Sci Simple

New Science Research Articles Everyday

# Informática # Robótica

Manteniendo el equilibrio: Una nueva forma de prevenir caídas

Un nuevo modelo rastrea los movimientos de las piernas para ayudar a prevenir caídas en adultos mayores.

Maria T. Tagliaferri, Leonardo Campeggi, Owen N. Beck, Inseung Kang

― 7 minilectura


Nueva tecnología previene Nueva tecnología previene caídas. los adultos mayores al caminar. Un modelo para mejorar la seguridad de
Tabla de contenidos

Cuando la gente camina, no solo pone un pie delante del otro. Hay un montón de cosas pasando para mantener el Equilibrio. Los adultos mayores tienen un riesgo mayor de caerse, especialmente cuando sucede algo inesperado. Piensa en un niño pequeño saltando de repente frente a ti mientras caminas; tienes que reaccionar rápido para no tropezar. Para ayudar con este problema, los investigadores están desarrollando dispositivos que pueden detectar esos cambios repentinos en el equilibrio mucho más rápido de lo que reaccionaría una persona. Este método podría ayudar a prevenir caídas y mantener a los adultos mayores seguros mientras caminan.

El Problema: Por qué la gente se cae al caminar

Imagina que caminas sobre una superficie plana y de repente tropiezas con un pequeño objeto. Tu cuerpo puede tardar un momento en darse cuenta de que has perdido el equilibrio. Este retraso puede llevar a caídas, que son una gran preocupación para los adultos mayores. Según las estadísticas, las caídas son una de las principales causas de lesiones en personas mayores. ¡Si tan solo hubiera una manera de detectar estos tropiezos antes de que lleven a una caída!

Entra en acción los exoesqueletos

Una solución es el uso de exoesqueletos para las extremidades inferiores. Son dispositivos que se pueden usar y que ayudan en el movimiento. Imagina un par de pantalones robóticos súper avanzados. Si se detecta un tropiezo, el exoesqueleto podría reaccionar ajustándose para ayudar a mantener a la persona estable. Esto le da al usuario una capa extra de soporte, casi como tener un asistente personal de equilibrio. Pero, ¿cómo se detectan estos tropiezos de manera efectiva?

El reto de la Detección

Tradicionalmente, para detectar cuándo alguien está a punto de caerse, los investigadores miraban algo llamado momento angular de todo el cuerpo. Este término complicado es solo una forma de medir cómo se mueve el cuerpo en conjunto. Pero hay un problema. Usar este método toma tiempo y puede llevar a retrasos, lo cual no es ideal cuando alguien está a punto de caer. Necesitamos algo más rápido y simple.

El método habitual de medir el centro de masa del cuerpo (COM) también tiene sus desventajas. Aunque puede indicar cuándo alguien se está inclinando demasiado a un lado, es complicado definir límites consistentes en diferentes etapas de la caminata. Un momento puedes estar de pie en un pie, y al siguiente, ambos pies están en el suelo. ¡Son muchas posiciones cambiantes para llevar la cuenta!

Un nuevo enfoque: seguimiento de movimientos en las extremidades inferiores

En lugar de depender de cálculos complejos, los investigadores decidieron centrarse en los movimientos de las piernas mismas. Al rastrear ciertos puntos en las piernas, como los pies y el centro de masa, podrían identificar cuándo el equilibrio se estaba alterando. Este método permitiría una detección más rápida ya que no requiere cálculos pesados.

Usando datos de sistemas de captura de movimiento, los investigadores pueden monitorear cómo se mueven las piernas y cómo responden a perturbaciones. Básicamente, si los pies comienzan a moverse de una manera que se aleja del patrón esperado, se puede enviar una señal para ayudar a estabilizar a la persona. Todo esto podría suceder potencialmente con solo un par de pasos de datos de marcha de la persona en cuestión.

El proceso de prueba

Para asegurarse de que este nuevo modelo funcionara, se realizaron pruebas con un conjunto de datos de código abierto que contenía información sobre perturbaciones de equilibrio en personas. Este conjunto de datos incluía datos de varios participantes reaccionando a cambios en el suelo mientras caminaban. La idea era ver qué tan bien podía el nuevo modelo detectar cuándo alguien estaba perdiendo el equilibrio durante diferentes tipos de perturbaciones, como tropiezos o resbalones.

Los investigadores aprovecharon un conjunto único de 96 ensayos donde las personas experimentaron diversas perturbaciones. Incluso rastrearon cuánto se movía el suelo y en qué dirección. ¡Era como un baile donde el suelo dirigía - o más bien, empujaba inesperadamente!

