As mãos protéticas modernas tornaram-se muito capazes mecanicamente. Eles podem se mover e agarrar com quase tanta agilidade quanto uma mão humana. No entanto, apesar dessas capacidades, elas ainda são difíceis de serem controladas pelos usuários. Isso é um grande problema, porque não importa quão boa seja uma mão protética, ela será de pouca utilidade se não puder ser controlada com precisão.
A principal razão pela qual esses sistemas são tão difíceis de controlar é que cada usuário é diferente. Os sinais biológicos usados para operar uma mão protética variam de pessoa para pessoa, dependendo de fatores como anatomia, condição muscular, nível de perda de membros e posicionamento dos eletrodos. Mesmo para o mesmo usuário, esses sinais podem mudar com o tempo devido à fadiga, mudanças na postura ou mudanças nos sensores. Como resultado, um sistema de controle que funciona bem para um indivíduo — ou mesmo para uma sessão — pode funcionar mal em outro.
Uma capa vestível impressa em 3D (📷: Florida Atlantic College)
Pesquisadores da Florida Atlantic College estão enfrentando esse problema construindo sistemas de controle protéticos que são personalizado para cada indivíduo em vez de confiar numa abordagem única para todos. Seu sistema combina uma capa personalizada impressa em 3D com sensores magnéticos suaves e um modelo de IA treinado especificamente para cada usuário, criando uma maneira mais confiável de traduzir movimentos musculares em movimentos protéticos da mão.
O processo começa com a criação de uma digitalização 3D do membro residual de um usuário. Essa digitalização é usada para projetar e imprimir uma capa rígida que se ajusta ao indivíduo com precisão. Incorporados na manga estão 18 ou 24 módulos de sensores de miografia de força magnética (FMG), dependendo da anatomia da pessoa. Em vez de medir a atividade elétrica como os sistemas tradicionais de eletromiografia (EMG), esses sensores detectam mudanças sutis na forma e na pressão muscular à medida que o usuário tenta diferentes movimentos da mão e do pulso.
Cada módulo sensor consiste em uma estrutura de silicone macio com um ímã de neodímio incorporado posicionado acima de um sensor de efeito Corridor. À medida que os músculos se contraem, os ímanes deslocam-se ligeiramente, permitindo que os sensores meçam esses movimentos com uma forte relação sinal-ruído, evitando ao mesmo tempo muitos dos problemas que afetam os sistemas EMG, como o suor e a alteração da condutividade da pele. Os pesquisadores também observam que os sensores podem operar debaixo d’água – não tente isso com sistemas EMG!
A equipe avaliou o sistema com 10 participantes, incluindo três amputados de membros superiores. Os usuários controlavam uma mão robótica hábil realizando 19 gestos diferentes com as mãos e os pulsos. Em todos os participantes, o sistema reconheceu corretamente uma média de mais de 16 lessons de gestos com uma precisão média de 93,64%. Análises adicionais mostraram que o número perfect e o posicionamento dos sensores variavam de pessoa para pessoa, enfatizando a importância do {hardware} individualizado em vez de designs padronizados. Os pesquisadores também divulgaram o conjunto de dados resultante como um recurso aberto para a comunidade de pesquisa em próteses.