ربات‌های پوشیدنی چندین سال است که دست‌مایه فیلم‌های علمی-تخیلی قرار گرفته است. به گزارش خبرنگار فناوری‌های نوین باشگاه خبرنگاران؛ یکی از چالش‌های ربات‌های پوشیدنی روش کنترل آن‌هاست. این ربات‌ها دسته کنترل، فرمان یا چیزهایی شبیه این ندارند و ربات، خود باید حرکات طبیعی فرد را تشخیص داده و آن را درست مانند حرکت اعضای بدن فرد اما با قدرتی بیشتر اجرا کند. هر چه تشخیص حرکت بهتر بوده و حرکات ربات همخوانی بهتری با اعضای بدن فرد داشته باشد، کاربر احساس راحتی بیشتری با ربات می‌کند.
رباتی که حرکات شما را یاد می‌گیرد
برای کنترل ربات‌های پوشیدنی تا کنون روش‌های مختلفی ابداع شده است اما شاید هیچکدام به اندازه روش شریفی‌ها کاربران را راضی نکند. در روشی که پژوهشگران دانشگاه صنعتی شریف توسعه داده‌اند، ربات پس از مدتی حرکات فرد را یاد گرفته و متناسب با ویژگی‌های وی عکس‌العمل نشان می‌دهد.
مهران جاهد، سرپرست این طرح می‌گوید: « رفتارهای حرکتی مثل راه‌رفتن، برداشتن و گرفتن اشیاء از جمله ویژگی‌های فردی است و هر شخصی رفتارهای خاص خود را دارد. اما در روش‌های موجود کنترل ربات‌های پوشیدنی، اغلب حرکات از پیش برنامه‌ریزی شده و به صورت یکسان برای همه کاربران اجرا می‌شوند. در این صورت ربات نه تنها هماهنگی کمی با بدن دارد بلکه اگر با اتفاق پیش‌بینی نشده‌ای مواجه شود، نمی‌داند که باید با آن چه کند.».
وی می‌افزاید:« در واقع تا کنون انسان باید نحوه کار با ربات را آموزش می‌دید اما حالا ربات است که یاد می‌گیرد چگونه با کاربر هماهنگ شود.»
راحتی بیشتر برای کاربران و کمکی برای پزشکانمحمد قاسمی، همکار این طرح درباره روش جدید کنترل ربات‌های پوشیدنی که به اسکلت‌های خارجی نیز مشهورند می‌گوید:« بدن برای انجام حرکات فیزیکی از قوانین خاصی پیروی می‌کند که مغز انسان، آن‌ها را کنترل می‌کند، مهمترین کار ما پیدا کردن و الگو برداری از این قوانین بود. مدل حرکتی تمام افراد تقریبا یکسان است و تنها تفاوت اشخاص در تنظیمات پارامترهای این مدل است.» قاسمی درباره اصول طراحی مدل کنترلی جدید اینگونه توضیح می‌دهد:« برای این کار ما از سیگنال‌های عصبی که به عضلات فرمان حرکت می‌دهند استفاده کردیم که این سیگنال‌ها از روی پوست قابل شناسایی هستند. چنین انتخابی به ربات اجازه می‌دهد درست مانند یک عضله واقعی مستقیما از سیستم عصبی بدن فرمان بگیرد.
البته برای این‌که پارامترهای مدل با ویژگی‌های فرد انطباق پیدا کند، کاربر باید آن را برای مدتی پوشیده و ربات به مرور حرکات فرد را یاد می‌گیرد. این در حالی است که در اغلب سامانه‌های کنترلی اینگونه ربات‌ها با استفاده از حسگرهایی، تنها حرکت فیزیکی بدن را تشخیص داده و آن را تقویت می‌کنند چنین ربات‌هایی کاری به ویژگی‌های فردی ندارند و فقط از یک الگوی تعریف شده برای هر حرکت پیروی می‌کنند. بدین‌ترتیب مدل ما یک مدل فیزیولوژیک است که پارامترهای آن در دانش پزشکی معنا دار است. چنین مدلی علاوه بر راحت کردن کنترل ربات برای فرد، امکان بررسی وضعیت بیماران کم‌توان حرکتی که از ربات استفاده می‌کنند را نیز برای پزشکان فراهم می‌آورد.» پژوهش ادامه دارد.
جاهد درباره برنامه‌های بعدی گروهش برای توسعه این فناوری می‌گوید:« در حال حاضر این روش برای مدل‌سازی دست استفاده شده و با انجام آزمایش‌هایی نتایج آن تایید شده است. ما هم‌اکنون در حال ساخت نمونه واقعی ربات پوشیدنی مجهز به این کنترل کننده هستیم و می‌خواهیم آن را برای سایر اعضای حرکتی بدن نیز طراحی کنیم.»
