Un gruppo di ricercatori della Florida Atlantic University ha progettato e realizzato un prototipo di guanto intelligente, capace di sentire la musica grazie all’utilizzo dell’intelligenza artificiale. I risvolti di questa tecnologia permetteranno ai musicisti con traumi cerebrali da ictus di tornare nuovamente a suonare il pianoforte, supportando l’iniziativa verso altre possibili applicazioni occupazionali.
L’esoscheletro: una soluzione riabilitativa per le conseguenze da ictus
L’ictus è riconosciuto come la principale causa di disabilità al mondo: solo in Europa 1.1 milioni di persone ne è vittima ogni anno. Le conseguenze di un ictus sono spesso molto invalidanti: una persona può subire paralisi agli arti superiori e inferiori, con conseguenti problematiche nel movimento. Anche le azioni e i compiti più semplici risultano difficili o addirittura impossibili da eseguire, riducendo drasticamente la salute e la qualità della vita dell’individuo. La risposta più efficace a questa disabilità è rappresentata dalla riabilitazione. Tramite percorsi riabilitativi opportunamente condotti si possono fare notevoli miglioramenti, aiutando le persone colpite da traumi neurologici a riacquistare la loro mobilità.
Gli esoscheletri si sono diffusi sempre di più come tecnologia di supporto, grazie anche alle numerose applicazioni. Questi dispositivi innovativi stanno rivoluzionando profondamente il settore riabilitativo dando nuove speranze a quelle persone che cercano di recuperare la propria indipendenza. Essi forniscono supporto e assistenza esterna durante il movimento, facilitando il ri-apprendimento delle abilità motorie. Quelli più comunemente diffusi sono rigidi, costituiti da strutture articolate non flessibili spesso alimentate da motori elettrici. Sono particolarmente utili per lavorare con persone che necessitano di recuperare la posizione eretta o che incontrano difficoltà nel mantenerla. Risultano però molto ingombranti ed essendo rigidi rischiano di essere poco ergonomici.
Per far fronte a queste problematiche sono stati introdotti i soft-robot, meno ingombranti e più leggeri dei precedenti, che essendo flessibili, si adattano meglio alle forme e ai movimenti dell’utente. Anche questi sono provvisti di numerosi sensori che fungono da interfaccia con l’utente e ne monitorano gli eventuali progressi riabilitativi.
- Se ti interessa approfondire l’argomento degli esoscheletri e dei soft-robot, ne abbiamo parlato anche nei seguenti articoli:
ATLAS è il primo esoscheletro pediatrico per la neuro-riabilitazione
SIDE: il robot indossabile per dinamica simulata e interfaccia aptica
Dalla robotica “soft” alle protesi mioelettriche: arriva la mano protesica gonfiabile
Il guanto “intelligente”
A quest’ultima categoria, ovvero quella degli esoscheletri soft, appartiene un guanto robotico che può aiutare i pianisti colpiti da ictus o traumi neurologici a ritornare a suonare. Tutto ciò grazie all’intelligenza artificiale. Questo dispositivo rappresenta una speranza per molti musicisti che avevano abbandonato la loro passione a causa degli impedimenti motori conseguenza del trauma.
Il guanto è stato realizzato in silicone (Dragon-Skin-30) ed è costituito da 5 camere pneumatiche, una per ogni dito. Le camere sono controllate da 5 diversi attuatori che regolano il flusso di aria compressa all’interno delle camere, le quali si gonfiano generando la flessione delle dita del guanto. Su ogni polpastrello sono presenti 16 sensori tattili di pressione, organizzati in una matrice che consente di rilevare la distribuzione della pressione su tutta la superficie del polpastrello.
Il metodo costruttivo e sistema di controllo
La tecnica di produzione del guanto si compone di diversi passaggi, come riportato in Figura 1, partendo da un primo stampo in PLA (i.e., acido polilattico) stampato in 3D, al cui interno vengono posizionati degli stent in PVA (i.e., alcool polivinilico, solubile in acqua) in modo da essere correttamente allineati con le dita del guanto. Questi elementi, che saranno rimossi alla fine del processo, servono per riservare lo spazio alle dita del paziente che dovrà indossare il guanto. Successivamente vengono posizionati in modo opportuno i tubicini in poliuretano necessari per far passare l’aria nelle camere pneumatiche. Si procede poi con la colata di silicone nello stampo, che impiegherà 4 ore per reticolare.
Il primo strato del guanto, una volta estratto dallo stampo, subirà un processo di rinforzo nelle zone delle dita attraverso fibra di carbonio posizionata ad elica, terminando nei sensori di pressione all’altezza dei polpastrelli. Infine, questi sensori tattili, costruiti con vari strati di un materiale conduttivo sensibile alla pressione e cavi sottili di acciaio inossidabile, vengono a loro volta, ricoperti e protetti da una guaina termostringente. Questo primo strato viene così posizionato all’interno di un secondo stampo in modo da accogliere le aggiunte. Viene fatta una seconda colata di silicone e, una volta reticolato, il guanto viene rimosso dal secondo stampo e vengono disciolti gli stent in acqua. Ora il dispositivo è pronto per essere testato ed utilizzato.
