Lacroix
Une équipe de chercheurs a développé une nouvelle méthode de contrôle des exosquelettes des membres inférieurs en utilisant l’apprentissage par renforcement profond. La méthode, décrite dans une étude publiée dans le Journal of NeuroEngineering and Rehabilitation le 19 mars 2023, permet un contrôle de la marche plus robuste et naturel pour les utilisateurs d’exosquelettes des membres inférieurs. “Le contrôle robuste de la marche d’un exosquelette de rééducation des membres inférieurs couplé à un modèle musculo-squelettique by using un apprentissage par renforcement profond” est disponible en libre accès.
Alors que les progrès de la robotique moveable ont aidé à restaurer la mobilité des personnes atteintes de déficiences des membres inférieurs, les méthodes de contrôle actuelles des exosquelettes sont limitées dans leur capacité à fournir des mouvements naturels et intuitifs aux utilisateurs. Cela peut compromettre l’équilibre et contribuer à la exhaustion et à l’inconfort de l’utilisateur. Peu d’études se sont focalisées sur le développement de contrôleurs robustes capables d’optimiser l’expérience de l’utilisateur en termes de sécurité et d’autonomie.
Les exosquelettes existants pour la rééducation des membres inférieurs utilisent une variété de systems pour aider l’utilisateur à maintenir l’équilibre, y compris des béquilles et des capteurs spéciaux, selon le co-auteur Ghaith Androwis, PhD, chercheur principal au Centre de recherche en ingénierie de la mobilité et de la réadaptation de la Fondation Kessler et directeur du Laboratoire de robotique et de recherche en réadaptation du Centre. Les exosquelettes qui fonctionnent sans ces aides permettent une marche in addition indépendante, mais au prix d’un poids supplémentaire et d’une vitesse de marche lente.
“Les systèmes de contrôle avancés sont essentiels au développement d’un exosquelette des membres inférieurs qui permet une marche autonome et indépendante dans diverses problems”, a déclaré le Dr Androwis. La nouvelle méthode développée par l’équipe de recherche utilise l’apprentissage par renforcement profond pour améliorer le contrôle de l’exosquelette. L’apprentissage par renforcement est un form d’intelligence artificielle qui permet aux machines d’apprendre de leurs propres expériences par essais et erreurs.
“En utilisant un modèle musculo-squelettique couplé à un exosquelette, nous avons simulé les mouvements du membre inférieur et entraîné le système de contrôle de l’exosquelette pour obtenir des schémas de marche naturels en utilisant l’apprentissage par renforcement”, a expliqué l’auteur correspondant Xianlian Zhou, PhD, professeur agrégé et directeur du BioDynamics Lab. au Département de génie biomédical du New Jersey Institute of Technologies (NJIT). “Nous testons le système dans des conditions réelles avec un exosquelette des membres inférieurs développé par notre équipe et les résultats montrent le potentiel d’amélioration de la stabilité de la marche et de réduction de la fatigue de l’utilisateur.”
L’équipe a déterminé que le modèle proposé générait un contrôleur de marche universel robuste able de gérer différents niveaux d’interactions homme-exosquelette sans avoir besoin de paramètres de réglage. Le nouveau système a le potentiel de bénéficier à un large éventail d’utilisateurs, y compris ceux souffrant de lésions de la moelle épinière, de sclérose en plaques, d’accidents vasculaires cérébraux et d’autres disorders neurologiques. Les chercheurs prévoient de continuer à tester le système avec les utilisateurs et à affiner davantage les algorithmes de contrôle pour améliorer les performances de marche.
“Nous sommes enthousiasmés par le potentiel de ce nouveau système pour améliorer la qualité de vie des personnes atteintes de déficiences des membres inférieurs”, a déclaré le Dr Androwis. “En permettant des modèles de marche as well as naturels et intuitifs, nous espérons aider les utilisateurs d’exosquelettes à se déplacer avec plus de facilité et de confiance.”
