Aprendizaje por refuerzo

Científicos de la Universidad Estatal de Carolina del Norte, la Universidad de Carolina del Norte y la Universidad Estatal de Arizona han desarrollado un sistema de ajuste automático que se basa exclusivamente en una técnica llamada aprendizaje por refuerzo. Permite hacer el trabajo de las prótesis motorizadas para piernas. Además, este aparato faculta a los amputados la capacidad de caminar durante largos periodos de tiempo y hacerlo de manera enérgica.

Estos dispositivos son bastante complicados. Su programación para que funcionen sin problemas lleva horas y los resultados rara vez son perfectos.

No obstante, cuentan con la peculiaridad de que estos dispositivos son bastante complicados. Y es que su programación para que funcionen sin problemas lleva horas y los resultados rara vez son perfectos. La nueva prótesis le permite caminar sobre una máquina para correr mientras le guía un terapeuta. Asimismo, el sistema supervisa las intenciones del paciente y el movimiento de la prótesis, y se ajusta en tiempo real según las lecturas.

Pierna protésica

Se tarda unos 10 minutos en entrenar una pierna protésica para que se sienta bastante natural. En parte se debe en parte al hecho de que el sistema ajusta una docena de parámetros diferentes, como la rigidez de la articulación, a lo largo de cada paso durante el proceso de entrenamiento. En este sentido, Helen Huang, coautora del estudio, señala que comienzan por “darle a un paciente una rodilla protésica motorizada con un conjunto de parámetros seleccionados al azar”. Con ello, provocan que «el paciente comience a caminar de manera controlada”.

Se tarda 10 minutos en entrenar una pierna protésica para que se sienta natural.

La coautora del estudio incide en que los datos sobre el dispositivo y la marcha del paciente se recopilan a través de un conjunto de sensores en el dispositivo. “Un modelo de computadora adapta los parámetros en el dispositivo. Además, compara la marcha del paciente con el perfil de una marcha normal en tiempo real”. Asimismo, el modelo puede indicar qué parámetros de configuración mejoran el rendimiento y qué configuraciones afectan el rendimiento. Usando el aprendizaje por refuerzo, el modelo computacional puede identificar rápidamente el conjunto de parámetros que le permiten al paciente caminar normalmente. Los enfoques existentes, que dependen de clínicos capacitados, pueden demorar medio día».

Finalmente, destacan que en la actualidad, la pierna y los sensores protésicos están conectados a través de un cable grueso a un sistema informático que es el encargado de ejecutar el algoritmo de aprendizaje de refuerzo y realiza los ajustes. Por eso, los próximos pasos implicarán hacer que este sistema sea inalámbrico y utilizado por los pacientes en sus entornos normales. Esto debería mejorar la calidad de la capacitación y conducir a un modo de andar más natural.