Ajustando el modelo

El nuevo modelo de detección se configuró para estar atento a cualquier desviación en el movimiento de las piernas. Si las piernas de una persona comenzaban a moverse de una manera inusual, eso activaría las alarmas. Establecieron un umbral para estas desviaciones y vieron cuán precisamente el modelo podía identificar perturbaciones. La emoción llegó cuando se probó el modelo: logró detectar problemas con una impresionante tasa de precisión, aunque solo tuvo un pequeño retraso en el tiempo de respuesta.

En términos simples, si el modelo decía "¡uh-oh, se viene un tropiezo!", tenía razón la mayor parte del tiempo. Los investigadores incluso pudieron comparar su nuevo método con el modelo anterior que dependía de cálculos de todo el cuerpo. No solo su método resultó ser más rápido, sino que también fue significativamente más preciso al detectar cuándo alguien estaba a punto de caerse.

Pruebas piloto: pruebas en la vida real

Para llevar las cosas un paso más allá, se realizaron pruebas con participantes humanos reales para ver qué tan bien funcionaba el detector en la práctica. Los participantes caminaron en una caminadora que cambiaba de velocidad al azar para simular disrupciones del mundo real. Los resultados fueron positivos, mostrando que el modelo funcionó increíblemente bien, detectando las perturbaciones más rápido que los métodos más antiguos.

Imagina conseguir una victoria donde la gente camina sin miedo a resbalones y tropiezos repentinos. El modelo actuó lo suficientemente rápido como para ayudar al exoesqueleto a responder en el tiempo que se tarda en dar un paso.

Qué viene a continuación

Aunque el nuevo modelo mostró gran promesa, aún hay trabajo por hacer. Los investigadores están buscando maneras de hacer la detección aún más rápida, con el objetivo de automatizar completamente el sistema para que funcione con sensores usables en lugar de depender de un gran equipo. Esto permitiría que el exoesqueleto reaccione aún más rápido ante peligros de tropiezo.

Las futuras mejoras también podrían incluir averiguar cómo detectar la dirección y la fuerza de la fuerza que causa la perturbación. Esto sería como añadir aún más superpoderes al exoesqueleto, permitiéndole ayudar al usuario de una manera más personalizada.

Conclusión: Un futuro más brillante para caminar equilibradamente

En resumen, detectar problemas de equilibrio al caminar es crucial, especialmente para los adultos mayores que son más propensos a caerse. El nuevo modelo que rastrea movimientos en las extremidades inferiores ha mostrado un gran potencial para identificar rápidamente cuándo alguien está a punto de perder el equilibrio. Con un refinamiento y pruebas continuas, este enfoque innovador podría mejorar significativamente la seguridad y el apoyo que ofrecen los exoesqueletos, haciendo que caminar sea una aventura mucho menos riesgosa.

Así que, la próxima vez que veas a alguien en un traje robótico, solo recuerda: ¡no solo podrían ser el futuro de la moda; podrían ser el futuro de mantenerse en pie!

Fuente original

Título: Ground Perturbation Detection via Lower-Limb Kinematic States During Locomotion

Resumen: Falls during daily ambulation activities are a leading cause of injury in older adults due to delayed physiological responses to disturbances of balance. Lower-limb exoskeletons have the potential to mitigate fall incidents by detecting and reacting to perturbations before the user. Although commonly used, the standard metric for perturbation detection, whole-body angular momentum, is poorly suited for exoskeleton applications due to computational delays and additional tunings. To address this, we developed a novel ground perturbation detector using lower-limb kinematic states during locomotion. To identify perturbations, we tracked deviations in the kinematic states from their nominal steady-state trajectories. Using a data-driven approach, we further optimized our detector with an open-source ground perturbation biomechanics dataset. A pilot experimental validation with five able-bodied subjects demonstrated that our model detected ground perturbations with 97.8% accuracy and only a delay of 23.1% within the gait cycle, outperforming the benchmark by 46.8% in detection accuracy. The results of our study offer exciting promise for our detector and its potential utility to enhance the controllability of robotic assistive exoskeletons.

Autores: Maria T. Tagliaferri, Leonardo Campeggi, Owen N. Beck, Inseung Kang

Última actualización: 2024-12-11 00:00:00

Idioma: English

Fuente URL: https://arxiv.org/abs/2412.06985

Fuente PDF: https://arxiv.org/pdf/2412.06985

Licencia: https://creativecommons.org/licenses/by/4.0/

Cambios: Este resumen se ha elaborado con la ayuda de AI y puede contener imprecisiones. Para obtener información precisa, consulte los documentos originales enlazados aquí.

Gracias a arxiv por el uso de su interoperabilidad de acceso abierto.

Más de autores

Artículos similares