Los sensores de metal líquido y la IA ayudan a las manos protésicas a “sentir”

Cada punta de los dedos humanos tiene más de 3000 receptores táctiles que responden en gran medida a la presión. Los seres humanos dependen en gran medida de la sensación en las yemas de los dedos cuando manipulan un objeto, por lo que la falta de esta sensación presenta un desafío único para las personas con amputaciones de miembros superiores. Si bien hay varias prótesis diestras disponibles en la actualidad, todas carecen de la sensación de "toque". La ausencia de esta retroalimentación sensorial da como resultado que una prótesis de mano deje caer o aplaste objetos sin darse cuenta.

Para permitir una interfaz de mano protésica de sensación más natural, los investigadores incorporaron sensores táctiles estirables usando metal líquido en las yemas de los dedos de una mano protésica. Encapsulada dentro de elastómeros a base de silicona, esta tecnología ofrece ventajas clave sobre los sensores tradicionales, que incluyen alta conductividad, cumplimiento, flexibilidad y capacidad de estiramiento. Esta integración jerárquica de sensaciones táctiles de varios dedos podría proporcionar un mayor nivel de inteligencia para las manos artificiales.

Los investigadores usaron puntas de dedos individuales en la prótesis para distinguir entre diferentes velocidades de un movimiento deslizante a lo largo de diferentes superficies texturizadas. Las cuatro texturas diferentes tenían un parámetro variable:la distancia entre las crestas. Para detectar las texturas y velocidades, los investigadores entrenaron cuatro algoritmos de aprendizaje automático. Para cada una de las diez superficies, se recolectaron 20 ensayos para evaluar la capacidad de los algoritmos de aprendizaje automático para distinguir entre las diez superficies complejas diferentes compuestas por permutaciones generadas aleatoriamente de cuatro texturas diferentes.

Los resultados mostraron que la integración de la información táctil de los sensores de metal líquido en las yemas de los dedos de cuatro manos protésicas distinguió simultáneamente entre superficies complejas con múltiples texturas, lo que demuestra una nueva forma de inteligencia jerárquica. Los algoritmos de aprendizaje automático pudieron distinguir entre todas las velocidades con cada dedo con gran precisión.

El equipo comparó cuatro algoritmos de aprendizaje automático diferentes por sus capacidades de clasificación exitosas:K-vecino más cercano (KNN), máquina de vector de soporte (SVM), bosque aleatorio (RF) y red neuronal (NN). Las características de frecuencia de tiempo de los sensores de metal líquido se extrajeron para entrenar y probar los algoritmos de aprendizaje automático. El NN generalmente se desempeñó mejor en la detección de velocidad y textura con un solo dedo y tuvo una precisión del 99,2 % para distinguir entre diez superficies diferentes con múltiples texturas usando cuatro sensores de metal líquido de cuatro dedos simultáneamente.

Aunque los avances en prótesis han sido beneficiosos y permiten que los amputados realicen mejor sus tareas diarias, no les brindan información sensorial como el tacto. Tampoco les permiten controlar la prótesis de forma natural con la mente. La nueva tecnología podría ayudar a proporcionar a los amputados un dispositivo protésico más natural que pueda "sentir" y responder a su entorno.