KAIST ha avviato lo sviluppo di una piattaforma Brain-to-Robot bidirezionale destinata al controllo di esoscheletri robotici attraverso segnali cerebrali e al ritorno di informazioni sensoriali dal robot verso l’utente. Il progetto coinvolge il gruppo di ricerca guidato da Kyoungchul Kong e Jung Kim del Dipartimento di Ingegneria Meccanica di KAIST, in collaborazione con Angel Robotics, azienda specializzata in robot indossabili e ausili per la mobilità.
L’obiettivo non è limitarsi a usare segnali neurali per comandare un cursore, un dispositivo o un singolo attuatore. Il sistema è progettato per leggere l’intenzione motoria dell’utente, trasformarla in comandi per un esoscheletro e restituire contemporaneamente informazioni fisiche rilevate dal robot. Tra queste rientrano la forza di reazione del terreno, cioè la forza esercitata dal pavimento sul piede durante il passo, la coppia applicata alle articolazioni e segnali tattili raccolti da sensori distribuiti sul sistema robotico.
La piattaforma è impostata come una struttura di controllo ad anello chiuso. In un sistema unidirezionale, il cervello invia un comando e il robot esegue il movimento senza una vera restituzione sensoriale diretta all’utente. Nel progetto KAIST, invece, il robot deve acquisire dati meccanici durante il movimento, elaborarli e trasformarli in segnali che possano essere trasmessi al sistema nervoso. L’utente non dovrebbe quindi soltanto decidere di camminare, sollevare un oggetto o muovere un arto, ma ricevere una forma di feedback sul contatto, sul carico e sul comportamento fisico dell’esoscheletro.
Il controllo dell’esoscheletro richiede un’interpretazione molto più complessa rispetto alla semplice classificazione di un’intenzione. I segnali cerebrali devono essere acquisiti, filtrati e decodificati in tempo reale per distinguere, ad esempio, la volontà di iniziare un passo, fermarsi, modificare la traiettoria o applicare forza a una mano robotica. Il sistema deve poi tradurre queste informazioni in comandi compatibili con gli attuatori dell’esoscheletro, tenendo conto di equilibrio, postura, velocità, coppia articolare, sicurezza dell’utente e condizioni dell’ambiente.
Il gruppo guidato da Kyoungchul Kong lavora sulla componente di robotica indossabile e sull’interpretazione dell’intenzione di movimento attraverso modelli AI. Il progetto include anche un’interfaccia somatosensoriale, cioè un sistema destinato a trasferire al cervello informazioni provenienti dai sensori del robot. Questa parte è necessaria perché il controllo di un esoscheletro non può dipendere soltanto dal comando volontario iniziale: per mantenere stabilità e coordinazione, l’utente deve poter ricevere segnali sul contatto con il suolo, sul carico distribuito sugli arti e sulle reazioni meccaniche prodotte dal movimento.
Il gruppo di Jung Kim sviluppa invece una pelle robotica capace di rilevare stimoli fisici e un sistema AI per interpretarli. La pelle robotica può integrare sensori destinati a rilevare pressione, deformazione, vibrazione o contatto, convertendo questi fenomeni in segnali digitali utilizzabili dal sistema di controllo. L’AI somatosensoriale deve poi distinguere quali informazioni siano significative per il movimento e quali possano essere semplificate prima della trasmissione, perché il canale di comunicazione con il cervello non può ricevere indiscriminatamente tutti i dati prodotti dai sensori.
Una delle principali difficoltà tecniche riguarda la necessità di elaborare in tempo reale centinaia di canali di segnali corticali e mantenere una latenza estremamente ridotta. In un controllo motorio bidirezionale, anche ritardi molto brevi possono alterare la sensazione di continuità tra intenzione, movimento e risposta del robot. Se il comando arriva troppo tardi, l’esoscheletro può reagire in modo poco naturale; se il feedback sensoriale viene restituito con ritardo, l’utente può percepire informazioni non più corrispondenti allo stato reale del movimento.
Per questo KAIST sta lavorando su algoritmi AI di encoding e decoding. Il decoding riguarda la conversione dei segnali neurali in comandi per il robot, mentre l’encoding riguarda la trasformazione dei dati raccolti da sensori, articolazioni e superfici di contatto in segnali che possano essere inviati al sistema nervoso. Le due funzioni devono operare in modo coordinato, perché il feedback restituito dal robot può influenzare il comando successivo generato dall’utente, creando un ciclo continuo tra cervello, esoscheletro e ambiente.
Il progetto viene sviluppato nell’ambito di un programma flagship sudcoreano per dispositivi medici avanzati e punta a creare un sistema completo per la riabilitazione e l’assistenza alle persone con paralisi o gravi limitazioni motorie. KAIST indica che non risultano ancora sistemi pienamente bidirezionali capaci di combinare il controllo di un esoscheletro tramite segnali cerebrali con un feedback sensoriale integrato. Le tecnologie brain-computer interface sono già utilizzate in sperimentazioni cliniche per controllare cursori, dispositivi digitali o protesi, ma il passaggio a un robot indossabile che restituisce anche sensazioni meccaniche richiede un’integrazione più stretta tra neuroscienze, AI, meccatronica, sensori e controllo del movimento.
L’architettura proposta da KAIST sposta quindi il focus dalla semplice assistenza motoria automatizzata a un sistema nel quale l’esoscheletro può diventare una vera estensione del corpo dell’utente. Il robot deve interpretare l’intenzione, sostenere il movimento, rilevare ciò che avviene durante l’azione e restituire informazioni sensoriali utili per rendere il controllo più stabile, preciso e vicino a una normale esperienza corporea.