan man afkoder brugerens hensigt og omsætter dette til fingerbevægelse af håndprotesen. Den amputerede skal udføre en række håndbevægelser for at træne den algoritme, der bruger maskinlæring. Sensorer placeret på den amputeredes stump registrerer muskelaktivitet, og algoritmen lærer hvilke håndbevægelser der svarer til hvilke mønstre for muskelaktivitet. Når brugerens tilsigtede fingerbevægelser er forstået, denne information kan bruges til at styre individuelle fingre på håndprotesen.

"Fordi muskelsignaler kan være støjende, vi har brug for en maskinlæringsalgoritme, der udtrækker meningsfuld aktivitet fra disse muskler og fortolker dem til bevægelser, " siger Katie Zhuangs første forfatter til publikationen.

Næste, forskerne konstruerede algoritmen, så robotautomatisering starter, når brugeren forsøger at fatte et objekt. Algoritmen fortæller håndprotesen at lukke fingrene, når en genstand er i kontakt med sensorer på overfladen af ​​håndprotesen. Dette automatiske greb er en tilpasning fra en tidligere undersøgelse for robotarme designet til at udlede formen af ​​objekter og gribe dem baseret på taktile information alene, uden hjælp af visuelle signaler.

Der er stadig mange udfordringer med at konstruere algoritmen, før den kan implementeres i en kommercielt tilgængelig håndprotese til amputerede. For nu, Algoritmen bliver stadig testet på en robot leveret af en ekstern part.

"Vores fælles tilgang til kontrol af robothænder kan bruges i flere neuroprotetiske applikationer såsom bioniske håndproteser og hjerne-til-maskine-grænseflader, øge den kliniske effekt og anvendelighed af disse enheder, "Silvestro Micera, EPFL's Bertarelli Foundation Chair i Translationel Neuroengineering, og professor i bioelektronik ved Scuola Superiore Sant"Anna.