Real-time fine-tuning of elbow exosuit assistance via Computer Vision

Industry 4.0 has introduced significant innovations in technology. However, one of the biggest problems in this area is that much of the work is done not by machines but by people, such as loading and unloading objects working overhead, or repetitive movements. These are strenuous works that can lead to the onset of work-related musculoskeletal disorders. This is a high cost to companies that can be reduced through injury prevention. For this reason, a category of exoskeletons and exosuits has emerged whose purpose is to relieve muscle strain at the joints for the upper limb. The main problem present in the use of these devices is the modulation of assistance to make these devices move symbiotically with the wearer. It can be done by active devices and by passive devices. The limitation of passive devices is that they cannot provide accurate assistance, while the problem with active devices is related to the weight of the objects being lifted. In previous work, it has already been shown that exosuits are capable of providing continuous assistance at the elbow level by moving symbiotically with the user and have the advantage of being lightweight and portable. The problem that remains is the adaptability of the assistance. To solve this problem, as human beings use the visual system to interact with their environment, a Computer Vision technique based on object detection could be used to modulate assistance in real-time. We combined the vision model with an exosuit for elbow assistance and tested it on eleven healthy participants who had to perform repetitive tasks in lifting objects following a predetermined trajectory. Among the results obtained, the device is able to reduce biceps activity by up to 45% for the medium weight object and up to 54% for the heaviest object tested. Computer vision combined with soft exoskeletons represents a great opportunity to improve efficiency and safety in industrial workplaces, protecting workers from injury and improving the quality of work performed.

L'Industria 4.0 ha introdotto diverse innovazioni per quanto riguarda le linee di produzione. Tuttavia, uno dei maggiori problemi in questo settore deriva dalla mancanza di completa automatizzazione e la manodopera risulta necessaria in diverse parti del processo di produzione. In settori come la logistica o nelle catene di montaggio, il lavoratore esegue movimenti ripetitivi o faticosi che possono portare all'insorgere di infiammazioni muscolari o danni del sistema muscolo-scheletrico. Ció puó portare all'insorgenza di disturbi muscolo-scheletrici legati al lavoro. Si tratta di un costo elevato per le aziende che può essere ridotto attraverso la prevenzione degli infortuni. Per questo motivo, è nata una categoria di dispositivi di assistenza il cui scopo è quello di alleviare lo sforzo muscolare o quello sostenuto dalle articolazioni dell'arto superiore. Il problema principale nell'uso di questi dispositivi è la modulazione dell'assistenza per far in modo che si muovano in simbiosi con chi li indossa. Ciò può essere fatto da dispositivi attivi e da dispositivi passivi. Il limite dei dispositivi passivi è che non sono in grado di fornire un'assistenza accurata, mentre il problema dei dispositivi attivi è l'aumento del peso del dispositivo dovuto al collegamento di componenti elettromeccaniche. Per ovviare a questi problemi si sono sviluppati sistemi di assistenza basati su esoscheletri morbidi: gli exosuits. In lavori precedenti, è già stato dimostrato che gli esoscheletri morbidi sono in grado di fornire un'assistenza continua a livello del gomito muovendosi in simbiosi con l'utente e hanno il vantaggio di essere leggeri e trasportabili. Il problema che rimane è l'adattabilità dell'assistenza. Per risolvere questo problema, come gli esseri umani utilizzano il sistema visivo per interagire con l'ambiente, si potrebbe utilizzare una tecnica di intelligenza artificiale (AI) basata sul rilevamento degli oggetti per modulare l'assistenza in tempo reale. Abbiamo combinato il modello di vision con un esoscheletro morbido per l'assistenza al gomito e lo abbiamo testato su undici partecipanti sani che dovevano eseguire compiti ripetitivi di sollevamento di oggetti seguendo una traiettoria predeterminata. Tra i risultati ottenuti, il dispositivo è in grado di ridurre l'attività muscolare dei bicipiti fino al 45% per l'oggetto di peso medio e fino al 54% per l'oggetto più pesante testato. La Computer Vision combinata con esoscheletri morbidi rappresenta una grande opportunità per migliorare l'efficienza e la sicurezza nei luoghi di lavoro industriali, proteggendo i lavoratori da infortuni e migliorando la qualità del lavoro svolto.