Il processo di produzione consente di un’elevata personalizzazione dello strumento, adattando facilmente la geometria del guanto alle mani del paziente.
Il sistema di controllo del guanto intelligente
Il sistema di controllo dei sensori è costituito da un multiplexer, che gestisce i segnali di pressione provenienti dai sensori, e da un microcontrollore, che campiona i dati e li invia a un dispositivo per la visualizzazione. Queste informazioni sui cambiamenti di pressione vengono poi utilizzate dal microcontrollore per azionare e regolare l’immissione dell’aria nelle camere pneumatiche tramite gli attuatori (Figura 2A). In questo modo, il guanto può rispondere in tempo reale agli stimoli esterni, fornendo una risposta tattile precisa e interattiva.
Fase di test: l’intelligenza artificiale permette di “sentire” la musica
Tramite l’utilizzo dell’intelligenza artificiale è stato possibile insegnare al guanto a “sentire” la musica. È stato, infatti, in grado di riconoscere versioni corrette e non corrette della stessa canzone, identificando i movimenti giusti da quelli sbagliati. Sono state confrontate le prestazioni di 3 algoritmi di intelligenza artificiale: RF (Random Forest), KNN (K-Nearest Neighbors) e ANN (Artificial Neural Network). Per i 3 algoritmi sono state ottenute delle ottime prestazioni, ma le migliori sono state ottenute dalle reti neurali.
Il guanto è stato programmato per suonare 10 versioni della stessa canzone, “Mary had a little lamb”: una versione corretta, mentre le altre 9 presentano diversi tipi di errori, tra cui:
- errori di tempo – con note suonate troppo presto o troppo tardi rispetto al ritmo corretto;
- errori nei tasti premuti – dove alcune note corrette erano sostituite da note sbagliate;
- errori nella durata delle note – con alcune suonate per un tempo troppo lungo o troppo breve rispetto alla durata prevista (Figura 2B).
Il dataset utilizzato per allenare i 3 algoritmi è costituito da 20 ripetizioni per ognuna delle 10 varianti della canzone.
I tre algoritmi sono stati valutati in base alla loro capacità di distinguere tra le diverse versioni della canzone. Per ogni algoritmo sono stati confrontati i risultati nelle due configurazioni. In tutti e tre i casi le prestazioni migliori sono state ottenute quando il guanto era indossato. Forse perché, in questo caso, la pressione tra i sensori e i tasti risultava distribuita in modo più uniforme. In più grazie ai sensori tattili integrati si possono ottenere feedback durante i percorsi riabilitativi, che possono fornire dati utili ad identificare errori durante la riproduzione di un brano (Figura 3).
L’analisi degli errori consente di adattare i programmi di riabilitazione alle esigenze specifiche del paziente e sviluppare piani d’azione personalizzati.
Il dispositivo può anche essere utilizzato per individuare le debolezze specifiche dei pazienti, che potrebbero manifestarsi in sezioni della canzone riprodotte sistematicamente in modo errato. Queste informazioni possono essere utilizzate per identificare le funzioni motorie che necessitano di miglioramento e progettare quindi esercizi mirati. Con il miglioramento delle capacità del paziente, il team di riabilitazione potrebbe introdurre gradualmente brani musicali più complessi, adattando gli esercizi ai progressi raggiunti.
Conclusioni e sviluppi futuri
Rispetto ad altri soft robot, questo è l’unico per il quale è stata dimostrata la capacità di distinguere tra una versioni corrette ed errate della stessa canzone. Nonostante questo esoscheletro fosse pensato per uno specifico scopo focalizzato sul riapprendimento di uno strumento musicale, l’approccio utilizzato per la realizzazione del guanto e l’integrazione con l’intelligenza artificiale, potrebbe essere applicato a innumerevoli attività della vita quotidiana, come ad esempio maneggiare le posate o lo spazzolino da denti. Si potrebbero inoltre sviluppare sul guanto delle strategie per trasmettere i feedback all’utente. Si potrebbe pensare ad esempio a feedback visivi o vibro-tattili in collaborazione con altri dispositivi come ad esempio gli smartphone o o gli smartwatch.
Video esplicativo sul funzionamento del guanto
Fonti e approfondimenti
- Frontiers – Feeling the beat: a smart hand exoskeleton for learning to play musical instruments
- Frontiers News – Soft robo-glove can help stroke patients relearn to play music
- Focus.it – Il guanto robotico che aiuta i musicisti colpiti da ictus a suonare ancora
- Immagine di copertina – The soft smart hand exoskeleton. Image credit: Dr Maohua Lin et al.
