Robotische exoskeletten met AI: bewegingsondersteuning en letselrisico

Kunstmatige intelligentie kan de aansturing van robotische exoskeletten verbeteren. Deze draagbare systemen ondersteunen bewegingen, maar onderzoeksresultaten zijn niet hetzelfde als bewezen voordelen bij dagelijks gebruik. Een studie van Georgia Tech uit 2024 onderzocht een regelaar die zich aan verschillende bewegingen kan aanpassen.

Waarom worden exoskeletten nog niet overal gebruikt?

Robotische exoskeletten worden al lange tijd ontwikkeld. Sommige worden ingezet bij revalidatie of om lichamelijke arbeid te ondersteunen. Dat ze nog niet alledaags zijn in winkels en werkplaatsen, betekent dus niet dat alle modellen uitsluitend in onderzoekslaboratoria bestaan.

Breder gebruik wordt beperkt door zowel hardware als software. Gewicht, kosten, energievoorziening, comfort, veiligheid en de afstemming op menselijke bewegingen spelen allemaal een rol. Een gewricht met een motor bewegen is eenvoudiger dan verschillende gebruikers in wisselende omstandigheden veilig ondersteunen.

Bron: Ekso Bionics

Veel systemen moeten worden afgestemd op de gebruiker, de taak of de omgeving. Die voorbereiding kan de flexibiliteit beperken, al verschilt dit per apparaat.

Veelzijdigere exoskeletten

Ontwikkelaars gebruiken sensoren en software om de besturing te verbeteren. Sommige systemen herkennen eerst een activiteit en kiezen vervolgens een bijpassend ondersteuningspatroon. AI biedt andere mogelijkheden, maar de benodigde rekenkracht, het energieverbruik en de kosten hangen af van de gekozen aanpak.

Een andere aanpak

Een team werktuigbouwkundigen van Georgia Tech onder leiding van Aaron Young ontwikkelde een regelaar die gewrichtsmomenten schat op basis van de beweging van de gebruiker. Het systeem hoeft daarvoor niet eerst afzonderlijk te kiezen tussen bijvoorbeeld een loop- of trapmodus.

Het onderzoek resulteerde in een regelaar voor exoskeletten in plaats van een nieuw besturingssysteem. Het algoritme werd vooraf getraind met meetgegevens. Binnen de onderzochte omstandigheden was geen afzonderlijke training of kalibratie per nieuwe gebruiker nodig. Aanpassing aan lopen, trappen en hellingen bewijst geen veilige werking onder alle denkbare omstandigheden.

De beweging van de gebruiker centraal

De aanpak richt zich op de biomechanica van de gebruiker in plaats van uitsluitend op de classificatie van de omgeving. Menselijke fysiologie werd ook vóór AI gebruikt bij bewegingsondersteuning. De vernieuwing zit hier in het aangeleerde model waarmee gewrichtsmomenten bij verschillende bewegingen worden geschat.

De rol van kunstmatige intelligentie

Een model op basis van diep leren schat vanuit sensormetingen de gewrichtsmomenten tijdens de beweging. De regelaar gebruikt die schatting om gedeeltelijke ondersteuning te geven. Krachtmetingen en bewegingsregistratie in het laboratorium leverden trainingsgegevens; ze hoeven niet te worden verward met een laboratoriumsysteem dat de gebruiker voortdurend moet volgen. De aanpak vermindert de noodzaak om handmatig tussen activiteitsmodi te schakelen.

Het model trainen

De onderzoekers bouwden eerst een verzameling bewegingsgegevens op met deelnemers met uiteenlopende lichaamskenmerken. Het vooraf trainen van het algoritme is iets anders dan een nieuwe gebruiker het systeem persoonlijk laten trainen.

Deelnemers voerden verschillende bewegingstaken uit, waaronder lopen en het nemen van trappen en hellingen. Krachtplatforms en bewegingsregistratie leverden gegevens voor het berekenen van gewrichtsmomenten. De resultaten mogen niet zonder aanvullende tests worden uitgebreid naar alle vormen van rennen of springen.

Met deze metingen werd het model getraind om de gewrichtsmomenten tijdens verschillende activiteiten te schatten. De regelaar is bedoeld om de gebruiker te ondersteunen, niet om diens volledige beweging over te nemen.

Eerder onderzoek van het team

Young en zijn team onderzochten eerder robotische ondersteuning voor mensen met bewegingsbeperkingen, waaronder toepassingen bij de revalidatie van kinderen. Dit zijn geen bewijzen dat commerciële AI-prothesen al bij ieder kind met hersenletsel zelfstandig en veilig functioneren.

Bewegingsondersteuning bij een beperking

Exoskeletten kunnen bij geschikte gebruikers en indicaties helpen bij bewegen of revalideren. De resultaten hangen af van het apparaat, de aandoening en het behandelprogramma. Zelfstandig lopen of volledig herstel van het natuurlijke looppatroon is niet voor iedereen gegarandeerd.

Ook vermindering van lichamelijke belasting in de industrie wordt onderzocht. Mogelijke toepassingen bij het dragen van militaire uitrusting of zware onderdelen betekenen niet dat alle daarbij optredende blessures al aantoonbaar worden voorkomen.

