I ricercatori della Harvard John A. Paulson School of Engineering e Applied and Sciences (SEAS) e il Wyss Institute for Biologically Inspired Engineering hanno sviluppato un algoritmo di apprendimento automatico che aiuta gli exosuits da indossare a conformarsi alle singole abitudini di movimento.
Affinché un'esosuit possa servire efficacemente il suo scopo, deve essere perfettamente adattato per adattarsi ai movimenti unici dell'utente. Questo algoritmo rivoluzionario è molto più efficiente dei metodi precedenti, che richiedevano la manipolazione dei parametri di ogni singolo seme.
Lo studio completo è pubblicato in Scienza Robotics.
"I dispositivi indossabili hanno dimostrato di migliorare le prestazioni della camminata e della corsa umane", ha affermato Ye Ding, borsista post-dottorato presso SEAS e co-primo autore dello studio. "Tuttavia, la varianza di risposta tra i portatori di strategie assistive fisse può essere elevata, portando alla nostra ipotesi che i controller individualizzati potrebbero migliorare ulteriormente l'economia della deambulazione".
Gli esseri umani, al fine di risparmiare energia, subconscilmente fanno aggiustamenti frequenti al modo in cui ci muoviamo. Questo algoritmo, a differenza dei metodi precedenti, consente tali modifiche.
"Prima, se avessi tre diversi utenti che camminavano con dispositivi di assistenza, avresti bisogno di tre diverse strategie di assistenza", Myunghee Kim, un ricercatore post-dottorato presso SEAS e co-primo autore dello studio, ha dichiarato in una nota. "Trovare i giusti parametri di controllo per ogni portatore era un processo difficile e graduale perché non solo tutti gli umani camminano in modo leggermente diverso, ma gli esperimenti necessari per mettere a punto manualmente i parametri sono complicati e richiedono molto tempo."
Accorciare il tempo necessario per personalizzare un exosuit è stata una delle iniziative principali per questo studio.
"Con robot indossabili come le tute morbide, è fondamentale che l'assistenza giusta sia fornita al momento giusto in modo che possano lavorare in sinergia con chi li indossa", Conor Walsh, il professore associato di ingegneria e scienze applicate di John L. Loeb presso SEAS e sviluppatore del co-algoritmo, ha dichiarato in una nota. "Con questi algoritmi di ottimizzazione online, i sistemi possono imparare come raggiungerlo automaticamente in circa venti minuti, massimizzando così il vantaggio per chi lo indossa."
Per sviluppare l'algoritmo, i ricercatori hanno usato una tecnica chiamata ottimizzazione human-in-the-loop. Questa strategia utilizza misurazioni della frequenza respiratoria umana e altri segnali fisiologici per regolare i parametri di controllo dei dispositivi in tempo reale.
Nello studio, i ricercatori hanno osservato che coloro che hanno utilizzato l'exosuit dotato dell'algoritmo hanno utilizzato 17.4 per cento di energia in meno rispetto alle persone che camminavano senza il dispositivo.
"Gli algoritmi di ottimizzazione e apprendimento avranno un grande impatto sui futuri dispositivi robotici indossabili progettati per supportare una vasta gamma di comportamenti", Scott Kuindersma, assistente professore di ingegneria e informatica presso SEAS e sviluppatore di co-algoritmi, ha dichiarato in una nota. "Questi risultati mostrano che l'ottimizzazione dei controller anche molto semplici può offrire agli utenti un vantaggio significativo e personalizzato mentre camminano."
Questo studio specifico si è concentrato sui movimenti dell'anca, ma i "risultati suggeriscono che questo metodo può essere applicato ad altri dispositivi indossabili e può avere un impatto sul miglioramento delle prestazioni di tutti gli altri dispositivi robot indossabili", ha affermato Ding.
I ricercatori stanno già lavorando allo sviluppo del loro algoritmo per costruire macchine più avanzate che possano aiutare contemporaneamente più articolazioni, come l'anca e la caviglia.
Ding riconosce una possibile possibilità di adattamento umano ai dispositivi e anticipa lo sviluppo di un modo per minimizzare i suoi effetti in ulteriori studi.
