Kehittäjät ovat luoneet täysin automatisoidun järjestelmän, joka oppii normaalissa prosessissa
”Tässä järjestelmässä käyttäjä ja järjestelmä oppivat samanaikaisesti toisiltaan. Tämä voi parantaa robottiproteesien mukavuutta ja luotettavuutta”, Yeng sanoo.
Tutkimustulokset julkaistu lehdessäIEEE Transactions on Biomedical Engineering on validoitu virtuaaliympäristössä. Niitä verrattiin nykyisiin järjestelmiin. Onnistuneiden testien jälkeen tutkimusryhmä testasi käyttöliittymää ja huippuluokan proteeseja Lontoon Imperial Collegessa. Kehittäjät pyysivät amputoitua liikuttamaan pyykkipuita: fysioterapeutit käyttävät laajalti tällaisia testejä arvioidakseen yläraajojen toimintaa.
Moderni proteettinen käsivarsi, jota ohjataan lihasaktivaatiolla. Aalto yliopisto
Järjestelmän toimivuutta on tutkittu kontrolloiduilla ja standardoiduilla testeillä, mutta käyttäjien tarpeet selvitetään parhaiten kvalitatiivisilla pitkittäistutkimuksilla.
"Tulevan kehityksen kannalta on erittäin tärkeää jatkaa yhteistyötä terveyskeskusten ja proteesien käyttäjien kanssa", Yeng sanoo.
Ihmiset, joilta on amputoitu yläraajonsavoi ohjata robottiproteesia supistamalla jäljellä olevia lihaksia. Yhteys, jossa proteesi poimii lihaksen tuottamat sähköiset signaalit, tunnetaan myoelektrisenä rajapinnana. Kehittyneimmät proteesit käyttävät koneoppimisalgoritmeja auttamaan näiden käyttäjien luomien signaalien tulkinnassa. Nämä sidokset ovat kuitenkin usein erittäin herkkiä ulkoisille tekijöille, kuten hikoilulle, ja heikkenevät ajan myötä. Tämän ongelman ratkaisemiseksi tutkimusyhteisö tarjoaa erilaisia algoritmeja, jotka voivat mukautua paremmin muuttuviin olosuhteisiin.
Lue lisää:
Tiedemiehet ovat löytäneet maapallon terveimmät ihmiset: kyse on ainutlaatuisesta elämäntyylistä
Ilmaisten VPN-verkkojen vaara. Miksi niitä ei voi ladata ja kuinka suojautua?
Fyysikot ovat luoneet uudelleen T-1000:n kyvyt "Terminaattori-2:sta" laboratoriossa