Die Herausforderung: Jenseits der “kurzsichtigen” Robotik
Der Schlaganfall ist nach wie vor eine der häufigsten Ursachen für langfristige Behinderungen, allein in den USA treten jährlich über 800.000 Fälle auf. Während die robotergestützte Rehabilitation eine skalierbare Lösung für den Mangel an Physiotherapeuten bietet, ist eine entscheidende Voraussetzung für die Neuroplastizität die "aktive Anstrengung". Wenn ein Roboter die ganze Arbeit übernimmt, bleibt der Patient passiv, und es findet kein motorisches Lernen statt.
Professor Damiano Zanotto und sein Team am Stevens Institute of Technology versuchten, dieses Problem durch die Entwicklung eines "intelligenten" Robotersystems mit Hilfe von Reinforcement Learning (RL) zu lösen. Sie stellten die Hypothese auf, dass ein Controller die Bedürfnisse des Patienten in Echtzeit "erlernen" könnte, indem er nur dann Unterstützung anbietet, wenn es notwendig ist (Assist-as-Needed) und wenn möglich die Anstrengung forciert.
Die Hürden: Die Kluft zwischen Theorie und Hardware
Der Übergang von einem theoretischen Steuerungsalgorithmus zu einer physischen Maschine ist mit zwei verschiedenen Hürden verbunden: technischen und finanziellen.
- Technische Latenz: Herkömmliche "kurzsichtige" Steuerungen sind reaktiv und passen sich erst an, wenn ein Fehler auftritt. Das Team des Stevens-Instituts benötigte ein System, das in der Lage ist, "Curriculum Learning" zu betreiben, d. h. die Ausgaben des neuronalen Netzes zu verarbeiten und das Motordrehmoment sofort (mit 1 kHz) anzupassen, um den Patienten in der optimalen Lernzone zu halten.
- Der akademische Zwang: Die Validierung einer neuen Theorie erfordert leistungsstarke, industrietaugliche Komponenten. Die akademischen Budgets sind jedoch häufig angespannt. Forscher stehen oft vor einem schwierigen Kompromiss: Sie müssen Kompromisse bei der Hardwareleistung eingehen, um Kosten zu sparen, wodurch ihre Ergebnisse möglicherweise ungültig werden, oder sie müssen das Projekt aufgrund mangelnder Finanzierung auf Eis legen.
Die Lösung: Eine Partnerschaft für Innovation
Um die Kluft zwischen Theorie und Praxis zu überbrücken, nutzte das Team die ADVANCED Motion Controls University Outreach Programm.
Professor Zanotto und das Stevens Institute of Technology hatten bereits einige Jahre zuvor mit dem AMC University Outreach Program für ein haptisches Joystick-Projekt zusammengearbeitet. Als dieses Projekt also einen Servoantrieb benötigte, wusste Professor Zanotto genau, wen er anrufen musste.
In Anerkennung des potenziellen Beitrags des Projekts zur medizinischen Gemeinschaft spendete die AMC DZEANTU-020B200 digitale Servoantriebe ins Labor. Durch diese Partnerschaft erhielt das Team industrietaugliche Hardware, ohne dass die Kosten zu hoch waren, so dass es sich auf die technische Herausforderung konzentrieren konnte und nicht auf die Einschränkungen bei der Beschaffung.
Der Hardware-Vorteil:
Die DZEANTU-Antriebe wurden in einen kundenspezifischen kabelgetriebenen Parallelroboter (CDPR) integriert.
- Hochgeschwindigkeits-Kommunikation: Die Laufwerke kommunizierten mit der Echtzeit-Zielmaschine über EtherCAT, und erreicht damit die für die RL-Algorithmen erforderliche kritische Aktualisierungsrate von 1 kHz.
- Präzise Kontrolle: Die digitalen Antriebe sorgten für die präzise Stromschleifensteuerung, die notwendig war, um sanfte, haptische Kräfte zu erzeugen, so dass sich der Roboter wie eine natürliche Verlängerung des Therapeuten anfühlte.
Die Ergebnisse: Bestätigter Erfolg
Nachdem die finanzielle Belastung gesenkt und die technischen Anforderungen erfüllt waren, validierte das Team erfolgreich seinen Reinforcement Learning Assist-as-Needed (RL-AAN) Controller. Die Studie zeigte, dass die mit dem AMC-gestützten System trainierten Benutzer demonstrierten:
- Geringere Roboterabhängigkeit: Die Nutzer waren gezwungen, deutlich mehr aktive Arbeit zu leisten als bei herkömmlichen Controllern.
- Überlegene Beibehaltung: Die Benutzer behielten eine bessere Flugbahngenauigkeit bei, auch nachdem die Roboterunterstützung abgeschaltet wurde.
Indem wir diesen Forschern leistungsstarke Servoantriebe an die Hand geben, ADVANCED Motion Controls wurde zum integralen Bestandteil eines Projekts, das die Grenzen der Schlaganfallheilung verschiebt.
Über das University Outreach Program
Seit 2004 arbeitet ADVANCED Motion Controls mit Studenten, Forschern und Professoren zusammen, um den Bildungsprozess im Bereich der Bewegungssteuerung zu fördern. Unser Ziel ist es, die finanzielle Belastung zu verringern, die mit der praktischen Umsetzung und dem Nachweis der Theorie verbunden ist.
Ganz gleich, ob Sie an einer Masterarbeit, einem Unterrichtsprojekt oder einer Laboraufrüstung arbeiten, wir sind stolz darauf, ein Teil Ihres Teams zu werden. Wir bieten:
- Gespendete oder verbilligte Ausrüstung: Von neuen Servoantrieben bis hin zu perfekt funktionierenden Auslaufmodellen aus unserer "Free Drives List"."
- Technische Unterstützung: Direkter Zugang zu unserem technischen Team, das Sie bei der Auswahl des besten Produkts für Ihre spezielle Anwendung unterstützt.
- Real-World Experience: Industrietaugliche Geräte in den Händen der zukünftigen Ingenieure.
Haben Sie ein Projekt? Erzählen Sie uns von Ihrem Auftrag.
Die Beiträge sind in der Regel auf US-Einrichtungen oder internationale Projekte mit Beteiligung von US-Einrichtungen beschränkt.
