Un prototipo ligero de “exoesqueleto de mano inteligente” en forma de guante podría ayudar a pacientes con alguna discapacidad causada por un accidente cerebrovascular a volver a aprender a tocar el piano “sintiendo” la diferencia entre las versiones correctas e incorrectas de la misma canción.
Utilizando materiales impresos en 3D y machine learning, un equipo de investigadores de la Florida Atlantic University (FAU) desarrolló este guante inteligente personalizable impulsado por inteligencia artificial, que es fácil de usar en personas que tengan un entrenamiento musical previo.
Después de un accidente cerebrovascular, muchos pacientes requieren regímenes de terapia extensos para volver a aprender ciertos movimientos motores y funciones afectadas por los neurotraumas, y aunque existe tecnología terapéutica para la recuperación de otros movimientos, hay muy pocas opciones disponibles para alguien —como un pianista— que espera volver a la música.
El dispositivo tiene una serie de sistemas neumáticos suaves alojados en las puntas de los dedos y cada una está equipada con 16 sensores táctiles para monitorear las pulsaciones de teclas y los movimientos de la mano del usuario.
¿Cómo funciona el guante?
Los desarrolladores también utilizaron el machine learning para entrenar al guante en la diferenciación de la “sensación” de las interpretaciones correctas e incorrectas de la canción tradicional infantil estadounidense “Mary had a little lamb”.
De esta manera, un usuario podría reproducir la canción por sí mismo mientras recibe comentarios en tiempo real en forma de indicadores visuales, sonido o incluso respuestas sensibles al tacto.
“El guante está diseñado para ayudar y mejorar sus movimientos naturales de la mano, permitiéndoles controlar la flexión y extensión de sus dedos”, explicó Erik Engeberg, autor principal del artículo y profesor en el Departamento de Ingeniería Mecánica y Oceánica de la FAU.
Como este desarrollo es todavía un prototipo, el siguiente paso será trabajar en mejorar la detección táctil, la precisión y la confiabilidad del dispositivo portátil, junto con el avance del machine learning.
