Hacia el control autónomo de la mano protética sin bio-señales a través del aprendizaje por imitación

Área de la Ciencia:

• La robótica
• Ingeniería biomédica
• Inteligencia artificial

Sus antecedentes:

• La pérdida de extremidades afecta significativamente a millones de personas en todo el mundo, lo que requiere soluciones protésicas avanzadas.
• Los métodos tradicionales de control de prótesis (electromiografía superficial, semiautónoma) imponen altas exigencias físicas y mentales a los usuarios.
• Los sistemas existentes a menudo requieren un esfuerzo consciente para cada acción de control, lo que limita la interacción natural.

Objetivo del estudio:

• Desarrollar un sistema de control de manos protésicas totalmente autónomo.
• Para permitir la captura y liberación automática de diversos objetos utilizando solo una cámara.
• Para reducir la carga cognitiva y la tensión física asociada con el uso de prótesis.

Principales métodos:

• Implementó un sistema de control autónomo basado en la visión para una prótesis de mano.
• Utilizó un sistema de teleoperación para recopilar datos de demostración humana.
• Aprendizaje de imitación empleado para entrenar el modelo de control de la mano protética en acciones humanas.

Principales resultados:

• El sistema autónomo demostró altas tasas de éxito en la captura y liberación de diversos objetos.
• El modelo de aprendizaje por imitación se generalizó efectivamente a nuevos usuarios y objetos invisibles.
• El sistema ajusta automáticamente la fuerza de agarre en función de las propiedades del objeto y el contexto ambiental.

Conclusiones:

• Un sistema de control de manos protésicas totalmente autónomo es factible y eficaz.
• El aprendizaje por imitación proporciona un método robusto para entrenar modelos de control de prótesis.
• Esta tecnología ofrece una experiencia protética más intuitiva y menos exigente para los usuarios con pérdida de extremidad.