Sci Simple

New Science Research Articles Everyday

# Informática # Robótica

Mantendo o Equilíbrio: Uma Nova Maneira de Prevenir Quedas

Um novo modelo monitora os movimentos das pernas pra ajudar a prevenir quedas em idosos.

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

― 7 min ler


Nova tecnologia previne Nova tecnologia previne quedas. idosos ao caminhar. Um modelo pra aumentar a segurança dos
Índice

Quando as pessoas andam, não é só colocar um pé na frente do outro. Tem muita coisa rolando pra manter o Equilíbrio. Os idosos estão mais propensos a cair, especialmente quando algo inesperado acontece. Imagine um toddler pulando na sua frente enquanto você está andando – você tem que agir rápido pra não tropeçar. Pra ajudar com isso, pesquisadores estão criando dispositivos que conseguem detectar essas mudanças bruscas de equilíbrio muito mais rápido do que uma pessoa conseguiria reagir. Esse método pode ajudar a prevenir quedas e manter os idosos seguros enquanto caminham.

O Problema: Por que as Pessoas Caem Enquanto Andam

Imagina andar numa superfície plana e, de repente, você tropeça em um pequeno objeto. Seu corpo pode demorar um pouco pra perceber que você perdeu o equilíbrio. Essa demora pode levar a quedas, que são uma grande preocupação pros idosos. Segundo as estatísticas, as quedas são uma das principais causas de lesões pra quem já passou de uma certa idade. Se ao menos tivesse uma maneira de detectar esses tropeços e escorregões antes de causar uma queda!

A Solução: Exoesqueletos

Uma solução é o uso de exoesqueletos para os membros inferiores. Esses são dispositivos vestíveis que ajudam no movimento. Pense em uma calça robótica de alta tecnologia. Se um tropeço for detectado, o exoesqueleto pode reagir ajustando-se pra ajudar a manter a pessoa estável. Isso dá ao usuário uma camada extra de suporte, quase como ter um assistente pessoal de equilíbrio. Mas como detectar esses tropeços e escorregões de forma eficaz?

O Desafio da Detecção

Tradicionalmente, pra detectar quando alguém está prestes a cair, os pesquisadores olhavam algo chamado momento angular do corpo inteiro. Esse termo complicado é só uma maneira de medir como o corpo se movimenta como um todo. Mas tem um porém. Usar esse método leva tempo e pode causar atrasos, o que não é legal quando alguém está prestes a cair. Precisamos de algo mais rápido e simples.

O método usual de medir o centro de massa (COM) do corpo também tem suas desvantagens. Embora ele possa dizer quando alguém está se inclinando demais pra um lado, é difícil definir limites consistentes durante as diferentes etapas da caminhada. Em um momento você pode estar em um pé só, e no outro, os dois pés estão no chão. Muita mudança de posição pra ficar de olho!

Uma Nova Abordagem: Monitorando os Movimentos dos Membros Inferiores

Em vez de depender de cálculos complicados, os pesquisadores decidiram focar nos movimentos das pernas. Ao rastrear certos pontos nas pernas, como os pés e o centro de massa, eles podem identificar quando o equilíbrio está off. Esse método permitiria uma detecção mais rápida, já que não precisa de cálculos pesados.

Usando dados de sistemas de captura de movimento, os pesquisadores podem monitorar como as pernas se movem e respondem a distúrbios. Basicamente, se os pés começam a se mover de uma maneira diferente do padrão esperado, um sinal pode ser enviado pra ajudar a estabilizar a pessoa. Tudo isso pode potencialmente acontecer com apenas alguns passos de dados de caminhada da pessoa em questão.

O Processo de Testes

Pra garantir que esse novo modelo funcionasse, foram realizados testes usando um conjunto de dados open-source com informações sobre distúrbios de equilíbrio em pessoas. Esse conjunto incluía dados de vários participantes reagindo a mudanças no chão enquanto caminhavam. A ideia era ver quão bem o novo modelo poderia detectar quando alguém estava perdendo o equilíbrio durante diferentes tipos de perturbações, como tropeços ou escorregões.

Os pesquisadores aproveitaram um conjunto único de 96 testes onde as pessoas enfrentaram vários distúrbios. Eles até monitoraram quanto o chão se movia e em que direção. Era como uma dança onde o chão estava ditando o ritmo – ou melhor, empurrando de maneira inesperada!

Ajustando o Modelo

O novo modelo de detecção foi configurado pra ficar de olho em qualquer desvio no movimento das pernas. Se as pernas de alguém começassem a se mover de uma maneira estranha, isso acionaria o alarme. Eles estabeleceram um limite pra esses desvios pra ver quão precisamente o modelo poderia identificar perturbações. A emoção veio quando o modelo foi testado: ele conseguiu detectar problemas com uma taxa de precisão impressionante enquanto tinha apenas um pequeno atraso no tempo de resposta.

Em termos simples, se o modelo dissesse "oh-oh, um tropeço está chegando!", ele estava certo na maioria das vezes. Os pesquisadores ainda conseguiram comparar seu novo método com o modelo mais antigo que dependia de cálculos corporais inteiros. Não só o método deles provou ser mais rápido, mas também foi significativamente mais preciso em detectar quando alguém estava prestes a cair.

Experimentos Piloto: Testes na Vida Real

Pra levar as coisas um passo adiante, testes com participantes humanos reais foram realizados pra ver como o detector funcionava na prática. Os participantes caminharam numa esteira que mudava de velocidade aleatoriamente pra simular interrupções do mundo real. Os resultados foram positivos, mostrando que o modelo se saiu incrivelmente bem, detectando as perturbações mais rápido que os métodos antigos.

Imagine ter uma vitória onde as pessoas andam sem medo de escorregões e tropeços. O modelo agiu rápido o suficiente pra ajudar o exoesqueleto a responder no tempo que leva pra dar um passo.

O Que Vem Pela Frente

Enquanto o novo modelo mostrou grande potencial, ainda tem trabalho a ser feito. Os pesquisadores estão buscando deixar a detecção ainda mais rápida, com o objetivo de automatizar completamente o sistema pra que ele possa rodar em sensores vestíveis, em vez de depender de um grande equipamento. Isso permitiria que o exoesqueleto reagisse ainda mais rápido a perigos de tropeços.

Melhorias futuras também podem incluir descobrir como detectar a direção e a força da força que causa a perturbação. Isso seria como adicionar ainda mais superpoderes ao exoesqueleto, permitindo que ele ajude o usuário de uma maneira mais personalizada.

Conclusão: Um Futuro Brilhante para Caminhar em Equilíbrio

Resumindo, detectar problemas de equilíbrio enquanto caminha é crucial, especialmente pros idosos que são mais propensos a quedas. O novo modelo que rastreia movimentos dos membros inferiores mostrou um grande potencial em identificar rapidamente quando alguém está prestes a perder o equilíbrio. Com continuação de melhorias e testes, essa abordagem inovadora poderia aumentar significativamente a segurança e o suporte oferecidos pelos exoesqueletos, fazendo com que caminhar seja uma aventura muito menos arriscada.

Então, da próxima vez que você ver alguém em um traje robótico, lembre-se – eles podem não ser só o futuro da moda; eles podem ser o futuro de ficar em pé!

Fonte original

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

Resumo: 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 atualização: 2024-12-11 00:00:00

Idioma: English

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

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

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

Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.

Obrigado ao arxiv pela utilização da sua interoperabilidade de acesso aberto.

Mais de autores

Artigos semelhantes