رباتیک کمکی پوشیدنی یک فناوری نوظهور با پتانسیل کمک به انسان‌های دچار اختلالات حسی حرکتی برای انجام فعالیت‌های روزمره است. این کمک افراد را قادر می‌سازد تا از نظر فیزیکی و اجتماعی فعال باشند، فعالیت‌ها را به طور مستقل انجام دهند و کیفیت زندگی خود را بازیابی کنند. این نوع از فناوری رباتیک پوشیدنی، که در تماس و تعامل مستقیم با بدن است، نیاز به رعایت انواع الزامات دارد تا سامانه و کمک‌های آن را کارآمد، ایمن و قابل استفاده به صورت روزمره برای فرد کند. در ادامه مروری کوتاه داریم بر پیشرفت به دست آمده در سال‌های اخیر، چالش‌ها و روندهای فعلی برای طراحی و استقرار رباتیک کمکی پوشیدنی. با مجله فناوری‌های توان‌افزا و پوشیدنی همراه باشید.

پیش‌بینی مسیرهای آینده در مورد ربات های کمکی پوشیدنی

بدون شک، حوزه رباتیک کمکی پوشیدنی با توجه به پیشرفت‌هایی در عناصری مانند فناوری سنجش، مواد ساخت، روش‌های یادگیری و کنترل ماشین و قدرت محاسباتی، دستاوردهای چشم‌گیری داشته است. با این حال، برای رسیدن به سامانه‌های پوشیدنی هوشمند و راحت که به انسان کمک می‌کنند تا فعالیت‌های روزانه را به‌ طور مستقل به روشی طبیعی، ایمن و کارآمد انجام دهد، هنوز جنبه‌هایی مانند مواد و حسگرها، یادگیری و سازگاری، مجموعه داده‌ها و استانداردها برای آینده نیاز به بهبود دارد.

سامانه‌های کمکی پوشیدنی هیبریدی

در حال حاضر، بیشتر ربات‌های کمکی با استفاده از مواد سخت یا نرم ساخته می‌شوند. مواد سفت و سخت به طور گسترده‌ای برای ساخت سامانه‌هایی استفاده شده است که به انسان در انجام فعالیت‌های روزانه کمک می‌کند، و همچنین برای افزایش قدرت انسان در انجام وظایف صنعتی. مواد نرم در سال‌های اخیر توجه بیشتری را برای توسعه ربات‌های پوشیدنی به خود جلب کرده‌اند، زیرا این مواد سبک وزن و سازگار هستند و حرکت طبیعی بدن انسان را محدود نمی‌کنند. با وجود این ویژگی، آنها نمی‌توانند گشتاور مورد نیاز را برای کمک به انسان فراهم کنند. برای نمونه بلند کردن پاها برای فعالیت‌های حرکتی.

رویکردهای ترکیبی، متشکل از عناصر سخت و نرم،  مبادله بهتری برای طراحی ربات‌های کمکی ارائه می‌دهند. این روش می‌تواند ساختار ربات را سبک وزن کند تا با بدن انسان سازگار شود، در حالی که گشتاور مورد نیاز را به صورت ایمن ارائه می‌دهد. این نوع طراحی ربات، روش‌های سنجش و فناوری را بهبود می‌دهد و مجموعه داده‌های غنی‌تر و بزرگ‌تری را فراهم می‌کند که پتانسیل افزایش فرصت‌ها برای پژوهش در مورد روش‌های جدید یادگیری ماشین و تطبیق سطح و نوع کمک مورد نیاز را دارند. رویکردهای ترکیبی، با طیف گسترده‌ای از فناوری‌های سنجش، جنبه کلیدی است که انتظار داریم در توسعه ربات‌های کمکی پوشیدنی شاهد آن باشیم.

