Un nuovo passo avanti nel settore degli esoscheletri pensati per le persone con una mobilità ridotta è stato fatto da un gruppo di ricercatori dell’Istituto di fisica e tecnologia di Mosca (MIPT).
Questi ultimi hanno infatti sviluppato un modello che, basandosi sull’attività corticale del cervello, predice le traiettorie del movimento delle mani. Il tratto distintivo di questo metodo è che i segnali sono misurati direttamente dal cervello con un metodo che richiede un numero di calcoli minore rispetto alle reti neurali e una minore complessità generale.
Combinando questo metodo con un sensore impiantato nel cranio, si può ottenere lo stesso livello qualitativo di previsioni rispetto ai modelli più “classici”.
Anche questi ultimi prevedono la misurazione, la decodifica e la trasmissione dei segnali della corteccia cerebrale all’esoscheletro interpretando gli stessi segnali e facendo una sorta di previsione del movimento dell’arto desiderato.
Il problema di questi sistemi è che il processore dell’unità di elaborazione che gestisce i segnali si surriscalda durante il funzionamento, una cosa problematica dato che è in contatto il cervello. Ciò pone limiti alla potenza che si può consumare, caratteristica di per sé fondamentale per la decodifica del segnale.
Il sistema del professor Vadim Strijov del MIPT lavora invece con elettrocorticogrammi, come lui stesso spiega: “Abbiamo risolto il problema della costruzione di un modello semplice, robusto e preciso. Per semplicità intendo che ci sono relativamente pochi parametri. La robustezza si riferisce alla capacità di mantenere una ragionevole qualità di predizione con piccoli cambiamenti di parametri. Precisione significa che le previsioni si avvicinano in modo adeguato ai moti fisici naturali degli arti. Per ottenere ciò, prevediamo traiettorie di movimento come un lineare combinazione delle descrizioni delle caratteristiche dell’elettrocorticografo.”
Fonti e approfondimenti
- Chip controlling exoskeleton keeps patients’ brains cool — Moscow Institute of Physics and Technology (IA)
- Multi-way feature selection for ECoG-based Brain-Computer Interface – ScienceDirect (DOI: 10.1016/j.eswa.2018.06.054) (IA)
Rispondi