Verbundprojekt: KI-Steuerungselektronik für energiesparsame langlebige Elektromotoren - ECOMAI - Teilvorhaben: KI-erweiterte Motorsteuerung für Trainingsroboter in der medizinischen Rehabilitation

Abstract

Das Projekt ECOMAI verfolgte das Ziel, eine KI-gestützte, lastabhängige Motorstromregelung für ökologische Antriebssysteme zu entwickeln und diese in robotergestützten Rehabilitationssystemen für die oberen Extremitäten anzuwenden. Ein zentrales Projektziel war die Reduktion des manuellen Aufwands durch therapeutisches Fachpersonal bei gleichzeitiger Sicherstellung einer wirksamen und adaptiven Rehabilitation. Im Rahmen der Use-Case-Definition wurden Anwendungen für die Arm- und Fingerrehabilitation identifiziert, die sich insbesondere an Patientinnen und Patienten mit schweren motorischen Einschränkungen richteten. Für die Armrehabilitation entwickelte das Projekt ein Trainingskonzept, das die systematische Übung aller relevanten Gelenkbewegungen umfasste, um die Wiederherstellung der Mobilität einzelner Armsegmente zu unterstützen. Ergänzend adressierte die Fingerrehabilitation passive, aktive sowie aktiv-assistierte Therapieformen und reagierte auf den steigenden Bedarf an Rehabilitationsmaßnahmen bei gleichzeitig begrenzten personellen Ressourcen im Gesundheitswesen. Zur Umsetzung der Projektziele wurden KI-basierte Motorregelungsmodelle entwickelt. Diese basierten auf einer neuronalen Feed-Forward-Torque-Control-Architektur mit einem dualen Netzansatz, der elektromyographische Signale und historische kinematische Daten kombinierte. Durch diese Architektur wurde die physiologische Kopplung zwischen Muskelaktivierung und Gelenkbewegung abgebildet. Die entwickelten Modelle ermöglichten eine Echtzeit-Inferenz mit Latenzen unter einer Millisekunde und zeigten in Simulationen eine hohe Übereinstimmung zwischen vorhergesagten und gemessenen Bewegungsparametern. Die Validierung der entwickelten Regelungsansätze erfolgte in einer NEURO-Testumgebung für die obere Extremität. Hierzu wurde ein Arm-Exoskelett mit bürstenlosem Motor und Harmonic-Drive-Getriebe eingesetzt, das unter variierenden Lastbedingungen betrieben wurde. Die Experimente bestätigten eine klare lastabhängige Stromaufnahme sowie die Robustheit der Regelung auch unter nichtstationären, biophysikalisch beeinflussten Bedingungen. Ergänzende Versuche zur Fingerrehabilitation mit mehreren Probandinnen und Probanden zeigten reproduzierbare Ergebnisse hinsichtlich der lastabhängigen Aktuation. Darüber hinaus wurden Anwenderszenarien durch verschiedene Anwender evaluiert. Die Ergebnisse belegten eine signifikante Reduktion des zeitlichen und manuellen Aufwands für Therapeuten im Vergleich zum Stand der Technik. Damit konnte erstmals der Nachweis erbracht werden, dass eine KI-basierte Integration menschlicher Biosignale in die Motorregelung modularer Rehabilitations-Exoskelette technisch realisierbar ist. Insgesamt demonstrierte das Projekt ECOMAI das hohe Potenzial KI-gestützter, ökologischer Motorantriebe zur Effizienzsteigerung, Skalierbarkeit und Entlastung des rehabilitativen Versorgungssystems.