Cada dedo 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. La falta de esta sensación presenta un desafío único para las personas con amputaciones de miembros superiores. Si bien hay variosLas prótesis diestras y de alta tecnología disponibles en la actualidad; todas carecen de la sensación de "tacto". La ausencia de esta retroalimentación sensorial da como resultado que los objetos caigan inadvertidamente o sean aplastados por una mano protésica.
Para permitir una interfaz de mano protésica de sensación más natural, los investigadores de la Facultad de Ingeniería y Ciencias de la Computación de la Florida Atlantic University y sus colaboradores son los primeros en incorporar sensores táctiles extensibles que utilizan metal líquido en las yemas de los dedos de una mano protésica. Encapsulado dentro de elastómeros a base de silicona, esta tecnología proporciona ventajas clave sobre los sensores tradicionales, que incluyen alta conductividad, cumplimiento, flexibilidad y capacidad de estiramiento. Esta integración jerárquica de sensación táctil de múltiples dedos podría proporcionar un mayor nivel de inteligencia para manos artificiales.
Para el estudio, publicado en la revista sensores , los investigadores usaron las yemas de los 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 máquinasalgoritmos de aprendizaje. Para cada una de las diez superficies, se recopilaron 20 ensayos para probar 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 información táctil de sensores de metal líquido en cuatro yemas de los dedos de la mano protésica distinguía simultáneamente entre superficies complejas de texturas múltiples, lo que demuestra una nueva forma de inteligencia jerárquica. Los algoritmos de aprendizaje automático pudieron distinguir entre todas las velocidadescon cada dedo con alta precisión. Esta nueva tecnología podría mejorar el control de las manos protésicas y proporcionar retroalimentación háptica, más comúnmente conocida como la experiencia del tacto, para que los amputados reconecten un sentido del tacto previamente cortado.
"Se han realizado importantes investigaciones sobre sensores táctiles para manos artificiales, pero aún existe la necesidad de avances en sensores táctiles multimodales robustos, livianos y de bajo costo", dijo Erik Engeberg, Ph.D., autor principal, asociadoprofesor en el Departamento de Ingeniería Oceánica y Mecánica y miembro del Instituto del Cerebro Stiles-Nicholson de la FAU y del Instituto de Ingeniería de Sistemas de Redes Integradas y Sensores de la FAU I-SENSE, quien realizó el estudio con el primer autor y estudiante de doctoradoMoaed A. Abd. "La información táctil de todas las yemas de los dedos individuales en nuestro estudio proporcionó la base para un mayor nivel de percepción de la mano que permite la distinción entre diez superficies complejas de múltiples texturas que no habría sido posible utilizando información puramente local dela punta de un dedo. Creemos que estos detalles táctiles podrían ser útiles en el futuro para brindar una experiencia más realista para los usuarios de prótesis a través de una pantalla háptica avanzada, que podría mejorarcambiar la interfaz amputado-prótesis y evitar que los amputados abandonen su mano protésica. "
Los investigadores compararon cuatro algoritmos de aprendizaje automático diferentes por sus capacidades de clasificación exitosas: vecino K-más cercano KNN, máquina de vectores de soporte SVM, bosque aleatorio RF y red neuronal NN.Se extrajeron sensores de metal líquido 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 por ciento para distinguir entre diez superficies diferentes de texturas múltiples utilizando cuatro sensores de metal líquidode cuatro dedos simultáneamente.
"La pérdida de una extremidad superior puede ser un desafío abrumador para una persona que está tratando de participar sin problemas en actividades regulares", dijo Stella Batalama, Ph.D., decana de la Facultad de Ingeniería y Ciencias de la Computación.Las prótesis han sido beneficiosas y les permiten a los amputados realizar mejor sus tareas diarias, no les proporcionan información sensorial como el tacto. Tampoco les permiten controlar la prótesis de forma natural con sus mentes. Con esta última tecnología de nuestroequipo de investigación, estamos un paso más cerca de proporcionar a las personas de todo el mundo un dispositivo protésico más natural que pueda 'sentir' y responder a su entorno ".
Fuente de la historia :
Materiales proporcionado por Florida Atlantic University . Original escrito por Gisele Galoustian. Nota: el contenido se puede editar por estilo y longitud.
Referencia de la revista :
cite esta página :