Dans des expériences avec 11 personnes valides, l'algorithme dit de l'homme dans la boucle a pris environ une heure pour optimiser l'exosquelette et, par la suite, a réduit la quantité d'énergie nécessaire aux participants pour marcher de 24% en moyenne, a déclaré membre de l'équipe de recherche Rachel Jackson, chercheuse postdoctorale au Département de génie mécanique de l'Université Carnegie Mellon (CMU).
"La taille de la réduction était assez étonnante", a déclaré Jackson à Live Science.
Jackson et ses collègues, dirigés par Steven Collins, professeur agrégé de génie mécanique à la CMU, et Juanjuan Zhang, anciennement de la CMU et maintenant professeur à l'Université de Nankai en Chine, ont publié les résultats de leurs recherches en ligne aujourd'hui (22 juin) dans la revue Science.
Une charge allégée est certainement attrayante, mais un exosquelette personnalisé pourrait également augmenter la distance qu'une personne valide peut parcourir, et cela pourrait même aider les individus à courir plus vite, a déclaré Jackson.
Les personnes atteintes de déficiences physiques, telles que celles qui ont subi un accident vasculaire cérébral, une blessure neurologique ou une amputation, peuvent également en retirer des avantages, a déclaré Jackson. Un exosquelette personnalisé pourrait rendre la marche aussi facile ou plus facile qu'avant une amputation ou une blessure, a-t-elle déclaré.
Auparavant, les réductions d'énergie moyennes les plus importantes réalisées par d'autres équipes de recherche étaient de 14,5%, en utilisant des exosquelettes de cheville ajustés manuellement portés sur les deux jambes, et de 22,8%, en utilisant un exosuit qui agissait sur les hanches et les deux chevilles en utilisant des paramètres préprogrammés.
Mais l'algorithme de l'homme dans la boucle CMU a mieux performé et ne s'est pas appuyé sur la préprogrammation.
"Cet algorithme était si bon qu'il a pu découvrir une stratégie d'assistance pour réduire les coûts énergétiques avec un seul appareil", a déclaré Jackson. "C'était plutôt cool."
Le défi avec les exosquelettes est que bien qu'ils soient destinés à aider une personne, ils peuvent entraver le mouvement, a déclaré Jackson. Pour commencer, chaque appareil est livré avec son propre poids, allant de quelques onces à quelques livres, et l'utilisateur doit porter ce poids. Les exosquelettes sont également conçus pour appliquer une force à certaines parties du corps, mais si le moment de la force est désactivé, la personne peut avoir besoin d'utiliser plus d'énergie pour se déplacer, a déclaré Jackson. Et c'est contre-productif.
Lors de la phase d'optimisation de la récente étude, chaque participant portait un exosquelette de cheville ainsi qu'un masque conçu pour mesurer les niveaux d'oxygène et de dioxyde de carbone (CO2). Ces mesures concernent la quantité d'énergie que la personne dépense. Alors que chaque personne marchait sur un tapis roulant à un rythme régulier, l'exosquelette appliquait un ensemble de différents modèles d'assistance aux chevilles et aux orteils.
Ces schémas étaient une combinaison du moment où la force a été appliquée et de la quantité de force. Par exemple, des forces peuvent être appliquées tôt dans une position (lorsque le talon touche le sol pour la première fois), au milieu de la position (lorsque le pied est plat) ou tard dans la position (lorsque le pied a roulé jusqu'à l'orteil). Pendant ces variations de positions, une force plus ou moins grande pourrait être appliquée.
L'algorithme a testé les réponses des participants à 32 modèles différents, qui changeaient toutes les 2 minutes. Ensuite, il a mesuré si le motif rendait la marche plus facile ou plus difficile pour la personne.
À la fin de la session, qui a duré un peu plus d'une heure, l'algorithme a produit un modèle d'assistance unique optimisé pour chaque individu.
"En termes de forme générale des modèles, il y avait une grande variabilité, ce qui témoigne de l'importance de personnaliser ces stratégies pour chaque personne, plutôt que d'appliquer la même chose à tout le monde", a déclaré Jackson.
Elle a ajouté que l'appareil avait peut-être bien fonctionné non seulement parce qu'il «apprenait», mais aussi parce qu'il modifiait le modèle d'assistance, la personne qui l'utilisait apprenait également.
"Nous pensons que cela oblige les gens à explorer différentes façons de coordonner leur démarche pour mieux interagir avec l'appareil", a déclaré Jackson. Cela aide à guider la personne sur la meilleure façon d'utiliser l'appareil et d'en tirer le meilleur parti. "C'est une rue à double sens", a-t-elle déclaré.
D'autres membres de l'équipe prévoient de tester comment l'algorithme pourrait être étendu pour créer un exosquelette à six articulations, conçu pour être porté sur toute la moitié inférieure du corps.
