De ontwikkeling van een exoskelet is al vergevorderd op het gebied van hardware. Er is een grote behoefte aan ontwikkeling bij de software, zoals blijkt op de ICRA.
(Foto: WANDERCRAFT)
Toen een dwarslaesiepatiënt zes jaar geleden met behulp van een exoskelet de aftrap bij de wereldkampioenschappen voetbal mocht verrichten, veranderde de oorspronkelijk geplande spectaculaire prestatie in een slechts enkele seconden durende vertoning aan de zijlijn. Het heeft de televisiekijkers over de hele wereld echter wel het potentieel van de technologie laten zien, die niet alleen nieuwe mobiliteit voor verlamde mensen belooft, maar ook gezonde gebruikers kan ondersteunen bij fysiek veeleisende activiteiten.
Toch worden exoskeletten nog niet op grote schaal gebruikt. Er moeten betrouwbare en efficiënte controleprocedures worden ontwikkeld om ervoor te zorgen dat ze de bedoelingen van de gebruiker herkennen en de bewegingen die hij of zij van plan is te maken volgen, moet nog intensief onderzoek gedaan worden, zoals blijkt uit een aantal relevante studies op de Internationale Conferentie over Robotica en Automatisering (ICRA) van dit jaar.
Systeemafhankelijkheid van externe rekencapaciteiten
Alexis Duburcq van de Franse fabrikant Wandercraft meldt bijvoorbeeld dat de trajectplanning tot nu toe offline is gedaan. Dat leidt tot wachttijden bij klinische revalidatie en maakt het systeem afhankelijk van externe rekencapaciteiten. Niet alleen voor elke patiënt, maar ook voor elke bewegingssequentie zou er opnieuw gemodelleerd en geoptimaliseerd moeten worden, wat telkens ongeveer vijf minuten zou duren. Om dat te verhelpen, willen de onderzoekers het exoskelet eerst een aantal algemeen geldige functies voor verschillende bewegingen offline laten aanleren, die vervolgens gebruikt kunnen worden als een gecomprimeerd, snel opvraagbaar bewegingsgeheugen dat online planning mogelijk maakt en aan elk robotsysteem kan worden overgedragen.
Volgens Duburcq draait het bij het optimaliseren van het loopgedrag om het vinden van de beste verhouding tussen het energiegebruik en de maakbaarheid van de beweging. Op basis van die oplossing wordt vervolgens een neuraal netwerk gebruikt om bewegingspatronen te leren om een taak uit te voeren die zo dicht mogelijk bij de optimale oplossing komt. Het gelijktijdig optimaliseren van alle mogelijke trajecten kan echter niet volledig, maar slechts bij benadering worden opgelost. Op basis van ADMM (Alternating Direction Method of Multipliers) hebben de onderzoekers daar het GTL (Guided Trajectory Learning) algoritme voor ontwikkeld en getest op het door Wandercraft ontwikkelde Atalante-exoskelet. De methode heeft bewezen stabiel te zijn bij het lopen met verschillende staplengtes en looptijden, maar moet worden verfijnd om in realtime te kunnen worden toegepast.
Trappenlopen is een grote uitdaging
Onderzoekers van het California Institute of Technology (Caltech) wijzen erop dat het optimaliseren van kwantitatieve parameters zoals staplengte alleen niet genoeg is. Kwalitatieve aspecten zoals de tevredenheid van de gebruikers moeten ook in aanmerking worden genomen, zeggen Maegan Tucker en Ellen Novoseller. De feedback die tijdens de experimenten van de gebruikers wordt verzameld, waarbij zij de voorkeur geven aan een van de twee bewegingen en aanvullende suggesties kunnen doen, wordt verwerkt in het algoritme CoSpar dat door de Californiërs is ontwikkeld. Dat algoritme heeft zijn waarde bewezen in experimenten met het Atalante-exoskelet, waarbij gebruik werd gemaakt van voorgeprogrammeerde stappen in een bewegingsbibliotheek. Drie parameters (staplengte, breedte en duur) werden tijdens de experimenten aangepast, terwijl andere, zoals heupbewegingen of maximale voethoogte, in eerste instantie genegeerd werden, maar in de toekomst zullen worden geoptimaliseerd met de verdere ontwikkeling van LineCoSpar.
Bij de experimenten, waaraan aanvankelijk alleen gezonde proefpersonen deelnamen, konden de onderzoekers correlaties waarnemen tussen de bewegingen die door de gebruikers werden geprefereerd en objectieve criteria voor dynamische stabiliteit. In de toekomst zal ook worden geëxperimenteerd met dwarslesiepatiënten om hun voorkeuren te bepalen. Daartoe zal ook de kwalitatieve feedback worden uitgebreid.
Lopen op een vlakke ondergrond is al moeilijk genoeg. Als er trappen in het spel komen, bereiken veel loophulpmiddelen hun grenzen. Jantzen Lee (Vanderbilt University) presenteert op het ICRA een knieprothese die ook die hindernis moet helpen overwinnen. De meeste knieprotheses werken zonder aandrijving, omdat bij het stappen op een trede het onderbeen in de zwaaifase automatisch terugkeert naar de juiste positie voor de volgende stap en ook door heupbewegingen gecontroleerd kan worden.
Microprocessors kunnen er dan voor zorgen dat het gewricht verstijft, wat helpt bij het afdalen van de trap. Daarentegen is een actieve aandrijving nodig om een trap op te lopen, zegt Lee. Dergelijke prothesen zijn echter duur, zwaar, groot en luidruchtig, waardoor ze door middel van heupbewegingen, ook wel “ballistisch lopen” genoemd, beperkt of zelfs onmogelijk te controleren zijn. Gebruikers zouden zich dan moeten aanpassen aan de knie in plaats van andersom. De Stance Controlled Swing Assisted (SCSA) knie, die hij heeft helpen ontwikkelen, is in zekere zin een compromis: door de gebruiker de mogelijkheid te bieden de knie te buigen, ondersteunt het de zwaaifase zonder de mogelijkheid te beperken om ballistisch te lopen.
Gebruik van de handen bij traplopen
De prothese is tot nu toe slechts op één persoon getest, maar toonde duidelijke voordelen ten opzichte van een conventionele prothese. Omdat het onderbeen ver genoeg naar achteren kan worden gebogen om het been over de volgende trede te tillen zonder de heup te ontwrichten, was het mogelijk om een trap te beklimmen zonder altijd eerst beide voeten op één trede te hoeven zetten. Toekomstige tests zullen het verschil met volledig aangedreven prothesen nauwkeuriger bepalen. Er zijn ook plannen om sensoren op de leuning te gebruiken om de rol van de handen bij het beklimmen van de trap te meten.
