Video • Anpassung an den Träger
Maßgeschneiderte Gehhilfe dank Machine Learning
Gehbehinderte ältere Menschen sollen von einem neuen Exoskelett von Forschern der Stanford University profitieren. "Dieses Exoskelett ist individuell auf den Nutzer abgestimmt und führt zu außergewöhnlichen Verbesserungen der Gehgeschwindigkeit. Auch reduziert es die Anstrengungen beim Gehen", sagt Steve Collins, Leiter des Stanford-Biomechatronik-Labors.
Der "Roboterstiefel" hat einen Motor, der dem Träger bei jedem Schritt einen zusätzlichen Schub gibt. Aber im Gegensatz zu anderen Exoskeletten ist das Stanford-Gerät dank eines auf maschinellem Lernen basierenden Modells, das in jahrelanger Arbeit trainiert wurde, personalisiert. Bei Tests auf einem Laufband war der Energieverbrauch des Motors nur halb so groß wie bei bisher eingesetzten Systemen. Das heißt, die Batterie kann entsprechend kleiner sein und damit leichter. "Wenn man das Exoskelett zum ersten Mal nutzt, erscheint es gewöhnungsbedürftig. Aber nach 15 Minuten fühlt es sich ganz natürlich an. Es ist, als hätte man einen zusätzlichen Muskel. Das erleichtert das Vorankommen enorm", so Doktorandin Ava Lakmazaheri. Das Exoskelett übt am Knöchel ein Drehmoment aus und ersetzt einen Teil der Funktion des Wadenmuskels. Zudem hilft es dem Träger, sich mit den Zehen abzustoßen, um den nächsten Schritt zu machen.
Die Wissenschaftler stellen ihre Erkenntnisse im Fachjournal nature vor.
Bildquelle: Stanford University; Kurt Hickman
Hauptnachteil bisheriger Exoskelette ist die fehlende Individualisierung. "Die meisten Exoskelette werden mit einer Kombination aus Intuition oder Biomimikry (Nachahmung) entwickelt, aber die Menschen sind zu kompliziert und vielfältig, als dass das gut funktionieren könnte", sagt Collins. Um dieses Problem anzugehen, verließ sich die Gruppe auf Emulatoren - große, unbewegliche, teure Laboreinrichtungen, die schnell testen können, wie Menschen am besten unterstützt werden können.
Mit Freiwilligen, die an die Emulatoren angeschlossen wurden, haben die Forscher Bewegungs- und Energieverbrauchsdaten gesammelt, um zu verstehen, wie sich Menschen mit unterschiedlichen Fortbewegungs-Eigenschaften am besten unterstützen lassen. Daraus entstand ein maschinelles Lernmodell, das das reale Exoskelett jetzt verwendet, um sich an jeden Träger anzupassen. Die Bewegung wird mit kostengünstigen Sensoren überwacht, die in den Stiefel integriert sind. "Wir messen Kraft und Knöchelbewegung, um eine optimale Unterstützung zu bieten. Auf diese Weise können wir das Gerät beim Gehen sorgfältig steuern und die Träger auf sichere, unauffällige Weise unterstützen", weiß Collins' Doktorand Patrick Slade. Die Forscher vergleichen die Wirkung des Exoskeletts mit dem Gefühl, das ein Mensch hat, wenn er einen 13 Kilogramm schweren Rucksack ablegt und dann weitergeht.
Quelle: Stanford University/pressetext
14.10.2022
