Negli esperimenti con 11 persone abili, il cosiddetto algoritmo umano nel ciclo ha impiegato circa un'ora per ottimizzare l'esoscheletro e, successivamente, ha ridotto in media la quantità di energia necessaria ai partecipanti per camminare del 24 percento membro del team di ricerca Rachel Jackson, ricercatrice post dottorato presso il Dipartimento di Ingegneria Meccanica presso la Carnegie Mellon University (CMU).
"La dimensione della riduzione è stata piuttosto sorprendente", ha detto Jackson a Live Science.
Jackson e i suoi colleghi, guidati da Steven Collins, professore associato di ingegneria meccanica presso la CMU, e Juanjuan Zhang, ex CMU e ora professore alla Nankai University in Cina, hanno pubblicato i risultati della loro ricerca online oggi (22 giugno) sulla rivista Scienza.
Un carico alleggerito è certamente attraente, ma un esoscheletro personalizzato potrebbe anche aumentare la distanza che una persona abile può percorrere e potrebbe anche aiutare le persone a correre più velocemente, ha detto Jackson.
Anche le persone con disabilità fisiche, come quelle che hanno subito un ictus, un danno neurologico o un'amputazione, possono ottenere benefici, ha detto Jackson. Un esoscheletro personalizzato potrebbe rendere la camminata più facile o più facile di quanto non fosse prima di un'amputazione o una ferita, ha detto.
In precedenza, le maggiori riduzioni di energia media ottenute da altri team di ricerca erano del 14,5 percento, utilizzando esoscheletri della caviglia regolati manualmente indossati su entrambe le gambe e del 22,8 percento, utilizzando una tuta che agiva su entrambi i fianchi e su entrambe le caviglie utilizzando impostazioni preprogrammate.
Ma l'algoritmo CMU umano nel ciclo ha funzionato meglio e non si è basato sulla preprogrammazione.
"Questo algoritmo era così buono che è stato in grado di scoprire una strategia di assistenza per ridurre i costi energetici con un solo dispositivo", ha detto Jackson. "È stato piuttosto bello."
La sfida con gli esoscheletri è che sebbene siano destinati ad aiutare una persona, possono impedire il movimento, ha affermato Jackson. Per cominciare, ogni dispositivo ha il suo peso, che varia da poche once a un paio di chili e l'utente deve portare quel peso. Gli esoscheletri sono anche progettati per applicare la forza a determinate parti del corpo, ma se il tempo della forza è spento, la persona potrebbe aver bisogno di usare più energia per muoversi, ha detto Jackson. E questo è controproducente.
Durante la fase di ottimizzazione del recente studio, ogni partecipante indossava un esoscheletro alla caviglia e una maschera progettata per misurare i livelli di ossigeno e anidride carbonica (CO2). Queste misure si riferiscono a quanta energia la persona sta spendendo. Mentre ogni persona camminava su un tapis roulant a un ritmo costante, l'esoscheletro applicava una serie di diversi schemi di assistenza alle caviglie e alle dita dei piedi.
Tali schemi erano una combinazione di quando veniva applicata la forza e la quantità di forza. Ad esempio, le forze potrebbero essere applicate all'inizio di una posizione (quando il tallone colpisce per la prima volta il suolo), nel mezzo della posizione (quando il piede è piatto) o in posizione avanzata (quando il piede si è arrotolato fino alla punta). Durante tali variazioni di posizione, si potrebbe applicare una quantità maggiore o minore di forza.
L'algoritmo ha testato le risposte dei partecipanti a 32 diversi schemi, che sono cambiati ogni 2 minuti. Quindi, ha misurato se il modello stava rendendo più facile o più difficile per la persona camminare.
Alla fine della sessione, che è durata poco più di un'ora, l'algoritmo ha prodotto un modello unico di assistenza ottimizzato per ogni individuo.
"In termini di forma generale dei modelli, c'era una grande variabilità, che parla dell'importanza di personalizzare queste strategie per ogni persona, piuttosto che applicare la stessa cosa a tutti", ha detto Jackson.
Ha aggiunto che il dispositivo potrebbe aver funzionato bene non solo perché stava "apprendendo", ma anche perché mentre cambiava il modello di assistenza, anche la persona che lo utilizzava stava imparando.
"Pensiamo che costringa le persone a esplorare diversi modi di coordinare la loro andatura per interagire meglio con il dispositivo", ha detto Jackson. Ciò aiuta a guidare la persona su come utilizzare al meglio il dispositivo e trarne il massimo beneficio. "È una strada a doppio senso", ha detto.
Altri membri del team hanno in programma di testare come l'algoritmo può essere ridimensionato per creare un esoscheletro con sei articolazioni, progettato per essere indossato sull'intera metà inferiore del corpo.
