مهندسان دانشگاه هاروارد موفق به توسعه ربات پوشیدنی منحصربهفرد شدهاند که با حرکات کاربران سازگار میشود و کمکهای شخصیسازیشده برای بهبود فعالیتهای روزانه بیماران مبتلا به سکته مغزی و اسکلروز جانبی آمیوتروفیک (ALS) ارائه میدهد. این ربات نوآورانه با استفاده از یادگیری ماشین، پشتیبانی حرکتی را به گونهای طراحی کرده است که به کاربران در انجام فعالیتهای روزمره مانند خوردن، آشامیدن و رسیدن به اهداف کمک کند و رویکرد جدیدی را برای توانبخشی متناسب فراهم آورد.
این ربات، سالها تلاش پژوهشگران برای ایجاد رباتهای هوشمند و با کارایی بیشتر در زمینه کمکهای حرکتی را آشکار کرده است. مهندسان زیستی هاروارد، در چند سال گذشته، بر روی توسعه ربات نرم و پوشیدنی متمرکز بودهاند که نه فقط به بازیابی تحرک بیماران کمک کند، بلکه بتواند حرکات فیزیکی را به صورت شخصیسازیشده ارائه دهد. آنان دریافتند که پیشرفتهای یادگیری ماشین میتواند به ایجاد تجربه شخصیسازیشده کاربران کمک کند.
پژوهشگران دانشکده مهندسی و علوم کاربردی جان ای. پالسون (SEAS) هاروارد با همکاری پزشکان و دانشمندان بیمارستان عمومی ماساچوست و دانشکده پزشکی هاروارد، ربات پوشیدنی خود را برای پاسخگویی دقیق به حرکات کاربران بهبود بخشیدهاند.
این پژوهش با رهبری کانر والش که آزمایشگاه وی بر روی رباتهای کمکی انسانمحور تمرکز دارد، انجام شده است. والش به همراه دیوید لین، متخصص سکته مغزی، و سابرینا پاگانونی، متخصص اسکلروز جانبی آمیوتروفیک (ALS) در بیمارستان عمومی ماساچوست، برای توسعه این دستگاه همکاری کردهاند. پاگانونی بر اهمیت گنجاندن دیدگاههای پزشک و بیمار از مراحل اولیه نمونهسازی تاکید کرده است.
کمک شخصیسازیشده با یادگیری ماشین
پژوهشگران بهروزرسانیهای قابلتوجهی را برای نرمافزار تغذیهکننده دستگاه شرح دادهاند. این دستگاه شامل جلیقه دارای حسگر با بادکنکی متصل به زیر بازو است که با باد شدن و تخلیه شدن، کمک مکانیکی را به اندام ضعیف یا دارای اختلال اعمال میکند. گروه پژوهشی از یک مدل یادگیری ماشینی استفاده کرده است که با یادگیری حرکات کاربر از طریق حسگرهایی که حرکت و فشار را ردیابی میکنند، میزان کمک را برای هر کاربر شخصیسازی میکند.
جیمز آرنولد، پژوهشگر ارشد این پژوهش و دانشجوی کارشناسی ارشد بیان کرد: پژوهشگران در نسخههای قبلی این دستگاه دریافتند که کاربران پس از دریافت کمک ربات برای بلند کردن بازوی خود، در پایین آوردن آن دچار مشکل میشوند و برخی از افراد قدرت کافی برای غلبه بر اشتباهات ربات را نداشتند.
نسخه جدید این ربات پوشیدنی شامل مدل مبتنی بر فیزیک است که برای تخمین حداقل فشار مورد نیاز برای پشتیبانی از بازو در حین حرکت طراحی شده است. این ویژگی موجب میشود که کمک ربات برای کاربر طبیعیتر به نظر برسد و در فعالیتهایی مانند خوردن و آشامیدن موثر باشد. با ترکیب این مدل فیزیک با یادگیری ماشین، ربات پوشیدنی قادر است به سرعت، سطح کمکی که در هر زمان ارائه میدهد را با جمعآوری اطلاعات از نحوه حرکت کاربر تنظیم کند.
پاگانونی تصریح کرد: برای افرادی که با اسکلروز جانبی آمیوتروفیک (ALS) زندگی میکنند، مهمترین ملاحظات شامل راحتی، سهولت استفاده و توانایی دستگاه برای سازگاری با نیازهای خاص و الگوهای حرکتی آنان است. شخصیسازی برای افزایش استقلال عملکردی و کیفیت زندگی آنان بسیار مهم است و این دستگاه، توانایی بهبود قابل توجه عملکرد اندام فوقانی، افزایش فعالیتهای روزمره و کاهش حرکات جبرانی را دارد. ربات پوشیدنی جدید، تلاش را کاهش و عملکرد فعالیتهای روزانه را افزایش میدهد.
کاهش تلاش و افزایش عملکرد در فعالیتهای روزانه
پژوهشگران دریافتند که این ربات پوشیدنی که بر اساس دادههای حرکتی فرد آموزش دیده، قادر است حرکات شانه کاربر را با دقت ۹۴ درصد تشخیص دهد. میزان نیروی مورد نیاز برای پایین آوردن بازوی فرد در مقایسه با نسخههای قبلی حدود یک سوم کاهش یافته است. کاربران همچنین دامنه حرکتی بیشتری در شانهها، آرنجها و مچهای خود دارند که به کاهش نیاز به جبران حرکات با خم شدن یا پیچاندن بدن منجر شده و در نتیجه حرکات آنان بهطور کلی دقیقتر و کارآمدتر شده است.
سایت ساینس گزارش کرد، پرابات پاتاک، پژوهشگر ارشد مشترک و دانشجوی فوق دکترا، توضیح داد که تحقیقات گذشته با ربات پوشیدنی عمدتا بر روی یک مفصل یا یک نمره بالینی واحد برای ارزیابی حرکت بیمار متمرکز بود.
وی افزود: آنچه ما در اینجا انجام دادیم، بررسی فعالیتهای شبیهسازی شده زندگی روزمره با استفاده از سیستم ثبت حرکت بسیار دقیق - مشابه سیستمهای مورد استفاده در فیلمها - بود. ما بررسی کردیم که چگونه هر حرکت مفصل تغییر میکند و آیا آنها میتوانند وظایف را با کارایی بیشتری انجام دهند.
نتایج این پژوهش در نشریه معتبر «ارتباطات طبیعت» (Nature Communications) منتشر شده است.
انتهای پیام
نظرات