EDATS: sistema di controllo protesico basato su machine learning
L’obiettivo del progetto è quello di realizzare un sistema di controllo per protesi attive di arto superiore al livello transradiale basato su algoritmi di intelligenza artificiale (Machine Learning) che, a partire dai segnali elettromiografici di superficie corrispondenti alle contrazioni della muscolatura residua, sia in grado classificare in real-time le attività riferite all’arto fantasma e conseguentemente consenta di azionare una protesi in modo corrispondente.
Inizialmente il progetto si è focalizzato sull’identificazione delle posture della mano di maggiore rilevanza nello svolgimento delle più comuni attività della vita quotidiana. Successivamente, si è posto il focus sull’identificazione dell’algoritmo di Pattern Recognition più adatto all’utilizzo in campo protesico, tenendo conto sia delle prestazioni di classificazione sia dell’onere computazionale, dovendo implementare tali strategie all’interno di piattaforme elettroniche a microcontrollore con ridotta velocità e capacità di calcolo.
Si è quindi sviluppato il software per il training dei parametri dell’algoritmo con successiva verifica dei risultati mediante l’ausilio della realtà virtuale e, infine, si è proceduto al design del firmware su microcontrollore per trasformare le risultanze della classificazione effettuata dall’algoritmo in movimenti reali di una protesi di mano.