Förbättrad noggrannhet i robotproteser genom utnyttjande av hjärnsignaler för naturliga handrörelser

StockholmForskare vid det tyska primatcentret har gjort framsteg inom hjärn-datorgränssnitt för att styra proteshänder. Denna utveckling möjliggör precisa handrörelser enbart genom hjärnsignaler, vilket förbättrar förmågan att utföra vardagliga sysslor. I studier med rhesusapor upptäcktes att hjärnsignaler kopplade till handpositioner, snarare än rörelsehastighet, är avgörande för att kunna styra proteshänderna.

Denna innovativa metod erbjuder flera möjliga fördelar:

• Förbättrad precision vid styrning av proteshänder.
• Ökad livskvalitet för personer med rörelsehinder.
• Nya möjligheter för utveckling av mer intuitiva neuroproteser.

Denna forskning syftar till att förstå hur hjärnan kodar olika handpositioner genom att studera nervsignaler. Forskare har utvecklat effektiva metoder för att styra konstgjorda händer med dessa signaler. Detta tillvägagångssätt strävar efter att direkt omvandla hjärnsignaler till rörelser, vilket hjälper personer med förlamning eller neurodegenerativa sjukdomar genom att kringgå skadade nervbanor.

Läs också:

Idag · 04:07

Astrofysiker löser gåtan bakom den mystiska zebrasingalen från Krabbnebulosans pulsar

Handproteser har ofta haft svårt att efterlikna precisa rörelser, eftersom hjärn-datorgränssnitt inte varit så bra på att läsa av hjärnsignaler. Tidigare metoder fokuserade främst på handens hastighet, vilket inte räckte för uppgifter som krävde noggrann kontroll. Denna nya metod lägger istället tonvikten på signalering av handens hållning, vilket gör proteshänder mer responsiva.

Senaste framstegen ger inte bara hopp om bättre proteser, utan ökar även vår förståelse för neurovetenskap och teknik inom hjärn-datorgränssnitt (BCI). Genom att använda BCI tillsammans med proteser illustreras hur teknik och biologi kan samverka för att lösa komplexa problem. Denna samverkan kan leda till skräddarsydda lösningar för enskilda patienter, vilket underlättar aktiviteter som tidigare varit svåra eller omöjliga att utföra.

Forskningens resultat har tillämpningar bortom att bara förbättra proteser. De bidrar till utvecklingen av hjärn-datorgränssnitt (BCI) inom områden som rehabilitering, robotik och människa-datorinteraktion. Genom att förbättra hur enheter förstår och reagerar på hjärnsignaler kommer vi närmare en tid då människor enkelt kan styra maskiner med sina tankar, vilket leder till många nya framsteg.