Adaptive control system for trajectory planning of a lower limb rehabilitation robot

Rehabilitation robotics is a major recent application for robotics, and it is growing nowadays with a market size predicted to surpass 1 billion USD in the next five years. It is utilized to create a new paradigm in which assistance from robots combined with also the classical rehab therapy could improve the clinical motor learning outcome for paresis, strokes, and other neurological conditions. In this class of applications , assist-as-needed techniques are a class of methods in which the robot helps the patient to complete a desired movement, while being compliant to the patient action. This strategy permits to limit and overcome the “slacking” behaviour, a major problem in robot mediated therapy. In fact, it is crucial for the robot to adapt to the residual level of ability while performing the desired task in order to provide the assistance necessary to complete the movement, but it is also important that it is being able to let the patient his contribution to the movement. This paradigm was applied to a lower-limb 1 degree of freedom knee exoskeleton joint. The first part of the thesis contains a personalization algorithm that customizes the task, modifying kinematical parameters that defines the characteristics of the trajectory. The second part of the thesis instead focuses on the modification of the impedance control of the system: it is developed a Gaussian radial basis function adaptive controller that learn the required residual torque that it is necessary to follow the reference trajectory and actively decreases his contribution to further stimulate the patient voluntary action.

La robotica riabilitativa è un importante ambito applicativo della robotica odierna attualmente in crescita, con una dimensione di mercato che si prevede supererà 1 miliardo di USD nei prossimi cinque anni. Essa viene utilizzata per creare un nuovo paradigma in cui l’assistenza dei robot, combinata anche con la terapia riabilitativa classica, potrebbe migliorare l’esito clinico dell’apprendimento motorio per la paresi, gli ictus e altre condizioni neurologiche. In questa classe di applicazioni, le tecniche “assist-as-needed” sono un tipo di metodo in cui il robot aiuta il paziente a completare un movimento desiderato, rimanendo compatibile con l’azione del paziente. Questa strategia permette di limitare e superare il comportamento di slaking, un problema importante nella terapia mediata dal robot. Infatti, è cruciale che il robot si adatti al livello residuo di abilità durante l’esecuzione dell’esercizio desiderato al fine di fornire l’assistenza necessaria per completare il movimento, ma è anche importante che il paziente contribuisca al movimento. Questo paradigma è stato applicato ad esoscheletro a 1 grado di libertà per arti inferiori su un movimento di flesso-estensione del ginocchio. La prima parte della tesi contiene un algoritmo di personalizzazione che personalizza l’esercizio, modificando i parametri cinematici che definiscono le caratteristiche della traiettoria. La seconda parte della tesi si concentra invece sulla modifica del controllo di impedenza del sistema: è stato sviluppato un controllore adattativo GBRF che apprende il momento residuo richiesto necessario per seguire la traiettoria di riferimento e riduce attivamente il suo contributo per stimolare ulteriormente l’azione volontaria del paziente. Entrambe le due parti sono state testate in due procedure sperimentali dedicate su soggetti sani.