Guante robótico blando impulsado por IA mejora la destreza manual en supervivientes de ictus

Universidad Florida Atlantic, FL

El guante robótico blando integra cinco actuadores en un solo dispositivo wearable que se adapta a la mano del usuario. (Imagen: Alex Dolce)

Para personas que han sufrido neurotrauma como un ictus, tareas cotidianas son extremadamente difíciles por disminución de coordinación y fuerza en una o ambas extremidades superiores. Estos problemas han impulsado desarrollo de dispositivos robóticos para mejorar capacidades. Sin embargo, la naturaleza rígida de estos dispositivos asistivos puede ser problemática, especialmente para tareas complejas como tocar un instrumento musical.

Primero en su clase: guante robótico para pianistas post-ictus

Desarrollado por investigadores de la Facultad de Ingeniería y Ciencias de la Computación de FAU, el exoesqueleto de mano robótico blando usa inteligencia artificial para mejorar la destreza manual.

Combinando sensores táctiles flexibles, actuadores blandos e IA, este guante robótico es el primero en «sentir» la diferencia entre versiones correctas e incorrectas de una misma canción y combinar estas características en un solo exoesqueleto de mano.

«Tocar piano requiere movimientos complejos y altamente habilidosos, y reaprender tareas implica restauración y reentrenamiento de movimientos o habilidades específicas», dice Erik Engeberg, Ph.D., autor senior, profesor en Departamento de Ingeniería Oceánica y Mecánica de FAU, miembro del Centro de Sistemas Complejos y Ciencias del Cerebro y del Instituto Cerebral Stiles-Nicholson. «Nuestro guante está compuesto de materiales blandos, flexibles y sensores que dan soporte y asistencia suaves para reaprender y recuperar habilidades motoras».

Sensores en cada yema del dedo

Integraron arrays de sensores especiales en cada yema del guante. A diferencia de exoesqueletos previos, esta tecnología da fuerza y guía precisas para recuperar movimientos finos de dedos requeridos para piano. Monitorizando y respondiendo a movimientos del usuario, el guante ofrece retroalimentación y ajustes en tiempo real, facilitando adquirir técnicas correctas de movimiento.

Demostración con «Mary Had a Little Lamb»

Programaron el guante para sentir diferencia entre versiones correcta e incorrecta de la conocida melodía. Crearon 12 tipos de errores (inicio/fin de nota, errores de tiempo prematuros/retrasados de 0.1, 0.2, 0.3 s). Diez variaciones de canción: tres grupos de tres variaciones cada uno, más versión correcta sin errores.

Para clasificar variaciones, entrenaron algoritmos Random Forest (RF), K-Nearest Neighbor (KNN) y Red Neuronal Artificial (ANN) con datos de sensores táctiles en yemas. La clasificación se hizo con guante independientemente y usado por una persona. Se comparó precisión de algoritmos con y sin sujeto humano.

Resultados

Publicado en Frontiers in Robotics and AI: ANN tuvo mayor precisión de clasificación: 97.13 % con sujeto humano, 94.60 % sin él. El algoritmo determinó exitosamente porcentaje de error de una canción e identificó pulsaciones fuera de tiempo.

Diseño y fabricación

Guante diseñado con stentes de ácido polivinílico impresos en 3D y colado de hidrogel para integrar cinco actuadores en un solo wearable adaptado a la mano. Proceso de fabricación nuevo; factor de forma personalizable a anatomía única de cada paciente mediante escaneo 3D o TC.

«Nuestro diseño es significativamente más simple que la mayoría: todos los actuadores y sensores se combinan en un solo proceso de moldeo», dice Engeberg. «Aunque la aplicación del estudio fue tocar una canción, el enfoque podría aplicarse a multitud de tareas diarias y el dispositivo facilitaría programas de rehabilitación intrincados personalizados para cada paciente».

Clínicos podrían usar datos para desarrollar planes de acción personalizados, identificar debilidades del paciente (secciones de canción consistentemente erróneas) y determinar qué funciones motoras requieren mejora.

Para más información, contactar a Gisele Galoustian en [correo protegido].