TeleFMG: Un Nuevo Enfoque para la Teleoperación

La teleoperación permite que una persona controle máquinas desde lejos. Esto es útil para tareas que son peligrosas para los humanos, como trabajar en áreas de desastre o fábricas químicas. Sin embargo, muchos métodos actuales de teleoperación pueden sentirse torpes y poco naturales. Este artículo presenta un nuevo sistema llamado TeleFMG, diseñado para permitir que los usuarios controlen manos robóticas usando sus propios movimientos naturales de la mano.

#¿Qué es TeleFMG?

TeleFMG es un dispositivo wearable que mide la Actividad Muscular en el antebrazo del usuario. Usa esta información para controlar una Mano Robótica de varios dedos. El dispositivo es asequible y fácil de llevar, lo que permite usarlo cómodamente mientras se realizan diversas tareas. Con TeleFMG, los movimientos de la mano del usuario se traducen en movimientos de la mano robótica, haciéndolo más intuitivo.

#Los desafíos de la teleoperación

Durante la pandemia de COVID-19, los profesionales de la salud enfrentaron desafíos al tratar pacientes mientras intentaban evitar la infección. El equipo de protección personal (EPP) ofrece algo de seguridad, pero no puede proteger completamente a los trabajadores de la salud. Además, usar EPP puede ser incómodo y genera desechos. Afortunadamente, usar robots puede ayudar a evitar estos riesgos al permitir que el personal médico interactúe con los pacientes de forma remota.

Ya se están utilizando varios robots para tareas como desinfectar hospitales o entregar suministros, pero generalmente no interactúan directamente con los pacientes. Esto limita su potencial en el cuidado de la salud. TeleFMG busca cambiar esto al permitir que los robots imiten los movimientos de la mano humana para tareas como enfermería o usar instrumentos médicos.

#Cómo funciona TeleFMG

El dispositivo TeleFMG consiste en dos bandas con sensores que detectan la presión aplicada al antebrazo. Los sensores envían datos a una pequeña computadora que procesa estas señales. El sistema traduce los movimientos musculares del usuario en comandos para la mano robótica. Durante las pruebas, se utiliza un guante con sensores adicionales para asegurar que el sistema mapea con precisión las posiciones de la mano del usuario.

#La necesidad de teleoperación precisa

Es esencial que los sistemas de teleoperación sean fáciles de usar y eficientes. Los métodos existentes, como usar controladores de juegos o joysticks especializados, pueden ser voluminosos y requieren mucho entrenamiento. TeleFMG ofrece una solución más natural al usar directamente los movimientos del cuerpo del usuario para controlar la mano robótica.

El uso de sistemas visuales, como cámaras para ver la mano del usuario, tiene sus desventajas. Estos sistemas pueden luchar con mala iluminación u obstáculos. Los guantes hápticos, que miden los movimientos de la mano, pueden ser precisos pero a menudo son pesados y limitan la capacidad del usuario para realizar otras tareas. FMG es una mejor alternativa porque es asequible, ligero y fácil de usar.

#Los beneficios de la fuerza-miografía

La Fuerza-Miografía (FMG) es una manera innovadora de detectar el estado del brazo de una persona sin necesidad de contacto directo con la piel. La FMG ha mostrado gran promesa en el reconocimiento de gestos de mano y puede funcionar bien para múltiples usuarios. Esta característica la convierte en una buena opción para la teleoperación en el cuidado de la salud y otros entornos de riesgo.

#Creando el sistema TeleFMG

El sistema TeleFMG está diseñado para ser simple e intuitivo. El dispositivo FMG, que se lleva en el antebrazo, recoge datos sobre la actividad muscular. Estos datos se procesan para estimar los ángulos de los dedos del usuario. Luego, el sistema traduce estos ángulos en comandos para la mano robótica. Para asegurar una estimación precisa del movimiento de los dedos, se prueban y validan diferentes modelos.

#Proceso de Recolección de datos

Reunir datos es crucial para entrenar el sistema TeleFMG. El proceso comienza con el usuario usando el dispositivo FMG y el guante que mide las posiciones de la mano. El dispositivo recopila información mientras el usuario realiza diferentes movimientos de los dedos, lo que permite que el sistema aprenda cómo la actividad muscular corresponde a los movimientos de la mano.

