Hình ảnh từ bài: link
Trong những năm gần đây, sự quan tâm đến việc sử dụng thiết bị robot để cung cấp liệu pháp phục hồi sau chấn thương thần kinh như đột quỵ và tổn thương tủy sống đã tăng lên [1, 2]. Phương pháp chung đang được nghiên cứu là sử dụng thiết bị robot để tương tác vật lý với chi nhánh của người tham gia trong quá trình huấn luyện chuyển động, mặc dù cũng có công trình sử dụng robot mà không tiếp xúc vật lý với người tham gia để “hướng dẫn” [3-5]. Như thể hiện trong Hình 2, số lượng bài báo trong lĩnh vực này đã tăng vọt trong mười năm qua.
Nhiều công trình mới tập trung vào việc phát triển cơ chế robot với nhiều bậc tự do, nhằm hỗ trợ huấn luyện chuyển động của các phần tử phức tạp hơn, như đi bộ [6-15], chuyển động đa khớp của cánh tay và bàn tay [16-26]. Công trình cũng đã tập trung vào việc tạo ra các thiết bị có thể mang theo để sử dụng trong hoạt động hàng ngày [11, 27-31]. Cũng đã có sự tiến bộ trong việc phát triển chiến lược điều khiển xác định cách thiết bị này tương tác với người tham gia. Mục đích của bài viết này là đánh giá sự tiến bộ của chiến lược điều khiển và nhấn mạnh một số lĩnh vực cần phát triển trong tương lai.
Mục tiêu của thuật toán điều khiển robot trong liệu pháp là kiểm soát các thiết bị robot được thiết kế để thực hiện bài tập phục hồi, sao cho các bài tập được lựa chọn khiến hệ thống vận động tạo ra sự thích nghi và từ đó cải thiện khả năng phục hồi chức năng vận động. Tuy nhiên, hiện tại, chưa có một hiểu biết khoa học vững chắc về cách tiếp cận tốt nhất cho mục tiêu này. Do đó, các thuật toán điều khiển thiết kế cho liệu pháp robot thường được xây dựng một cách tùy ý, thường dựa trên một số khái niệm từ lĩnh vực phục hồi chức năng, sinh lý học thần kinh và học tập vận động. Trong bài viết này, chúng tôi tóm tắt tóm lược những khái niệm này, nhưng không xem xét chi tiết về chứng cứ sinh lý học thần kinh, tập trung thay vào đó vào cách chiến lược điều khiển thể hiện các khái niệm chung.
Một cách để nhóm các thuật toán điều khiển hiện tại là theo chiến lược khuyến khích sự thích nghi: hỗ trợ, thách thức, mô phỏng các nhiệm vụ bình thường và giảng dạy không tiếp xúc [xem tệp bổ sung 1]. Có thể có các chiến lược khác được đề xuất trong tương lai, nhưng hiện tại, hầu hết các thuật toán dường như thuộc vào bốn danh mục này, và chúng tôi sẽ sử dụng sự phân loại này để tổ chức bài đánh giá này.
Khuôn mẫu phát triển nhất là chiến lược hỗ trợ. Các bộ điều khiển hỗ trợ giúp người tham gia di chuyển các chi nhánh yếu đang trong quá trình thực hiện các mẫu di chuyển không gian trong quá trình cầm vật, với mục tiêu tương tự như những bài tập “tự vận động” được thực hiện bởi các chuyên gia phục hồi chức năng. Chúng tôi sẽ sử dụng thuật ngữ “thách thức” để chỉ các bộ điều khiển tạo ra các nhiệm vụ chuyển động khó hay thách thức. Ví dụ bao gồm bộ điều khiển cung cấp sự kháng cự cho các chuyển động chi nhánh của người tham gia trong quá trình tập luyện, yêu cầu các mẫu phát sinh lực cụ thể hoặc tăng kích thước của sai số chuyển động (chiến lược “tăng cường sai số”). Phương pháp thứ ba, được gọi là mô phỏng động học, đề cập đến việc thực hành các hoạt động hàng ngày trong môi trường ảo. Mô phỏng động học có sự linh hoạt, thuận tiện và an toàn so với việc tập luyện trong môi trường vật lý, như được đánh giá dưới đây. Cuối cùng, có một số công trình về các thiết bị robot không tiếp xúc vật lý với người tham gia mà thay vào đó phục vụ như nhà huấn luyện, giúp hướng dẫn chương trình điều trị, tạo động lực cho người tham gia và khuyến khích học tập vận động. Đối với các thiết bị như vậy, đã đưa ra giả thuyết rằng thể hiện cơ chế huấn luyện tự động có nhiều ưu điểm đặc biệt để khuyến khích người tham gia [3]. Rõ ràng, các chiến lược này không độc lập và trong một số trường hợp, có thể kết hợp nhiều chiến lược và sử dụng một cách bổ sung. Hơn nữa, chiến lược hỗ trợ và thách thức có thể được coi là các điểm khác nhau trên một dải liên tục của sự hỗ trợ hoặc thách thức; nghĩa là sự hỗ trợ đơn giản là ít thách thức và thách thức ít hỗ trợ.
Mục tiêu của bài viết này là xem xét các thuật toán điều khiển liệu pháp robot “cao cấp” hơn là “thấp cấp”. Bằng cách “cao cấp”, chúng tôi hiểu những khía cạnh của thuật toán điều khiển được thiết kế một cách rõ ràng để khuyến khích sự thích nghi vận động. Đối với nhiều robot, các thuật toán “cao cấp” này được hỗ trợ bởi các bộ điều khiển “thấp cấp” thực hiện kiểm soát lực, vị trí, điện trở hoặc gia nhập cần thiết để thực hiện thuật toán “cao cấp”. Nghiên cứu về thiết bị liệu pháp robot đã nâng cao trạng thái nghệ thuật trong việc kiểm soát lực “thấp cấp” cũng, ví dụ, trong kiểm soát khí nén [21, 22, 27] và điều khiển dựa trên cáp [8, 14, 18, 19, 26, 32-35], nhưng những tiến bộ này không phải là trọng tâm của bài viết này.
