Omkring en miljon amerikaner med skador eller åldersrelaterade funktionshinder behöver någon som hjälper dem att äta. Nu har NIBIB-finansierade ingenjörer lärt en robot de strategier som behövs för att plocka upp mat med en gaffel och försiktigt leverera den till en persons mun.

Siddhartha Srinivasa, Ph.D., Boeing-professorn vid School of Computer Science and Engineering vid University of Washington, är känd som en passionerad robotiker som bygger kompletta robotsystem som integrerar perception, planera, och kontroll för att utföra praktiska funktioner i den verkliga världen. För närvarande, Srinivasa och hans team har vänt sig till att hjälpa de miljontals individer enbart i USA som behöver någon som hjälper dem att äta.

Deras utveckling av en robot som heter ADA, som hänvisar till dess hjälpande fingerfärdiga arm, rapporteras i aprilnumret av IEEE Robotics and Automation Letters .

säger Grace Peng, Ph.D., chef för NIBIB-programmet i matematisk modellering, Simulering, och analys, "Vi har stöttat den här gruppens enastående arbete med att utveckla system för rullstolskontroll baserat på förståelse av användarens avsikt. Detta aktuella dokument målar upp en utmärkt bild av de parametrar som måste beaktas ur teknisk synvinkel för att utveckla en matningsrobot."

Tidigt i designen av ADA insåg ingenjörerna att de måste börja från grunden. I det här fallet var ground zero att spett matbitar på en gaffel. De började med att titta på mätning, och katalogisera hur människor gör det. Inte helt förvånande för utbildade ingenjörer, olika spettstrategier användes baserat på storleken, form, styvhet, böjlighet, och andra fysiska egenskaper hos livsmedel som inkluderade jordgubbar, bananbitar, melonkuber, remsor av selleri, och babymorötter.

Teamet använde data som samlats in om de strategier människor använder för att äta olika livsmedel för att programmera ADA för att exakt identifiera varje föremål på en tallrik, och sedan utföra de optimala rörelserna som resulterar i att man lyckas spett varje föremål och leverera det till mottagarens mun. Till exempel, till skillnad från en jordgubbe, som är kraftigare, mjukheten hos en banan krävde spett i vinkel för att undvika att biten helt enkelt glider av gaffeln.

Strimlor av selleri krävde ett specifikt tillvägagångssätt för både spett och för att leverera maten till munnen på rätt sätt. Roboten fick lära sig att sticka in gaffeln i ena änden av remsan, och lyft sedan och vänd biten så att den motsatta änden av sellerin, bort från gaffelns vassa tänder, presenterades rent för mottagaren.

Gruppens arbete syftar till att hjälpa människor som inte kan utföra väsentliga uppgifter att leva mer självständigt. Säger Srinivasa, "Vi tror att vår teknik kan hjälpa dem som är beroende av en vårdgivare att mata dem varje dag för att återfå viss självständighet och kontroll över sina liv."

Förutom det viktiga målet, Srinivasa påpekar att ADA också kan vara en hjälp för ofta överbeskattade vårdgivare, WHO, i det här fallet skulle kunna ställa in maten och roboten och sedan sköta andra uppgifter eller fokusera på att umgås med klienterna. "På detta sätt ser vi ADA som en win-win för vårdgivare och deras klienter som i slutändan kommer att förbättra upplevelsen för alla inblandade - speciellt när landets befolkning åldras och behovet av att optimera strategier för deras vård ökar."

Inför publicering av forskargruppens resultat i april, utvecklingen av ADA vann priset för bästa demo vid mötet för Neural Information Processing Systems i december 2018, och Best Tech Paper Award vid den gemensamma Association for Computing Machinery / Institute of Electrical and Electronics Engineers International Conference on Human Robot Interaction i mars 2019.