Cómo crear una mano biónica capaz de parar una bola de algodón sin estrujarla

La habilidad motriz fina, que se adquiere en los primeros años, es fundamental para la vida. Permite la ejecución de movimientos precisos y coordinados con los pequeños músculos de las manos y los dedos. Esta destreza, que parece inconsciente y es esencial para tareas como asir objetos cotidianos, escribir, abrocharse, recortar o alimentarse, es un desafío para las personas con prótesis en brazos y manos, incluso para las más avanzadas y con tecnologías robóticas. Investigadores de la Universidad de Utah han recurrido a la inteligencia artificial (IA) y a las redes neuronales (procesos que imitan al cerebro) para incorporar sensores y sistemas precisos de presión con los que dar a los pacientes con prótesis las destrezas comunes que permiten manipular objetos.

“Por muy realistas que se vuelvan los brazos biónicos, controlarlos sigue sin ser fácil ni intuitivo. Casi la mitad de todos los usuarios abandonan su prótesis, a menudo por dificultad para controlarlos”, explica Marshall Trout, investigador del Laboratorio de NeuroRobótica de la Universidad de Utah y coautor de un estudio sobre estos dispositivos publicado este martes en Nature Communications.

El problema surge porque la mayoría de los brazos y manos biónicos comerciales no tienen forma de replicar el sentido del tacto que permite asir objetos como lo hacen las personas con manos plenamente funcionales.

La investigación aporta soluciones a estas limitaciones con sensores ópticos de proximidad y presión que han incorporado a una mano biónica comercial para, luego, entrenar una red neuronal informática con inteligencia artificial en posturas de agarre que permiten una ejecución de los movimientos de forma natural y más autónoma que con los dispositivos convencionales.

De esta forma, la mano protésica se ha dotado de puntas de dedos que detectan la presión y la proximidad precisa de los objetos para simular el sentido del tacto fino que permite, por ejemplo, identificar el volumen y la masa de una bola de algodón.

Sin embargo, la destreza natural depende de modelos subconscientes del cerebro que anticipan las interacciones entre la mano y el objeto para anticiparse, por ejemplo, a la caída de este. Con el fin de abordar este problema, los investigadores de la Universidad de Utah entrenaron un modelo de red neuronal artificial para conseguir que los dedos se desplacen de forma precisa con el fin de agarrar un objeto.

A pesar de estos logros, los desarrollos no permitían adaptarse plenamente a la voluntad del usuario en acciones más complejas, como sostener sin agarrar un objeto o simplemente frenar su trayectoria. La investigación ha afrontado esta necesidad con un enfoque novedoso: compartir el control entre el usuario y el agente de IA.

“No queremos que el usuario luche contra la máquina por el control, sino que esta mejore la precisión del usuario y, al mismo tiempo, facilite las tareas. En esencia, la máquina aumenta el control natural del usuario para que pueda completar tareas sin tener que pensar en ellas”, explica Trout.

En este sentido, Jacob A. George, profesor de Ingeniería Eléctrica y Computacional del John and Marcia Price College y autor principal de la investigación, añade: “Al sumar inteligencia artificial, pudimos transferir este aspecto de agarre a la prótesis. Este trabajo forma parte de la visión más amplia del Laboratorio de NeuroRobótica de Utah para mejorar la calidad de vida de las personas con amputaciones. El equipo de estudio también está explorando interfaces [conexión física o lógica entre un ordenador y un usuario] neuronales implantadas que permiten a las personas controlar prótesis con la mente e incluso obtener una sensación de tacto que regresa de esto”.

El sistema se ha probado con nueve individuos con extremidades intactas y cuatro participantes amputados en múltiples tipos de agarre y tareas del mundo real, incluyendo sostener y mover objetos frágiles como huevos, recoger papel y beber de una taza.

Tamar Makin, ajena al desarrollo de la Universidad de Utah y profesora de neurociencia cognitiva en la Universidad de Cambridge, es autora de una investigación publicada en PLOS Biology en el que desvela que esta interacción entre máquina y cerebro es más compleja de lo que pudiera parecer. Makin escaneó con resonancia magnética los cerebros de personas sin prótesis y usuarios de estos dispositivos para analizar si los patrones eran similares.

“Las prótesis no se representan [en el cerebro] como manos, pero tampoco como herramientas”, asegura en MIT Technology Review. Según sus investigaciones, la presencia de estas ayudas desencadena una “firma neural única” que permite adaptarse a nuevas condiciones.

Makin ha trabajado con Dani Clode, especialista en el Laboratorio de Plasticidad de la Universidad de Cambridge, quien ha aprovechado esta plasticidad del cerebro para eludir la tendencia a imitar exactamente el cuerpo. Clode estudia aplicaciones de la neurociencia para prótesis dotadas de sistemas motores y sensores de presión, pero con diseños que incorporan elementos innovadores, como un pulgar auxiliar extra, para ganar capacidades.