Quando si tratta di morbidezza, dispositivi di assistenza, come l'esotuta progettata dall'Harvard Biodesign Lab, chi lo indossa e il robot devono essere sincronizzati. Ma ogni essere umano si muove in modo leggermente diverso e personalizzare i parametri del robot per un singolo utente è un processo lungo e inefficiente.

Ora, ricercatori della Harvard John A. Paulson School of Engineering and Applied and Sciences (SEAS) e del Wyss Institute for Biologically Inspired Engineering hanno sviluppato un efficiente algoritmo di apprendimento automatico in grado di adattare rapidamente strategie di controllo personalizzate per soft, tute indossabili.

La ricerca è descritta in Robotica scientifica .

"Questo nuovo metodo è un modo efficace e veloce per ottimizzare le impostazioni dei parametri di controllo per i dispositivi indossabili assistivi, " disse Ye Ding, borsista post-dottorato presso SEAS e co-primo autore della ricerca. "Utilizzando questo metodo, abbiamo ottenuto un enorme miglioramento delle prestazioni metaboliche per i portatori di un dispositivo di assistenza per l'estensione dell'anca."

Quando gli umani camminano, modifichiamo costantemente il modo in cui ci muoviamo per risparmiare energia (noto anche come costo metabolico).

"Prima, se avevi tre utenti diversi che camminavano con dispositivi di assistenza, avresti bisogno di tre diverse strategie di assistenza, " disse Myunghee Kim, un ricercatore post-dottorato presso SEAS e co-primo autore del documento. "Trovare i giusti parametri di controllo per ogni portatore era un tempo difficile, processo passo dopo passo perché non solo tutti gli esseri umani camminano in modo leggermente diverso, ma gli esperimenti necessari per regolare manualmente i parametri sono complicati e richiedono molto tempo"

I ricercatori, guidato da Conor Walsh, il professore associato di ingegneria e scienze applicate John L. Loeb, e Scott Kuindersma, Assistant Professor di Ingegneria e Informatica presso SEAS, ha sviluppato un algoritmo in grado di tagliare questa variabilità e identificare rapidamente i migliori parametri di controllo che funzionano meglio per ridurre al minimo la deambulazione.

I ricercatori hanno utilizzato la cosiddetta ottimizzazione human-in-the-loop, che utilizza misurazioni in tempo reale dei segnali fisiologici umani, come la frequenza respiratoria, per regolare i parametri di controllo del dispositivo. Poiché l'algoritmo ha affinato i parametri migliori, ha diretto l'exosuit su quando e dove fornire la sua forza assistiva per migliorare l'estensione dell'anca. L'approccio di ottimizzazione bayesiana utilizzato dal team è stato riportato per la prima volta in un articolo l'anno scorso su PLOSone.

La combinazione dell'algoritmo e della tuta ha ridotto il costo metabolico del 17,4% rispetto al camminare senza il dispositivo. Questo è stato un miglioramento di oltre il 60% rispetto al lavoro precedente del team.

"Gli algoritmi di ottimizzazione e apprendimento avranno un grande impatto sui futuri dispositivi robotici indossabili progettati per assistere una serie di comportamenti, " ha affermato Kuindersma. "Questi risultati mostrano che l'ottimizzazione di controller anche molto semplici può fornire un significativo, beneficio individualizzato per gli utenti mentre camminano. Estendere queste idee per considerare strategie di controllo più espressive e persone con esigenze e abilità diverse sarà un entusiasmante passo successivo".

"Con robot indossabili come tute morbide, è fondamentale che l'assistenza giusta venga fornita al momento giusto in modo che possano lavorare in sinergia con chi lo indossa, " ha affermato Walsh. "Con questi algoritmi di ottimizzazione online, i sistemi possono imparare a farlo automaticamente in una ventina di minuti, massimizzando così il beneficio per chi lo indossa."

Prossimo, il team mira ad applicare l'ottimizzazione a un dispositivo più complesso che assiste più articolazioni, come anca e caviglia, allo stesso tempo.

"In questo documento, abbiamo dimostrato un'elevata riduzione del costo metabolico semplicemente ottimizzando l'estensione dell'anca, " ha detto Ding. "Questo dimostra cosa si può fare con un grande cervello e un ottimo hardware".