KI-gestützter weicher Roboterhandschuh verbessert Handgeschicklichkeit bei Schlaganfallüberlebenden

Florida Atlantic University, FL: Der weiche Roboterhandschuh integriert fünf Aktuatoren in ein einzelnes Wearable, das sich der Nutzerhand anpasst.

Herausforderung nach Neurotrauma

Bei Neurotrauma wie Schlaganfall sind Alltagsaufgaben durch verminderte Koordination und Kraft in einem oder beiden Oberarmen extrem herausfordernd. Dies trieb Entwicklung robotischer Hilfsgeräte an. Doch die starre Natur dieser Assistenzgeräte kann problematisch sein – besonders bei komplexen Aufgaben wie Klavierspielen.

Weltneuheit: Weicher Roboterhand-Exoskelett mit KI

Ein erster seiner Art Roboterhandschuh gibt Klavier spielenden Schlaganfallpatienten Hoffnung. Entwickelt von Forschern der FAU College of Engineering and Computer Science, nutzt der weiche Roboterhand-Exoskelett KI zur Verbesserung der Handgeschicklichkeit.

Kombination flexibler taktiler Sensoren, weicher Aktuatoren und KI – erste Technologie, die den Unterschied zwischen korrekten und inkorrekten Versionen desselben Songs „fühlt“ und diese Features in einem einzelnen Hand-Exoskelett vereint.

„Klavierspielen erfordert komplexe, hochqualifizierte Bewegungen. Neuerlernen involviert Wiederherstellung und Neutraining spezifischer Bewegungen/Fähigkeiten“, so Erik Engeberg, Ph.D., Senior Author, Professor FAU Department of Ocean and Mechanical Engineering, Mitglied FAU Center for Complex Systems and Brain Sciences und FAU Stiles-Nicholson Brain Institute. „Unser Roboterhandschuh besteht aus weichen, flexiblen Materialien und Sensoren, die sanfte Unterstützung und Assistenz bieten, um motorische Fähigkeiten neu zu erlernen und zurückzugewinnen.“

Sensorintegration & Echtzeit-Feedback

Spezielle Sensorarrays in jeder Fingerspitze integriert. Im Gegensatz zu früheren Exoskeletten: präzise Kraftführung für feine Fingergbewegungen beim Klavierspielen. Durch Monitoring und Reaktion auf Nutzerbewegungen bietet Handschuh Echtzeit-Feedback und -Anpassungen – erleichtert Erlernen korrekter Bewegungstechniken.

Demonstration: „Mary Had a Little Lamb“

Roboterhandschuh programmiert, Unterschied zwischen korrekten und inkorrekten Versionen des bekannten Stücks zu „fühlen“. 12 Fehlerarten: Anfang/Ende eines Tons, Timing-Fehler (vorzeitig/verzögert), Dauer 0,1/0,2/0,3 Sekunden. 10 Songvariationen: 3 Gruppen à 3 Variationen + korrektes Stück ohne Fehler.

Klassifikation via ML-Algorithmen

Random Forest (RF), K-Nearest Neighbor (KNN), Artificial Neural Network (ANN) trainiert mit Taktilsensor-Daten aus Fingerspitzen. Klassifikation mit Handschuh unabhängig und am Menschen getragen. Genauigkeitsvergleich mit/ohne menschlicher Proband.

Ergebnisse

Studie (veröffentlicht in Frontiers in Robotics and AI): ANN-Algorithmus höchste Klassifikationsgenauigkeit – 97,13 % mit menschlichem Probanden, 94,60 % ohne. Algorithmus bestimmte prozentualen Fehleranteil eines Stücks und identifizierte aus der Zeit geratene Tastenanschläge.

Design & Fertigung

3D-gedruckte Polyvinylalkohol-Stents und Hydrogel-Guss integrieren fünf Aktuatoren in einzelnes Wearable, das sich Nutzerhand anpasst. Fertigungsprozess neu, Formfaktor anpassbar an individuelle Patientenanatomie via 3D-Scanning oder CT-Scans.

„Unser Design ist signifikant simpler als die meisten: Alle Aktuatoren und Sensoren in single molding process kombiniert“, so Engeberg. „Wichtig: Obwohl Anwendung hier Klavierspielen war, Ansatz auf vielfältige Alltagsaufgaben anwendbar, Gerät könnte individuelle Reha-Programme ermöglichen.“

Klinischer Nutzen

Kliniker könnten Daten nutzen für personalisierte Aktionspläne: Identifikation von Patientenschwächen (konsequent fehlerhaft gespielte Songabschnitte → zeigen motorische Funktionen, die Verbesserung brauchen).

Weitere Informationen: Gisele Galoustian, E-Mail-Adresse durch Spamschutz geschützt (JavaScript erforderlich).