Dispositivi robotici: Mio-controllo in tempo reale, pubblicato lo studio sul controllo digitale delle dita tramite Elettromiografia ad alta densità. La ricerca della Scuola Sant'Anna in prima linea

Controllare i movimenti delle singole dita di una protesi robotica o di un esoscheletro per mano attraverso i segnali muscolari in maniera intuitiva e naturale come muovere la propria mano. È questa la sfida attuale della ricerca nel campo dell’interfacce uomo-macchina basate su segnali biologici: sviluppare protesi ed esoscheletri che permettano movimenti complessi coinvolgendo il controllo di singole dita in maniera proporzionale e simultanea.

Uno studio che vede in prima linea la Scuola Superiore Sant’Anna, con i ricercatori del Laboratorio PERCRO - Istituto di Tecnologie della Comunicazione, dell’Informazione e della Percezione (TeCIP) ha dimostrato come grazie al mio-controllo, ovvero il controllo ottenuto tramite segnali muscolari acquisiti con tecniche quali l’elettromiografia EMG, sia possibile trasmettere ai dispositivi robotici input di movimento, direttamente tramite i segnali provenienti dai muscoli, allo scopo di creare un’interfaccia uomo-robot intuitiva e naturale.

La ricerca negli ultimi anni ha portato alla realizzazione di interfacce che consentono all’utente di gestire immediatamente i movimenti dei dispositivi robotici, senza riuscire però a controllare più movimenti in maniera simultanea. Le lunghe sessioni richieste per l’addestramento limitano poi al solo al campo della ricerca i risultati raggiunti.

Nello studio presentato è stato testato e validato un nuovo approccio volto a controllare i movimenti delle singole dita in maniera simultanea e proporzionale basato sulla lettura in tempo reale dei segnali elettromiografici ad alta densità trasmessi da 192 elettrodi posizionati sull’avambraccio.

Il punto di forza del metodo presentato è la rapidità con cui viene effettuata la calibrazione del dispositivo, chiedendo all’utilizzatore di fare un solo movimento per singolo dito. Il metodo è stato testato su 8 soggetti sani: i segnali ad alta densità provenienti dai muscoli dell’avambraccio sono stati utilizzati per stimare la forza di ogni singolo dito e controllare dei cursori in un gioco di Realtà Virtuale che consiste nel completare esercizi di manipolazione richiedenti l’esecuzione di forze sia con singole dita che con più dita simultaneamente. L’esperimento è stato ripetuto 2 volte per ogni soggetto, utilizzando due approcci che differivano per il tipo di caratteristiche estratte dal segnale EMG: caratteristica lineare (inviluppo lineare utilizzato nella maggior parte degli schemi di mio-controllo) Vs caratteristica non-lineare basata su un inviluppo non lineare ottimizzato che si ritrova in alcuni modelli bio-meccanici.

Dall’analisi dei risultati è emerso che la trasformazione non-lineare del segnale EMG, basato su modelli di biomeccanica, ha migliorato significativamente le performance in termine di accuratezza, di tempo e di stabilità del controllo. Inoltre, il miglioramento è stato ancora più netto su quei compiti che non erano stati effettuati durante la calibrazione dei modelli (pressione multipla delle dita) dimostrando una migliore capacità di generalizzazione. I risultati ottenuti hanno quindi dimostrato la fattibilità di un “mio-controllo in tempo reale, proporzionale e simultaneo delle dita della mano” calibrato con una minima sessione di addestramento. La rapidità con cui è possibile addestrare il sistema, con diminuzione del tempo di calibrazione, è un requisito essenziale per l’utilizzo con pazienti (sia amputati che neurologici).

I prossimi lavori saranno focalizzati ad estendere e testare il sistema in protocolli di riabilitazione sia per pazienti amputati che per pazienti neurologici (post-ictus). Inoltre, saranno investigate le sue potenzialità per essere utilizzato anche in contesti non-medici, quali la teleoperazione a distanza.

Lo studio è stato presentato sulla “Special issue on Intelligent Human-Robot Interaction for Rehabilitation and Physical Assistance” delle “IEEE Robotics and Automation Letters”, ed è stato condotto dal gruppo di ricerca coordinato dal prof. Antonio Frisoli, area di “Human Robot Interaction” del laboratorio PERCRO/TeCIP, in collaborazione con il team seguito dal prof. Dario Farina, il quale attualmente ricopre la carica di Chair in Neurorehabilitation Engineering all’Imperial College di Londra.

Sono autori dell’articolo “Online Finger Control Using High-Density EMG and Minimal Training Data for Robotic Applications”: Michele Barsotti, Sigrid Dupan, Ivan Vujaklija, Strahinja Dosen, Antonio Frisoli e Dario Farina.