29/06/2023
Door Ad Spijkers
Een 'smart hand exoskelet' kan neurotrauma-patiënten helpen om taken opnieuw te leren en behendigheid en coördinatie te herwinnen.
Beroerte is de belangrijkste oorzaak van invaliditeit bij volwassenen in de EU. Jaarlijks worden ongeveer 1,1 miljoen inwoners getroffen. Na een beroerte hebben patiënten gewoonlijk revalidatie nodig om opnieuw te leren lopen, praten of dagelijkse taken uit te voeren. Onderzoek heeft aangetoond dat behalve fysio- en ergotherapie, muziektherapie patiënten met een beroerte kan helpen bij het herstellen van de taal- en motoriek.
Maar voor mensen die in muziek zijn opgeleid en een beroerte hebben gehad, kan het spelen van muziek een vaardigheid zijn die opnieuw moet worden geleerd. Een studie in Frontiers in Robotics and AI heeft aangetoond hoe zachte robotica patiënten kan helpen bij het opnieuw leren spelen van muziek en andere vaardigheden die behendigheid en coördinatie vereisen.
Wie de handschoen past
Onderzoekers aan de Florida Atlantic University in Boca Rason (zo'n 75 km noordelijk van Miami) hebben laten zien dat hun slimme exoskelethandschoen effectief kan helpen bij het opnieuw aanleren van handmatige taken na neurotrauma. De handschoen is voorzien van geïntegreerde tactiele sensoren, zachte actuatoren en kunstmatige intelligentie.
De onderzoekers ontwierpen en testten een slim handexoskelet in de vorm van een meerlagige, flexibele 3D-geprinte robothandschoen, die slechts 191 g weegt. De gehele handpalm en pols van de handschoen zijn ontworpen om zacht en flexibel te zijn. De vorm van de handschoen kan op maat worden gemaakt om te passen bij de anatomie van elke drager.
Zachte pneumatische actuatoren in de vingertoppen genereren beweging en oefenen kracht uit, waardoor natuurlijke, nauwkeurig afgestemde handbewegingen worden nagebootst. Elke vingertop bevat ook een reeks van zestien flexibele sensoren die tactiele sensaties geven aan de hand van de drager bij interactie met objecten of oppervlakken. De productie van de handschoen is eenvoudig, aangezien alle actuatoren en sensoren via één gietproces op hun plaats worden gebracht.
Controle
Terwijl ze de handschoen dragen, hebben menselijke gebruikers in aanzienlijke mate controle over de beweging van elke vinger. De handschoen is ontworpen om hun natuurlijke handbewegingen te ondersteunen en te verbeteren, waardoor ze de flexie en extensie van hun vingers kunnen controleren. De handschoen biedt handgeleiding, biedt ondersteuning en vergroot de behendigheid.
De onderzoekers voorzien dat patiënten uiteindelijk een paar van deze handschoenen zouden kunnen dragen, om beide handen onafhankelijk van elkaar te helpen hun behendigheid, motorische vaardigheden en een gevoel van coördinatie terug te krijgen.
Muziekleraar
De onderzoekers gebruikten machine learning om de handschoen met succes te leren het verschil te 'voelen' tussen het spelen van een correcte versus onjuiste versie van een beginnersliedje op de piano. Hier werkte de handschoen autonoom zonder menselijke tussenkomst, met voorgeprogrammeerde bewegingen. Voor het nummer, 'Mary had a little lamb', zijn vier vingers nodig om het te spelen.
De wetenschappers ontdekten dat de handschoen kan leren onderscheid te maken tussen goed en fout pianospel. Dit betekent dat het een waardevol hulpmiddel kan zijn voor gepersonaliseerde rehabilitatie van mensen die opnieuw muziek willen leren spelen.
Nu het 'proof of principle' is aangetoond, kan de handschoen worden geprogrammeerd om feedback te geven aan de drager over wat er goed of fout ging tijdens het spel. Dat kan door middel van haptische feedback, visuele aanwijzingen of geluid. Deze zouden haar of hem in staat stellen hun prestaties te begrijpen en verbeteringen aan te brengen.
Resterende uitdagingen
Om het huidige ontwerp aan te passen aan andere revalidatietaken dan het spelen van muziek, bijvoorbeeld het manipuleren van objecten, zou maatwerk nodig zijn voor individuele behoeften. Dit kan worden vergemakkelijkt door middel van 3D-scantechnologie of CT-scans om een gepersonaliseerde pasvorm en functionaliteit voor elke gebruiker te garanderen.
Maar hiertoe moeten verschillende uitdagingen op dit gebied worden overwonnen. Deze omvatten het verbeteren van de nauwkeurigheid en betrouwbaarheid van tactiele detectie, het verbeteren van het aanpassingsvermogen en de behendigheid van het exoskelet-ontwerp. Ook de algoritmen voor machine learning om gebruikersinvoer beter te interpreteren en erop te reageren, moeten worden verfijnd.
De wetenschappelijke publicatie vindt u hier.
Foto: screenshot video Florida Atlantic University