Al recolectar datos con algunas variaciones en la ubicación de los sensores, el sistema puede asegurar precisión a pesar de las diferencias menores en cómo el dispositivo se ajusta en los antebrazos de diferentes usuarios. Esto significa que incluso si el dispositivo no se coloca exactamente en la misma posición cada vez, el proceso de entrenamiento puede tener en cuenta estos cambios.

#Entrenando el modelo

Para hacer el sistema efectivo, se entrena un modelo basado en datos para conectar las señales del dispositivo wearable con las posiciones de los dedos del usuario. Se exploran varias técnicas de machine learning para encontrar la que produzca los mejores resultados. Los datos de entrenamiento consisten en secuencias de tiempo de actividad muscular que reflejan con precisión los movimientos de la mano del usuario.

El uso inteligente de la tecnología es clave para lograr esto. El modelo analiza secuencias de datos en lugar de mediciones aisladas. Usando un tipo especial de red neuronal conocida como Red Neuronal Convulacional Temporal (TCN), el sistema puede aprender tanto de las características espaciales como temporales de las señales recolectadas.

#Operación en tiempo real

Una vez que el modelo está entrenado, soporta la teleoperación en tiempo real. La mano robótica puede imitar los movimientos de la mano del usuario casi al instante. La mano robótica tiene múltiples articulaciones, lo que permite movimientos intrincados. El sistema TeleFMG puede estimar los movimientos necesarios de la mano robótica según los comandos del usuario.

El resultado es una experiencia de teleoperación receptiva, donde la mano robótica puede realizar diversas tareas, como hacer gestos o agarrar objetos. Sin embargo, puede haber ligeros retrasos debido a los tiempos de comunicación y procesamiento del hardware utilizado.

#Probando el sistema

La efectividad de TeleFMG se evalúa a través de una serie de pruebas. Se realizan varios gestos y tareas con la mano robótica para medir cuán precisamente imita los movimientos del usuario. Los resultados iniciales indican una alta tasa de éxito, especialmente para tareas simples que involucran los dedos.

Las tareas más complejas pueden enfrentar desafíos, particularmente aquellas que involucran el pulgar, ya que sus movimientos están menos modelados con precisión. Las mejoras futuras considerarán refinar el modelo para aumentar la precisión general.

#Ampliando la accesibilidad

El sistema TeleFMG se prueba inicialmente con un participante. Para evaluar su adaptabilidad a nuevos usuarios, el modelo de entrenamiento se ajusta usando solo una pequeña cantidad de nuevos datos recolectados de diferentes usuarios. Los resultados demuestran una capacidad para ajustarse y desempeñarse bien incluso frente a variaciones en el tamaño y forma del antebrazo.

Al recolectar solo un poco de datos de nuevos usuarios, el sistema mejora significativamente su rendimiento. Esto hace posible que el TeleFMG sea utilizado por diferentes personas con ajustes mínimos.

#Entendiendo la importancia de los sensores

Para mejorar aún más el sistema TeleFMG, los investigadores investigan qué sensores en el dispositivo FMG son más importantes para la precisión en la predicción de movimientos de los dedos. Al examinar cómo los cambios en los datos de los sensores impactan las predicciones, el equipo identifica qué áreas del antebrazo juegan roles cruciales en el control de la mano robótica.

Los sensores del antebrazo inferior se encuentran particularmente vitales, ya que tienen una fuerte influencia en la precisión general del modelo. Este conocimiento ayuda a informar el diseño y la ubicación futura de los sensores para un mejor rendimiento.

#Conclusión

TeleFMG demuestra el potencial de utilizar la tecnología FMG para la teleoperación. Su capacidad para traducir los movimientos de la mano del usuario en acciones robóticas lo hace adecuado para diversas aplicaciones, incluido el cuidado de la salud. Al centrarse en interacciones naturales e intuitivas, TeleFMG tiene el potencial de mejorar cómo humanos y robots colaboran.

Los avances futuros pueden incluir agregar más funciones, como retroalimentación háptica para sensaciones táctiles y experiencias de realidad virtual para los usuarios. En general, TeleFMG representa un avance significativo en hacer que la teleoperación sea más eficiente, segura y fácil de usar.