Utvecklarna har skapat ett helautomatiskt system som lär sig under normala processer
”I detta system lär användaren och systemet samtidigt av varandra. Detta har potential att förbättra komforten och tillförlitligheten hos robotproteser, säger Yeng.
Forskningsresultat publicerade i tidskriftenIEEE-transaktioner på biomedicinsk teknik har validerats i en virtuell miljö. De jämfördes med befintliga system. Efter framgångsrika tester testade forskargruppen användargränssnittet och den senaste protesen vid Imperial College London. Utvecklarna bad en amputerad att flytta klädnypor: sådana här tester används ofta av sjukgymnaster för att bedöma funktionen hos de övre extremiteterna.
En modern armprotes som styrs av muskelaktivering. Aalto-universitetet
Systemfunktionalitet har studerats genom kontrollerade och standardiserade tester, men användarbehov identifieras bäst genom kvalitativa longitudinella studier.
– För den framtida utvecklingen är det mycket viktigt att fortsätta samarbetet med vårdcentraler och användare av proteser, säger Yeng.
Människor som har fått sina övre extremiteter amputeradekan styra en robotprotes genom att dra ihop de återstående musklerna. Anslutningen där protesen tar upp de elektriska signalerna som produceras av muskeln kallas det myoelektriska gränssnittet. De mest avancerade proteserna använder maskininlärningsalgoritmer för att hjälpa till att tolka dessa användargenererade signaler. Dessa bindningar är dock ofta mycket känsliga för yttre faktorer, såsom svett, och försvagas med tiden. För att lösa detta problem erbjuder forskarvärlden olika algoritmer som bättre kan anpassa sig till förändrade omständigheter.
Läs mer:
Forskare har hittat de friskaste människorna på jorden: allt handlar om en unik livsstil
Faran med gratis VPN. Varför kan de inte laddas ner och hur skyddar man sig?
Fysiker har återskapat förmågorna hos T-1000 från "Terminator-2" i laboratoriet