Verschillende toepassingen bij revalidatie

Robotische hulpmiddelen richten zich op verschillende behoeften. AI kan worden gebruikt voor bewegingscontrole, maar ook voor het ontwerpen of personaliseren van een hulpmiddel. De volgende voorbeelden hebben daarom niet allemaal dezelfde functie of klinische toepassing.

1. Limbitless Solutions

Limbitless Solutions werd in 2014 opgericht en is verbonden aan de University of Central Florida. De organisatie ontwikkelt onder meer prothesen en persoonlijke buitenbekledingen voor kinderen met een aangeboren of verworven verschil aan een ledemaat. Vormgeving is daarbij iets anders dan de motorische aansturing van de prothese.

Kinderen kunnen met hulpmiddelen van Adobe (ADBE ) visuele ontwerpen maken op basis van tekstbeschrijvingen. Gekozen ideeën kunnen worden aangepast aan een buitenbekleding en met een 3D-printer worden geproduceerd. Generatieve AI helpt hier bij het uiterlijk, niet bij het besturen van de beweging.

Limbitless werkte ook samen met Orlando Health Arnold Palmer Hospital for Children aan klinisch onderzoek. Personalisering kan kinderen bij het ontwerp betrekken; zonder passende metingen is dat geen bewijs dat stemming of behandelresultaten bij alle deelnemers verbeterden.

2. ReWalk Robotics het bedrijf dat in 2024 de naam Lifeward ging gebruiken

LFWD Prijsgrafiek

ReStore van Lifeward is een zacht robotisch hulpmiddel voor looprevalidatie na een beroerte. Het verschilt van het persoonlijke ReWalk-exoskelet voor mensen met ruggenmergletsel. ReStore kreeg in 2019 toestemming van de Amerikaanse FDA en werd dus niet pas in 2024 voor het eerst geïntroduceerd.

Het ontwerp met textiel verschilt van apparaten met een stijf frame. ReStore is bedoeld voor gebruik in een klinische omgeving onder begeleiding van een opgeleide behandelaar. Een licht en opvouwbaar ontwerp bewijst niet vanzelf dat het goedkoper is dan alle andere producten.

De behandelaar gebruikt een bedieningseenheid om de ondersteuning tijdens de looptraining aan te passen. ReStore is geen apparaat voor zelfstandig thuisgebruik, sport of traplopen. De gebruiksinstructies bepalen de toegestane toepassingen en beperkingen.

Lifeward biedt verschillende producten met uiteenlopende toepassingen. FDA-toestemming en CE-markering gelden voor specifieke producten en indicaties. Ze betekenen niet dat alle apparaten dezelfde toelating hebben, allemaal AI gebruiken of altijd door een verzekering worden vergoed.

Toepassingen van robotische exoskeletten

Exoskeletten worden ontwikkeld voor zorg, industrie en onderzoek. Naast mogelijke voordelen zijn ook gewicht, veiligheid, gebruiksgemak en prestaties bij echte werkzaamheden van belang.

Militaire toepassingen

Militaire organisaties hebben al lang belangstelling voor draagondersteuning en andere toepassingen. DARPA financierde onderzoek naar verwante technologieën. Dat is geen bewijs dat alle onderzochte systemen al breed op het slagveld worden gebruikt.

Toekomstige systemen zouden kunnen helpen bij het dragen van uitrusting, het afleggen van grotere afstanden of het evacueren van gewonden. De bruikbaarheid hangt onder meer af van energievoorziening, terrein, betrouwbaarheid en veiligheid.

Industriële toepassingen

Industriële robots kunnen nauwkeurig en efficiënt terugkerende productietaken uitvoeren. Nieuwe sensoren en besturingstechnieken kunnen flexibelere inzet mogelijk maken. Daaruit volgt niet dat een robot iedere nieuwe taak zelfstandig begrijpt en veilig kan uitvoeren.

Bedrijven zoals Amazon (AMZN ) gebruiken robots in de logistiek. Interactie met taalmodellen zoals ChatGPT is een andere technische uitdaging dan veilige bewegingscontrole. Mensen met exoskeletten zouden naast robots kunnen werken, maar de veiligheid van iedere combinatie moet afzonderlijk worden vastgesteld.

Ruimtevaart

Robotische exoskeletten worden onderzocht voor training en bewegingsondersteuning in de ruimte. Andere robotische systemen spelen al een rol op het internationale ruimtestation en bij verkenningsmissies. Dat betekent niet dat elk exoskeletprototype daadwerkelijk in de ruimte is gebruikt.

NASA presenteerde het X1-exoskelet in 2012. Het werd onderzocht voor onder meer weerstandstraining tijdens ruimtevluchten en ondersteuning van beweging op aarde. Het was niet uitsluitend ontwikkeld voor revalidatie na een heupoperatie. AI en batterijprestaties van latere systemen verschillen per product.

Op weg naar bruikbaardere exoskeletten

Ondersteuning kan nuttig zijn bij sneeuwruimen of zwaar tilwerk. AI kan de besturing flexibeler maken, maar uitspraken over het voorkomen van spier- en skeletletsel of het herstellen van een beperking vereisen passend bewijs per product en toepassing. Veiligheid en daadwerkelijk voordeel bij dagelijks gebruik blijven belangrijke onderzoeksvragen.

Meer informatie over interessante blockchainprojecten vindt u hier.