Udviklerne har skabt et fuldt automatiseret system, der lærer under normalen
”I dette system lærer brugeren og systemet samtidigt af hinanden. Dette har potentialet til at forbedre komforten og pålideligheden af robotproteser,” siger Yeng.
Forskningsresultater offentliggjort i tidsskriftetIEEE Transactions on Biomedical Engineering er blevet valideret i et virtuelt miljø. De blev sammenlignet med eksisterende systemer. Efter vellykkede test testede forskerholdet brugergrænsefladen og den avancerede protese på Imperial College London. Udviklerne bad en amputeret om at flytte tøjklemmerne: Tests som denne bruges i vid udstrækning af fysioterapeuter til at vurdere funktionen af de øvre lemmer.
En moderne protesearm styret af muskelaktivering. Aalto Universitet
Systemets funktionalitet er blevet undersøgt gennem kontrollerede og standardiserede test, men brugerbehov identificeres bedst gennem kvalitative longitudinelle undersøgelser.
"For den fremtidige udvikling er det meget vigtigt at fortsætte samarbejdet med lægehuse og brugere af proteser," siger Yeng.
Mennesker, der har fået amputeret deres øvre lemmerkan styre en robotprotese ved at trække de resterende muskler sammen. Forbindelsen, hvor protesen opfanger de elektriske signaler, der produceres af musklen, er kendt som den myoelektriske grænseflade. De mest avancerede proteser bruger maskinlæringsalgoritmer til at hjælpe med at fortolke disse brugergenererede signaler. Disse bindinger er dog ofte meget følsomme over for eksterne faktorer, såsom sved, og svækkes over tid. For at løse dette problem tilbyder forskningsmiljøet forskellige algoritmer, der bedre kan tilpasse sig skiftende omstændigheder.
Læs mere:
Forskere har fundet de sundeste mennesker på jorden: det handler om en unik livsstil
Faren ved gratis VPN'er. Hvorfor kan de ikke downloades, og hvordan beskytter du dig selv?
Fysikere har genskabt T-1000'ens evner fra "Terminator-2" i laboratoriet