Разработчики создали полностью автоматизированную систему, которая обучается в процессе обычного использования и, таким образом, адаптируется к меняющимся условиям.
«В этой системе пользователь и система одновременно учатся друг у друга. Это потенциально может повысить удобство и надежность роботизированных протезов», — говорит Йенг.
Результаты исследования, опубликованные в журнале IEEE Transactions on Biomedical Engineering, были проверены в виртуальной среде. Они сравнивались с существующими в настоящее время системами. После успешных тестов исследовательская группа провела опыты с пользовательским интерфейсом и ультрасовременным протезом в Имперском колледже Лондона. Разработчики попросили человека с ампутированной конечностью переместить прищепки: подобные тесты широко используются физиотерапевтами для оценки функции верхних конечностей.
Функциональность системы была изучена с помощью контролируемых и стандартизированных тестов, но потребности пользователей лучше всего определяются с помощью качественных лонгитюдных исследований.
«Для будущего развития очень важно продолжать сотрудничество с медицинскими центрами и пользователями протезов», — говорит Йенг.
Люди, которым ампутировали верхнюю конечность, могут управлять роботизированным протезом, сокращая оставшиеся мышцы. Соединение, при котором протез улавливает электрические сигналы, производимые мышцей, известно как миоэлектрический интерфейс. Самые передовые протезы используют алгоритмы машинного обучения, которые помогают интерпретировать эти генерируемые пользователем сигналы. Однако такие связи часто очень чувствительны к внешним факторам, таким как потоотделение, и со временем ослабевают. Для решения этой проблемы исследовательское сообщество предлагает различные алгоритмы, способные лучше адаптироваться к изменяющимся обстоятельствам.
Читать далее:
Ученые нашли самых здоровых людей на Земле: все дело в уникальном образе жизни
Физики воссоздали способности Т-1000 из «Терминатора-2» в лаборатории