Gant robotique souple piloté par IA améliore la dextérité manuelle des survivants d'AVC

Université Florida Atlantic, FL. Le gant robotique souple intègre cinq actionneurs en un seul dispositif portable qui s'adapte à la main de l'utilisateur. (Image : Alex Dolce)

Défi : rééducation post-AVC pour tâches complexes

Pour les personnes ayant subi un neurotraumatisme comme un AVC, les tâches quotidiennes sont extrêmement difficiles à cause de la diminution de coordination et force dans un ou les deux membres supérieurs. Ces problèmes ont stimulé le développement de dispositifs robotiques pour améliorer leurs capacités. Cependant, la nature rigide de ces dispositifs d'assistance peut être problématique, surtout pour tâches complexes comme jouer d'un instrument de musique.

Premier gant robotique souple pour pianistes post-AVC

Un gant robotique novateur prête « la main » et donne espoir aux pianistes ayant subi un AVC invalidant. Développé par des chercheurs du College of Engineering and Computer Science de FAU, l'exosquelette de main robotique souple utilise l'intelligence artificielle pour améliorer la dextérité manuelle.

Technologie : capteurs tactiles flexibles, actionneurs souples, IA

Combinant capteurs tactiles flexibles, actionneurs souples et IA, ce gant robotique est le premier à « ressentir » la différence entre versions correctes et incorrectes d'une même chanson et à combiner ces fonctionnalités en un seul exosquelette de main.

« Jouer du piano requiert des mouvements complexes et hautement qualifiés, et le réapprentissage implique la restauration et la réentraînement de mouvements ou compétences spécifiques », dit Erik Engeberg, Ph.D., auteur principal, professeur au département de génie océanique et mécanique de FAU, membre du Center for Complex Systems and Brain Sciences et du Stiles-Nicholson Brain Institute de FAU. « Notre gant robotique est composé de matériaux souples, flexibles et capteurs qui fournissent soutien et assistance doux pour réapprendre et regagner capacités motrices. »

Réseaux de capteurs au bout des doigts

Les chercheurs ont intégré des réseaux de capteurs spéciaux dans chaque bout de doigt du gant. Contrairement aux exosquelettes antérieurs, cette nouvelle technologie fournit force et guidance précises pour récupérer les fins mouvements des doigts requis pour le piano. En surveillant et répondant aux mouvements de l'utilisateur, le gant offre rétroaction et ajustements temps réel, facilitant l'acquisition des techniques de mouvement correctes.

Démonstration : « Mary Had a Little Lamb » avec variations d'erreurs

Pour démontrer les capacités du gant, les chercheurs l'ont programmé pour ressentir la différence entre versions correctes et incorrectes de « Mary Had a Little Lamb » au piano. Pour introduire des variations, ils ont créé 12 types d'erreurs possibles au début/fin d'une note, ou erreurs de timing prématurées/retardées, persistant 0,1, 0,2 ou 0,3 secondes. Dix variations de chanson : trois groupes de trois variations chacun, plus la version correcte sans erreurs.

Classification par algorithmes ML

Pour classifier les variations, les algorithmes Random Forest (RF), K-Nearest Neighbor (KNN) et Artificial Neural Network (ANN) ont été entraînés avec données des capteurs tactiles aux bouts de doigts. La détection des différences entre versions correctes/incorrectes a été faite avec le gant indépendamment et porté par une personne. La précision de ces algorithmes a été comparée pour classifier variations correctes/incorrectes avec et sans sujet humain.

Résultats : ANN 97,13% précision avec sujet humain

Les résultats, publiés dans Frontiers in Robotics and AI, montrent que l'algorithme ANN avait la plus haute précision de classification : 97,13 % avec sujet humain, 94,60 % sans. L'algorithme a déterminé avec succès le pourcentage d'erreur d'une chanson et identifié les touches jouées hors temps.

Fabrication : stents imprimés 3D et moulage hydrogel

Le gant a été conçu utilisant des stents en acide polyvinyl imprimés 3D et moulage hydrogel pour intégrer cinq actionneurs en un seul dispositif portable s'adaptant à la main. Le procédé de fabrication est nouveau, et le facteur de forme pourrait être personnalisé à l'anatomie unique de patients individuels via scan 3D ou tomography.

« Notre design est significativement plus simple que la plupart car tous actionneurs et capteurs sont combinés en un seul processus de moulage », dit Engeberg. « Important, bien que l'application de cette étude était jouer une chanson, l'approche pourrait s'appliquer à myriades de tâches quotidiennes et le dispositif faciliter programmes de rééducation complexes personnalisés pour chaque patient. »

Plans d'action personnalisés pour cliniciens

Les cliniciens pourraient utiliser les données pour développer plans d'action personnalisés ciblant faiblesses du patient, qui se manifestent comme sections de chanson jouées erronément de façon consistante, déterminant quelles fonctions motrices nécessitent amélioration.

Pour plus d'informations, contacter Gisele Galoustian à l'adresse protégée.