La sfida: oltre la robotica “miope
L'ictus rimane una delle principali cause di disabilità a lungo termine, con oltre 800.000 casi all'anno solo negli Stati Uniti. Sebbene la riabilitazione assistita da robot offra una soluzione scalabile alla carenza di fisioterapisti, un requisito fondamentale per la neuroplasticità è lo "sforzo attivo". Se un robot fa tutto il lavoro, il paziente rimane passivo e non si verifica alcun apprendimento motorio.
Il professor Damiano Zanotto e il suo team dello Stevens Institute of Technology hanno cercato di risolvere questo problema sviluppando un sistema robotico "intelligente" che utilizza il Reinforcement Learning (RL). Hanno ipotizzato che un controllore potesse "imparare" le esigenze del paziente in tempo reale, offrendo supporto solo quando necessario (Assist-as-Need) e forzando lo sforzo quando possibile.
Gli ostacoli: Il divario tra teoria e hardware
Il passaggio da un algoritmo di controllo teorico a una macchina fisica presenta due ostacoli distinti: tecnico e finanziario.
- Latenza tecnica: I controllori "miopi" tradizionali sono reattivi e si regolano solo dopo che si è verificato un errore. Il team dello Stevens Institute aveva bisogno di un sistema in grado di "Curriculum Learning", ovvero di elaborare i risultati della rete neurale e di regolare istantaneamente la coppia del motore (a 1 kHz) per mantenere il paziente nella zona di apprendimento ottimale.
- Il vincolo accademico: La convalida di una nuova teoria richiede componenti ad alte prestazioni e di livello industriale. Tuttavia, i bilanci accademici sono spesso limitati. I ricercatori si trovano spesso di fronte a un difficile compromesso: scendere a compromessi sulle prestazioni dell'hardware per risparmiare sui costi, potenzialmente invalidando i risultati, oppure bloccare il progetto per mancanza di fondi.
La soluzione: Una partnership per l'innovazione
Per colmare il divario tra la teoria e la pratica, il team ha utilizzato il metodo ADVANCED Programma di divulgazione universitaria di Motion Controls.
Il professor Zanotto e lo Stevens Institute of Technology avevano già collaborato con l'University Outreach Program di AMC per un progetto di joystick aptico diversi anni prima. Così, quando questo progetto ha avuto bisogno di un servoazionamento, il professor Zanotto sapeva esattamente chi chiamare.
Riconoscendo il potenziale contributo del progetto alla comunità medica, l'AMC ha donato Servoazionamenti digitali DZEANTU-020B200 al laboratorio. Questa partnership ha fornito al team un hardware di livello industriale senza costi proibitivi, consentendo di concentrarsi sulla sfida ingegneristica piuttosto che sui limiti di approvvigionamento.
Il vantaggio dell'hardware:
Gli azionamenti DZEANTU sono stati integrati in un robot parallelo guidato da cavi (CDPR) personalizzato.
- Comunicazione ad alta velocità: Gli azionamenti comunicano con la macchina di destinazione in tempo reale tramite EtherCAT, ottenendo la velocità di aggiornamento critica di 1 kHz richiesta dagli algoritmi RL.
- Controllo di precisione: Gli azionamenti digitali hanno fornito il controllo preciso dell'anello di corrente necessario per produrre forze morbide e tattili, facendo sentire il robot come un'estensione naturale del terapeuta.
I risultati: Un successo convalidato
Con l'alleggerimento dell'onere finanziario e il soddisfacimento dei requisiti tecnici, il team ha convalidato con successo il controllore Reinforcement Learning Assist-as-Need (RL-AAN). Lo studio ha dimostrato che gli utenti addestrati con il sistema AMC hanno dimostrato:
- Riduzione della dipendenza dal robot: Gli utenti sono stati costretti a contribuire con uno sforzo attivo significativamente maggiore rispetto ai controllori tradizionali.
- Ritenzione superiore: Gli utenti hanno mantenuto una migliore precisione della traiettoria anche dopo la rimozione dell'assistenza robotica.
Portando i servoazionamenti ad alte prestazioni nelle mani di questi ricercatori, ADVANCED Motion Controls è diventata parte integrante di un progetto che spinge i confini del recupero degli ictus.
Informazioni sul programma di divulgazione universitaria
Dal 2004, ADVANCED Motion Controls collabora con studenti, ricercatori e professori per promuovere il processo educativo nel campo del controllo del movimento. Il nostro obiettivo è quello di alleggerire gli oneri finanziari per stabilire la praticità e dimostrare la teoria.
Che stiate lavorando a una tesi di laurea, a un progetto in classe o a un aggiornamento del laboratorio, siamo orgogliosi di diventare parte integrante del vostro team. Offriamo:
- Apparecchiature donate o scontate: Dai nuovi servoazionamenti alle unità fuori produzione perfettamente funzionanti della nostra "lista di azionamenti gratuiti"."
- Assistenza tecnica: Accesso diretto al nostro team di ingegneri per aiutarvi a scegliere il prodotto migliore per la vostra applicazione specifica.
- Esperienza nel mondo reale: Mettere attrezzature di livello industriale nelle mani dei futuri ingegneri.
Avete un progetto? Parlaci della tua missione.
I contributi sono in genere limitati alle istituzioni statunitensi o a progetti internazionali che coinvolgono istituzioni statunitensi.
