Sci Simple

New Science Research Articles Everyday

# Informatique # Robotique

Garder l'équilibre : une nouvelle façon de prévenir les chutes

Un nouveau modèle suit les mouvements des jambes pour aider à prévenir les chutes chez les personnes âgées.

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

― 7 min lire


Nouvelle techno pour Nouvelle techno pour prévenir les chutes. des personnes âgées qui marchent. Un modèle pour améliorer la sécurité
Table des matières

Quand les gens marchent, ils ne se contentent pas de mettre un pied devant l'autre. Il se passe beaucoup de choses pour qu'ils restent en Équilibre. Les personnes âgées risquent plus de tomber, surtout quand quelque chose d'inattendu arrive. Pense à un petit enfant qui saute devant toi pendant que tu marches – tu dois réagir vite pour éviter de trébucher. Pour aider avec ce problème, des chercheurs développent des dispositifs capables de détecter ces changements d'équilibre beaucoup plus vite qu'un humain ne pourrait le faire. Cette méthode pourrait aider à prévenir les chutes et à garder les personnes âgées en sécurité en marchant.

Le Problème : Pourquoi les gens tombent en marchant

Imagine que tu marches sur une belle surface plane quand soudain tu trébuches sur un petit objet. Ton corps peut prendre un moment pour réaliser que tu as perdu l'équilibre. Ce délai peut entraîner des chutes, ce qui est une grosse préoccupation pour les personnes âgées. Selon les stats, les chutes sont une des principales causes de blessures chez ceux qui ont un certain âge. Si seulement il y avait un moyen de détecter ces trébuchements et glissades avant qu'ils n'entraînent une chute !

Les Exosquelettes

Une solution est l'utilisation d'exosquelettes pour les membres inférieurs. Ce sont des dispositifs à porter qui soutiennent le mouvement. Imagine une paire de pantalons robotiques ultra modernes. Si un trébuchement est détecté, l'exosquelette pourrait réagir en s'ajustant pour aider à garder la personne stable. Cela donne au porteur une couche de soutien supplémentaire, presque comme avoir un assistant d'équilibre personnel. Mais comment détecter efficacement ces trébuchements et glissades ?

Le Défi de la Détection

Traditionnellement, pour détecter quand quelqu'un est sur le point de tomber, les chercheurs regardaient quelque chose appelé le moment angulaire de tout le corps. Ce terme un peu compliqué est juste une façon de mesurer comment le corps bouge dans son ensemble. Mais il y a un hic. Utiliser cette méthode prend du temps et peut entraîner des retards, ce qui n'est pas idéal quand quelqu'un est sur le point de tomber. On a besoin de quelque chose de plus rapide et de plus simple.

La méthode habituelle pour mesurer le centre de masse du corps a aussi ses inconvénients. Bien qu'elle puisse dire si quelqu'un penche trop d'un côté, c'est difficile de définir des limites cohérentes à différentes étapes de la marche. Un moment tu pourrais rester sur un pied, et le moment d'après, les deux pieds sont au sol. C'est beaucoup de changements de positions à suivre !

Une Nouvelle Approche : Suivre les Mouvements des Membres Inférieurs

Au lieu de se fier à des calculs compliqués, les chercheurs ont décidé de se concentrer sur les mouvements des jambes. En suivant certains points sur les jambes, comme les pieds et le centre de masse, ils pouvaient identifier quand l'équilibre était perturbé. Cette méthode permettrait une détection plus rapide car elle ne nécessite pas de calculs complexes.

En utilisant des données provenant de systèmes de capture de mouvement, les chercheurs peuvent surveiller comment les jambes bougent et réagissent aux perturbations. En gros, si les pieds commencent à bouger d'une manière qui s'écarte du modèle prévu, un signal peut être envoyé pour aider à stabiliser la personne. Tout cela peut potentiellement se passer avec juste quelques données de démarche de l'individu.

