Personalizando a assistência do exoesqueleto enquanto caminha no mundo real

Dec 25, 2023

Nature volume 610, páginas 277–282 (2022) Citar este artigo

27k acessos

9 Citações

1362 Altmétrica

Detalhes das métricas

A assistência personalizada do exoesqueleto fornece aos usuários as maiores melhorias na velocidade de caminhada1 e economia de energia2,3,4, mas requer testes demorados em condições de laboratório não naturais. Aqui mostramos que a otimização do exoesqueleto pode ser realizada rapidamente e em condições do mundo real. Projetamos um exoesqueleto de tornozelo portátil com base em insights de testes com um banco de ensaio de laboratório versátil. Desenvolvemos um método baseado em dados para otimizar a assistência do exoesqueleto ao ar livre usando sensores vestíveis e descobrimos que era tão eficaz quanto os métodos de laboratório, mas identificamos os parâmetros ideais quatro vezes mais rápido. Realizamos otimização do mundo real usando dados coletados durante muitos períodos curtos de caminhada em velocidades variadas. A assistência otimizada durante uma hora de caminhada natural em um ambiente público aumentou a velocidade auto-selecionada em 9 ± 4% e reduziu a energia usada para percorrer uma determinada distância em 17 ± 5% em comparação com sapatos normais. Essa assistência reduziu o consumo de energia metabólica em 23 ± 8% quando os participantes caminharam em uma esteira a uma velocidade padrão de 1,5 m s-1. Os movimentos humanos codificam informações que podem ser usadas para personalizar dispositivos de assistência e melhorar o desempenho.

Os exoesqueletos que auxiliam o movimento das pernas são promissores para melhorar a mobilidade pessoal, mas ainda precisam fornecer benefícios no mundo real. Milhões de pessoas têm problemas de mobilidade que tornam a caminhada mais lenta5 e mais cansativa6, enquanto milhões de pessoas têm ocupações que exigem uma locomoção extenuante7. Em laboratórios de pesquisa, os exoesqueletos podem aumentar a velocidade de caminhada1,8,9 e reduzir a energia necessária para caminhar2,3,4,10,11,12,13,14,15,16, mas esses benefícios ainda não foram traduzidos para o mundo real condições17. Oferecer assistência benéfica no mundo real é difícil por vários motivos: o equipamento especializado usado para personalizar a assistência não está disponível fora do laboratório; ao contrário da caminhada em uma esteira, a caminhada diária ocorre em muitas sessões de velocidade e duração variáveis; e os dispositivos devem ser independentes e fáceis de usar. Neste estudo, abordamos cada um desses desafios para demonstrar a assistência eficaz do exoesqueleto em condições naturalísticas.

Maximizar os benefícios da assistência do exoesqueleto requer personalização para necessidades individuais, o que é desafiador fora de um laboratório. As maiores melhorias no desempenho da caminhada humana foram alcançadas pela individualização da assistência usando a otimização humana em loop1,2,3,4, um processo no qual o controle do dispositivo é sistematicamente ajustado para melhorar o desempenho humano enquanto uma pessoa usa um dispositivo. A medição de aspectos importantes do desempenho, incluindo a taxa metabólica16, exigiu equipamentos de laboratório caros e longos períodos de caminhada constante em esteira18. A individualização de dispositivos médicos ou de consumo dessa maneira exigiria várias visitas longas a uma clínica especializada, o que seria caro e impraticável. Se o desempenho humano pudesse ser estimado rapidamente, usando sensores vestíveis de baixo custo, a otimização poderia ser realizada à medida que as pessoas se movimentassem naturalmente em suas vidas diárias. Isso pode ser possível usando modelagem musculoesquelética19, mas tais simulações são computacionalmente intensivas20 e requerem individualização. Modelos baseados em dados podem capturar características importantes do desempenho humano de forma mais simples21,22,23,24,25.

Desenvolvemos um modelo baseado em dados que relaciona o movimento humano durante a caminhada assistida por exoesqueleto ao consumo de energia metabólica e pode ser usado fora do laboratório. O movimento humano surge da interação entre a inércia de nossos segmentos corporais e as forças do ambiente e de nossos músculos. Nossa hipótese é que uma análise cuidadosa poderia extrair informações significativas sobre o gasto de energia muscular a partir de mudanças sutis no movimento. Em um experimento anterior4, os participantes caminharam com a ajuda do exoesqueleto em cerca de 3.600 condições diferentes, enquanto os dados eram registrados de equipamentos de laboratório que medem resultados biomecânicos e sensores portáteis de baixo custo no exoesqueleto. Treinamos um modelo de regressão logística usando este conjunto de dados anterior (Dados Estendidos Fig. 1). O modelo de classificação baseado em dados comparou os dados do sensor de dois padrões diferentes de assistência do exoesqueleto, cada um definido por uma 'lei de controle', e classificou qual lei de controle forneceu um benefício maior. As entradas do modelo foram o ângulo do tornozelo e a velocidade do tornozelo, segmentados por ciclo de marcha, e os parâmetros de torque para cada lei de controle. O modelo então estimou a probabilidade de que a primeira lei de controle resultasse em menor gasto de energia metabólica. Em essência, o classificador favoreceu torques de exoesqueleto posteriores maiores e movimentos suaves e bem cronometrados que levaram ao aumento da extensão do tornozelo na ponta do pé. Durante a otimização, o usuário experimentou um conjunto de leis de controle, o modelo baseado em dados comparou todos os pares possíveis de leis de controle, as leis de controle foram classificadas e um algoritmo de otimização26 atualizou a estimativa dos parâmetros ótimos e gerou um novo conjunto de leis de controle para avaliar (Fig. 1). Esse processo foi repetido até que os critérios de convergência fossem atendidos.