یادگیری و سازگاری با کاربر

دو جزء کلیدی مورد نیاز برای توسعه ربات‌هایی که می‌توانند به طور ایمن و کارآمد به انسان کمک کنند، توانایی یادگیری و سازگاری با کاربر در طول زمان است. ربات‌های کمکی پوشیدنی کنونی برای پشتیبانی از کاربران تحت شرایط ویژه و کنترل شده طراحی شده‌اند، برای نمونه، کمک به راه رفتن و نشستن یا گرفتن یک شی در شرایط آزمایشگاهی کنترل ‌شده. این سامانه‌ها زمانی که در محیط‌های واقعی آزمایش می‌شوند یا حتی زمانی که تغییرات جزئی در تنظیمات ایجاد می‌شود، به شکست محکوم می‌شوند. به همین دلیل، پژوهش و توسعه‌ی روش‌هایی که امکان طراحی ربات‌هایی با قابلیت یادگیری و سازگاری با کاربر و تغییرات محیط اطراف را فراهم می‌کند، حائز اهمیت است.

معماری‌های پیشرفته ربات هوشمند، برای پردازش داده‌ها در سطوح مختلف، رویکردی را برای توسعه سامانه‌های کمکی ایمن و قابل اعتماد ارائه می‌دهند، همانطور که در دیگر برنامه‌های رباتیک دیده شده است. این معماری‌ها شامل ماژول‌هایی مانند سنجش، ترکیب داده‌ها، ادراک، تصمیم‌گیری و کنترل و همچنین ماژول‌های حافظه و لایه‌های واکنشی و تطبیقی ​​برای یادگیری مداوم و فرآیندهای تطبیقی هستند​. این رویکرد را می‌توان در معماری‌های ربات کمکی پوشیدنی، همراه با روش‌های جدید یادگیری ماشین و کنترل پیاده‌سازی کرد، برای نمونه به ربات اجازه می‌دهد تا فعالیت‌های انجام‌ شده توسط انسان را شناسایی کند و در نتیجه کمک‌های مورد نیاز را ارائه دهد.

یکی دیگر از جنبه‌های کلیدی برای دستیابی به سازگاری در طراحی سامانه‌های کمکی آینده، زمینه کار یا فعالیت است. داشتن ربات‌های پوشیدنی که برای نمونه می‌دانند فرد در خانه است یا در محل کار، به سامانه امکان می‌دهد محتمل‌ترین اعمالی را که فرد انجام می‌دهد شناسایی کند؛ بنابراین، قابلیت اطمینان تصمیم‌گیری‌ها و اقدامات کمکی اتخاذ شده توسط ربات را افزایش می‌دهد. این رویکرد پتانسیل داشتن ربات‌های پوشیدنی کمکی هوشمند را ارائه می‌دهد که می‌توانند با خیال راحت به رویدادها یا داده‌های غیرمنتظره واکنش نشان دهند و همچنین می‌توانند با محیط‌های مختلف و متغیر اطراف سازگار شوند.

مجموعه داده‌ها و استانداردها

پیشرفت قابل توجهی که در دهه‌های اخیر در رباتیک به دست آمده است می‌تواند مزایای اجتماعی عظیمی را ارائه دهد، با این حال، آنها باید به طور مناسب تنظیم شده و از نظر اخلاقی توسعه داده شوند. مجموعه داده‌ها و استانداردها دو رکن کلیدی در توسعه اخلاقی ربات‌های جدید هستند. در حال حاضر، پژوهش‌های قابل توجهی به دلیل در دسترس بودن مجموعه داده‌ها انجام می‌شود، نه به دلیل نیاز بالینی برآورده نشده (همبستگی ضعیفی بین نیاز بالینی و در دسترس بودن مجموعه داده وجود دارد).

