Personalizando a assistência do exoesqueleto ao caminhar no mundo real

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

30 mil acessos

24 citações

1362 Altmétrico

Detalhes das métricas

A assistência personalizada do exoesqueleto proporciona aos usuários as maiores melhorias na velocidade de caminhada1 e na economia de energia2,3,4, mas requer testes demorados em condições laboratoriais 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 em uma versátil plataforma de testes de laboratório. 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 identificou parâmetros ideais quatro vezes mais rápido. Realizamos otimização no mundo real usando dados coletados durante muitas caminhadas curtas em velocidades variadas. A assistência otimizada durante uma hora de caminhada naturalista em ambiente público aumentou a velocidade autosselecionada em 9 ± 4% e reduziu a energia usada para percorrer uma determinada distância em 17 ± 5% em comparação com calçados normais. Essa assistência reduziu o consumo de energia metabólica em 23 ± 8% quando os participantes caminharam em 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 não forneceram benefícios reais. Milhões de pessoas têm dificuldades de mobilidade que tornam a caminhada mais lenta5 e mais cansativa6, enquanto outros milhões de pessoas têm ocupações que exigem 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. Fornecer assistência benéfica no mundo real é difícil por vários motivos: o equipamento especializado utilizado 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 variadas; 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 com exoesqueleto requer personalização de acordo com as necessidades individuais, o que é um desafio fora de um laboratório. As maiores melhorias no desempenho da caminhada humana foram alcançadas através da individualização da assistência usando a otimização human-in-the-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. Medir aspectos importantes do desempenho, incluindo a taxa metabólica16, exigiu equipamentos laboratoriais caros e longos períodos de caminhada constante em esteira18. Individualizar desta forma os dispositivos médicos ou de consumo exigiria várias visitas longas a uma clínica especializada, o que seria dispendioso 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 ser capazes de 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 dos segmentos do nosso corpo e as forças do ambiente e dos 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. Numa experiência anterior4, os participantes caminharam com a ajuda do exoesqueleto em cerca de 3.600 condições diferentes, enquanto os dados eram registados tanto a partir de equipamentos de laboratório que medem resultados biomecânicos como de sensores portáteis de baixo custo no exoesqueleto. Treinamos um modelo de regressão logística usando este conjunto de dados anterior (Extended Data Fig. 1). O modelo de classificação baseado em dados comparou dados de sensores de dois padrões diferentes de assistência de exoesqueleto, cada um definido por uma “lei de controle”, e classificou qual lei de controle proporcionou um benefício maior. As entradas do modelo foram o ângulo 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 energético metabólico. Em essência, o classificador favoreceu torques posteriores maiores do exoesqueleto e movimentos suaves e bem cronometrados que levaram ao aumento da extensão do tornozelo na saída 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 ideais e gerou um novo conjunto de leis de controle avaliar (Fig. 1). Este processo foi repetido até que os critérios de convergência fossem atendidos.