Le Processus de Test

Pour s'assurer que ce nouveau modèle fonctionne, des tests ont été réalisés à l'aide d'un jeu de données open-source contenant des informations sur les perturbations d'équilibre chez les gens. Ce jeu de données incluait des données de divers participants réagissant à des changements de sol en marchant. L'idée était de voir à quel point le nouveau modèle pouvait détecter quand quelqu'un perdait son équilibre lors de différents types de perturbations, comme des trébuchements ou des glissades.

Les chercheurs ont profité d'un ensemble unique de 96 essais où des gens ont subi diverses perturbations. Ils ont même suivi combien le sol bougeait et dans quelle direction. C'était comme une danse où le sol menait – ou plutôt, poussait de manière inattendue !

Ajuster le Modèle

Le nouveau modèle de détection a été configuré pour surveiller les écarts dans le mouvement des jambes. Si les jambes d'une personne commençaient à bouger d'une manière inhabituelle, cela déclenchait les alarmes. Ils ont établi un seuil pour ces écarts afin de voir à quelle précision le modèle pouvait identifier les perturbations. L'excitation est venue lorsque le modèle a été testé : il a réussi à détecter les problèmes avec un taux de précision impressionnant tout en n'ayant qu'un petit délai de réponse.

Pour faire simple, si le modèle disait "oh là là, un trébuchement arrive !" il avait raison la plupart du temps. Les chercheurs ont même pu comparer leur nouvelle méthode avec l'ancien modèle qui se basait sur des calculs corporels. Non seulement leur méthode s'est avérée plus rapide, mais elle était aussi significativement plus précise pour détecter quand quelqu'un est sur le point de tomber.

Expériences Pilotes : Tests en Conditions Réelles

Pour aller plus loin, des tests avec de vrais participants ont été réalisés pour voir comment le détecteur fonctionnait en pratique. Les participants marchaient sur un tapis roulant qui changeait aléatoirement de vitesse pour simuler des perturbations du monde réel. Les résultats étaient positifs, montrant que le modèle fonctionnait incroyablement bien, détectant les perturbations plus vite que les anciennes méthodes.

Imagine marquer un coup gagnant où les gens marchent sans peur de glissades ou de trébuchements. Le modèle agissait assez rapidement pour aider l'exosquelette à réagir dans le temps qu'il faut pour faire un pas.

Ce Qui Nous Attend

Bien que le nouveau modèle montre un grand potentiel, il y a encore du travail à faire. Les chercheurs cherchent à rendre la détection encore plus rapide, visant à automatiser complètement le système afin qu'il puisse fonctionner sur des capteurs portables plutôt que de dépendre d'un gros équipement. Cela permettrait à l'exosquelette de réagir encore plus rapidement aux dangers de trébuchement.

Les futures améliorations pourraient également inclure des moyens de détecter la direction et la force de la perturbation. Ce serait comme ajouter encore plus de super pouvoirs à l'exosquelette, lui permettant d'aider le porteur d'une manière plus personnalisée.

Conclusion : Un Avenir Radieux pour la Marche Équilibrée

En résumé, détecter les problèmes d'équilibre en marchant est crucial, surtout pour les personnes âgées plus sujettes aux chutes. Le nouveau modèle qui suit les mouvements des membres inférieurs a montré un grand potentiel pour identifier rapidement quand quelqu'un est sur le point de perdre son équilibre. Avec un raffinement et des tests continus, cette approche innovante pourrait considérablement améliorer la sécurité et le soutien offerts par les exosquelettes, rendant la marche beaucoup moins risquée.

Alors, la prochaine fois que tu vois quelqu'un dans un costume robotique, souviens-toi – ils ne sont peut-être pas que la future mode ; ils pourraient être l'avenir pour rester debout !

Source originale

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

Résumé: 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.

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

Dernière mise à jour: 2024-12-11 00:00:00

Langue: English

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

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

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

Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.

Merci à arxiv pour l'utilisation de son interopérabilité en libre accès.

Plus d'auteurs

Articles similaires