Un contrôleur universel pourrait pousser les prothèses robotiques et les exosquelettes à être utilisés dans le monde réel

Les exosquelettes robotiques conçus pour aider les humains à marcher ou à effectuer des travaux physiquement exigeants font partie de la tradition de la science-fiction depuis des décennies. Vous vous souvenez d'Ellen Ripley dans ce Power Loader dans « Alien » ? Ou la folle plateforme mobile que George McFly portait en 2015 dans « Retour vers le futur, partie II » parce qu'il s'était défoncé le dos ?

Les chercheurs travaillent sur une assistance robotique réelle qui pourrait protéger les travailleurs contre des blessures douloureuses et aider les patients victimes d'un AVC à retrouver leur mobilité. Jusqu’à présent, ils ont nécessité un calibrage approfondi et des réglages spécifiques au contexte, ce qui les limite largement aux laboratoires de recherche.

Les ingénieurs en mécanique de Georgia Tech sont peut-être sur le point de changer cela, en permettant le déploiement de la technologie des exosquelettes dans les maisons, les lieux de travail et bien plus encore.

Une équipe de chercheurs du laboratoire d'Aaron Young a développé une approche universelle pour contrôler les exosquelettes robotiques qui ne nécessite aucune formation, aucun étalonnage et aucun ajustement d'algorithmes compliqués. Au lieu de cela, les utilisateurs peuvent enfiler le « exo » et partir.

Leur système utilise une sorte d'intelligence artificielle appelée apprentissage profond pour ajuster de manière autonome la manière dont l'exosquelette fournit une assistance, et ils ont montré qu'il fonctionne de manière transparente pour faciliter la marche, la position debout et la montée des escaliers ou des rampes. Ils décrivent leur « cadre de contrôle unifié » dans Robotique scientifique.

« L'objectif n'était pas seulement de fournir un contrôle sur différentes activités, mais de créer un système unifié unique. Vous n'avez pas besoin d'appuyer sur des boutons pour basculer entre les modes ou d'avoir un algorithme de classification qui tente de prédire que vous montez des escaliers ou marchez. « , a déclaré Young, professeur agrégé à la George W. Woodruff School of Mechanical Engineering.

L'apprentissage automatique comme traducteur

La plupart des travaux antérieurs dans ce domaine se sont concentrés sur une activité à la fois, comme marcher sur un terrain plat ou monter un escalier. Les algorithmes impliqués tentent généralement de classer l'environnement pour fournir la bonne assistance aux utilisateurs.

L’équipe de Georgia Tech a jeté cela par la fenêtre. Au lieu de se concentrer sur l’environnement, ils se sont concentrés sur l’humain – ce qui se passe avec les muscles et les articulations – ce qui signifiait que l’activité spécifique n’avait pas d’importance.

« Nous avons arrêté d'essayer de regrouper le mouvement humain dans ce que nous appelons des modes discrétisés, comme marcher sur un terrain plat ou monter des escaliers, parce que le mouvement réel est beaucoup plus compliqué », a déclaré Dean Molinaro, auteur principal de l'étude et titulaire d'un doctorat récemment diplômé. étudiant dans le laboratoire de Young.

« Au lieu de cela, nous avons basé notre contrôleur sur la physiologie sous-jacente de l'utilisateur. Ce que fait le corps à tout moment nous dira tout ce que nous devons savoir sur l'environnement. Ensuite, nous avons utilisé l'apprentissage automatique essentiellement comme traducteur entre ce que les capteurs mesurent. sur l'exosquelette et quels couples les muscles génèrent.

Grâce à l'assistance fournie par le contrôleur via un exosquelette de hanche développé par l'équipe, ils ont découvert qu'ils pouvaient réduire l'effort métabolique et biomécanique des utilisateurs : ils dépensaient moins d'énergie et leurs articulations n'avaient pas à travailler aussi dur que si elles ne portaient pas du tout l'appareil. .

En d’autres termes, le port de l’exosquelette était un avantage pour les utilisateurs, même avec le poids supplémentaire ajouté par l’appareil lui-même.

« Ce qui est génial, c'est qu'il s'adapte à la dynamique interne de chaque personne sans aucun réglage ni ajustement heuristique, ce qui constitue une énorme différence par rapport à de nombreux travaux sur le terrain », a déclaré Young. « Il n'y a pas de réglage spécifique au sujet ni de modification des paramètres pour que cela fonctionne. »

Le système de contrôle de cette étude est conçu pour les dispositifs à assistance partielle. Ces exosquelettes soutiennent le mouvement plutôt que de remplacer complètement l’effort.

L'équipe, qui comprenait également Molinaro et Inseung Kang, un autre ancien doctorant. étudiant maintenant à l'Université Carnegie Mellon, a utilisé un algorithme existant et l'a formé sur des montagnes de données de capture de force et de mouvement qu'ils ont collectées dans le laboratoire de Young. Des sujets de différents sexes et types de corps portaient l'exosquelette de hanche motorisé et marchaient à différentes vitesses sur des plaques de force, montaient des escaliers réglables en hauteur, montaient et descendaient des rampes et faisaient la transition entre ces mouvements.

Et comme dans les studios de capture de mouvements utilisés pour réaliser des films, chaque mouvement a été enregistré et catalogué pour comprendre ce que faisaient les articulations pour chaque activité.

Le Robotique scientifique l'étude est « indépendante de l'application », comme le dit Young. Pourtant, leur contrôleur offre le premier pont vers la viabilité dans le monde réel pour les dispositifs exosquelettes robotiques.

Imaginez comment l’assistance robotique pourrait bénéficier aux soldats, aux bagagistes des compagnies aériennes ou à tout travailleur exerçant des tâches physiquement exigeantes où le risque de blessures musculo-squelettiques est élevé.