Un robot-gant souple peut aider les patients victimes d’un AVC à réapprendre à jouer de la musique

L’AVC est la principale cause d’invalidité chez les adultes dans l’UE, qui touche environ 1,1 million d’habitants chaque année. Après un AVC, les patients ont souvent besoin d’une rééducation pour réapprendre à marcher, à parler ou à effectuer des tâches quotidiennes. La recherche a montré qu’en plus de la physiothérapie et de l’ergothérapie, la musicothérapie peut aider les patients victimes d’AVC à récupérer le langage et la fonction motrice.

Mais pour les personnes formées à la musique et qui ont subi un accident vasculaire cérébral, jouer de la musique peut être en soi une compétence qui doit être réapprise. Maintenant, une étude en Frontières de la robotique et de l’IA a montré comment une nouvelle robotique douce peut aider les patients en convalescence à réapprendre à jouer de la musique et à d’autres compétences qui nécessitent dextérité et coordination.

« Ici, nous montrons que notre gant d’exosquelette intelligent, avec ses capteurs tactiles intégrés, ses actionneurs souples et son intelligence artificielle, peut aider efficacement au réapprentissage des tâches manuelles après un neurotraumatisme », a déclaré l’auteur principal, le Dr Maohua Lin, professeur auxiliaire au Département. de génie océanique et mécanique de la Florida Atlantic University.

À qui s’adapte le gant : « main intelligente » sur mesure

Lin et ses collègues ont conçu et testé un « exosquelette de main intelligent » sous la forme d’un robot-gant multicouche flexible imprimé en 3D, qui ne pèse que 191 g. Toute la paume et le poignet du gant sont conçus pour être doux et flexibles, et la forme du gant peut être personnalisée pour s’adapter à l’anatomie de chaque porteur.

Des actionneurs pneumatiques souples au bout des doigts génèrent un mouvement et exercent une force, imitant ainsi les mouvements naturels et précis de la main. Chaque bout de doigt contient également un réseau de 16 capteurs flexibles ou « taxels », qui donnent des sensations tactiles à la main du porteur lors de l’interaction avec des objets ou des surfaces. La production du gant est simple, car tous les actionneurs et capteurs sont mis en place via un seul processus de moulage.

« Lorsqu’ils portent le gant, les utilisateurs humains contrôlent dans une large mesure le mouvement de chaque doigt », a déclaré l’auteur principal, le Dr Erik Engeberg, professeur au Département de génie océanique et mécanique de la Florida Atlantic University.

« Le gant est conçu pour assister et améliorer leurs mouvements naturels de la main, leur permettant de contrôler la flexion et l’extension de leurs doigts. Le gant fournit un guidage de la main, un soutien et une dextérité amplifiée. »

Les auteurs prévoient que les patients pourraient finalement porter une paire de ces gants, pour aider les deux mains indépendamment à retrouver la dextérité, la motricité et le sens de la coordination.

L’IA a formé le gant pour devenir professeur de musique

Les auteurs ont utilisé l’apprentissage automatique pour apprendre avec succès au gant à « sentir » la différence entre jouer une version correcte ou incorrecte d’une chanson pour débutant au piano. Ici, le gant fonctionnait de manière autonome sans intervention humaine, avec des mouvements préprogrammés. La chanson était « Mary avait un petit agneau », qui nécessite quatre doigts pour jouer.

« Nous avons constaté que le gant peut apprendre à distinguer entre un jeu de piano correct et incorrect. Cela signifie qu’il pourrait être un outil précieux pour la rééducation personnalisée des personnes qui souhaitent réapprendre à jouer de la musique », a déclaré Engeberg.

Maintenant que la preuve de principe a été démontrée, le gant peut être programmé pour donner des informations au porteur sur ce qui s’est bien ou mal passé dans son jeu, soit par un retour haptique, des repères visuels ou sonores. Ceux-ci lui permettraient de comprendre leur performance et d’apporter des améliorations.

Lin a ajouté : « L’adaptation de la conception actuelle à d’autres tâches de rééducation au-delà de la lecture de musique, par exemple la manipulation d’objets, nécessiterait une personnalisation en fonction des besoins individuels. Cela peut être facilité grâce à la technologie de numérisation 3D ou aux tomodensitogrammes pour garantir un ajustement et une fonctionnalité personnalisés pour chaque utilisateur.  »

« Mais plusieurs défis dans ce domaine doivent être surmontés. Il s’agit notamment d’améliorer la précision et la fiabilité de la détection tactile, d’améliorer l’adaptabilité et la dextérité de la conception de l’exosquelette et d’affiner les algorithmes d’apprentissage automatique pour mieux interpréter et répondre aux entrées de l’utilisateur. »