Um método desenvolvido por pesquisadores nos Estados Unidos pode ser um passo importante para popularizar o uso de exoesqueletos robóticos, desenvolvidos para ajudar pessoas com dificuldades de locomoção ou para realizar tarefas complicadas. Na abordagem, em vez de passar por um longo processo de treinamento individualizado com o usuário, o exoesqueleto poderia ser submetido a um aprendizado virtual, de forma a calibrar os movimentos essenciais ao seu funcionamento.
A ideia foi posta à prova com sucesso num estudo que acaba de sair no periódico especializado Nature. Depois do treinamento com inteligência artificial, um aparato robótico produzido especialmente para o estudo funcionou a contento, diminuindo significativamente a energia gasta pelos usuários para andar, correr e subir escadas.
A pesquisa foi coordenada por Shuzhen Luo, da Universidade Aeronáutica Embry-Riddle, e Hao Su, da Universidade Estadual da Carolina do Norte. "Nosso método estabelece os fundamentos para soluções simplificadas no desenvolvimento de controladores de robôs que podem ser ‘vestidos’", resumiu Luo em comunicado oficial divulgado por sua universidade.
Diversos modelos de exoesqueletos têm sido testados nas últimas décadas. Em muitos casos, quando o usuário ainda mantém algum tipo de mobilidade, ou é uma pessoa sem deficiências físicas que terá suas capacidades "aumentadas" pelo aparato (um astronauta ou alguém que vai carregar grandes pesos, digamos), o objetivo é que o sistema robótico funcione como um empurrãozinho extra.
"Os aparatos robóticos projetados para melhorar os movimentos podem ser usados em uma ou mais juntas da perna e normalmente têm motores que aplicam um torque, ajudando a dobrar ou esticar a junta", escreve Alexandra Voloshina, pesquisadora da Universidade da Califórnia em Irvine que comentou o novo estudo a pedido da Nature.
"Entretanto, para que o aparelho ofereça níveis ideais de assistência e economize o máximo possível de energia do usuário, ele precisa produzir a quantidade certa de torque auxiliar no momento correto", explica Voloshina.
É por isso que, em muitas versões existentes hoje, os exoesqueletos passam por uma fase relativamente longa de treinamento com seus usuários, no qual os algoritmos de aprendizado que controlam o aparelho vão se adaptando ao tipo de movimentação da pessoa. Isso é essencial para que a máquina de fato seja capaz de ajudar os movimentos da pessoa, em vez de atrapalhá-la. O processo de treinamento é ainda mais complicado quando membros artificiais são controlados pela "força do pensamento", nas chamadas interfaces cérebro-máquina.
A abordagem testada pela equipe de Shuzhen Luo e Hao Su substitui essa etapa por várias camadas de simulações. Eles combinaram um modelo computacional do esqueleto e dos músculos humanos com outro modelo que simulava a física por trás do funcionamento do exoesqueleto, ambos "alimentados" com dados reais coletados anteriormente sobre o movimento de pessoas.
Os modelos realizaram milhões de simulações de movimentos e iam sendo refinados por meio de aprendizado de reforçamento, um tipo de aprendizado de inteligência artificial que usa resultados anteriores, considerados bem-sucedidos, para melhorar seu desempenho em testes seguintes.
Essas informações foram usadas para a produção de um aparelho real, preso ao quadril. Nos testes, ele reduziu o gasto de energia dos usuários para caminhar, correr e subir escadas (a redução foi de 24%, 13% e 15%, respectivamente).
Um dos próximos passos da equipe será adaptar a ideia para abordagens que envolvam pessoas com mobilidade reduzida, dizem os autores do estudo.
Comentários
Os comentários não representam a opinião do jornal; a responsabilidade é do autor da mensagem.