چندین مجموعه داده در دسترس عموم برای انجام فعالیت‌های روزمره ​​وجود دارد، با این حال، آنها با استفاده از دستورالعمل‌های مختلف جمع‌آوری و آماده می‌شوند که تجزیه و تحلیل و تکرار را پیچیده می‌کنند. داشتن استانداردهایی برای جمع آوری قوی و قابل اعتماد و تهیه مجموعه داده‌های مرتبط با نیازهای بالینی حیاتی است. به همین ترتیب، مهم است که اخلاق در حال ظهور به شدت با توسعه استانداردها و اجرای مقررات مرتبط باشد. چارچوب‌های اخلاقی فعلی شامل اصول رباتیک EPSRC و نقشه راه رباتیک ۲۰۰۶ EURON است و استانداردهای اخیر شامل ISO 13482 (الزامات ایمنی برای ربات‌های مراقبت شخصی) و BS 8611:2016 (دستگاه‌های رباتیک و روبات‌های عمومی). IEEE یک برنامه بلندپروازانه از استانداردها را تحت عنوان مجموعه P7000 IEEE، تنظیم کرده است.

ترکیبی از عوامل انسانی با یادگیری ماشین، حسگرها، مواد و بازخورد بالینی برای توسعه رباتیک کمکی پوشیدنی هوشمند، کارآمد و راحت برای استفاده روزانه توسط بیماران بسیار مهم است. توسعه این نوع ربات با دستاوردها و مزایای بزرگ برای جامعه در سال‌های آینده ممکن به نظر می‌رسد.

نتیجه گیری

ربات‌های کمکی پوشیدنی پتانسیل ارائه بسترهای جایگزین جدید و راه‌های ارائه کمک، توانبخشی و مراقبت به کاربران را دارند. نشان داده شده است که ربات‌های کم وزن، قابل حمل و پوشیدن و درآوردن آسان، جنبه‌های کلیدی برای راحت کردن ربات‌ها هستند. ربات‌های نرم نسبت به سازه‌های صلب سبک‌تر و راحت‌تر هستند، با این حال هنوز نمی‌توانند نیروهای کمکی مورد نیاز را ارائه کنند، که نشان می‌دهد رویکرد بهینه یک رویکرد ترکیبی با سامانه‌های تحریک و کنترل کارآمد انرژی است.

فناوری‌های سنجش و روش‌های محاسباتی پیشرفت چشمگیری را برای جمع‌آوری داده‌های چندوجهی و شناسایی فعالیت‌های روزمره در محیط‌های به خوبی کنترل ‌شده و برای گروه‌های خاصی از فعالیت‌ها نشان داده‌اند. روش‌های محاسباتی هنوز این چالش را دارند که در محیط‌های عادی زندگی روزمره به طور قابل اعتماد عمل کنند و به داده‌ها و حرکات غیرمنتظره بدن پاسخ ایمن دهند. این نشان می‌دهد که سامانه‌های کمکی باید با قابلیت یادگیری مداوم و سازگاری با کاربر طراحی شوند. این جنبه‌های استقلال و یادگیری نیازمند مقررات مناسب برای مجموعه‌های داده، حفظ حریم خصوصی در اشتراک‌گذاری داده‌ها و طراحی اخلاقی ربات‌های کمکی است، اما این امر مستلزم مشارکت مستقیم پزشکان و بیماران در فرآیند طراحی است.

همه‌ی این جنبه‌ها توسعه ربات‌های کمکی مطمئن، ایمن و راحت را تضمین می‌کند که در تصمیم‌گیری‌های گرفته شده و اقدامات کمکی انجام شده شفاف هستند و در نتیجه موجب می‌شوند کاربر به ربات اعتماد کرده و آن را برای استفاده روزمره بپذیرد.

>> رباتیک کمکی پوشیدنی: چالش های فعلی و مسیرهای آینده (بخش دوم)

>> رباتیک کمکی پوشیدنی: چالش های فعلی و مسیرهای آینده (بخش نخست)

منبع: doi: ۱۰٫۳۳۹۰/s21206751

«استفاده و بازنشر مطالب تنها با ذکر لینک منبع و نام (مجله فناوری‌های توان‌افزا و پوشیدنی) مجاز است»