La investigación, publicada en IEEE Transactions on Robotics por científicos del MIT, combina modelos de difusión basados en transformers con retroalimentación de fuerza en tiempo real para adaptar la asistencia según la capacidad de cada paciente,
Investigadores del Departamento de Ingeniería Mecánica del MIT desarrollaron un sistema robótico de fisioterapia que aprende directamente de terapeutas humanos para apoyar de forma adaptativa a pacientes que han sufrido un accidente cerebrovascular. El trabajo, liderado por Johannes Lachner y Noah Geiger publicado en IEEE Transactions on Robotics, utiliza modelos de difusión avanzados para ajustar la asistencia física mediante retroalimentación de fuerza en tiempo real.
El accidente cerebrovascular es una de las principales causas de muerte y discapacidad en el mundo, afecta a 15 millones de personas cada año y deja a 5 millones con secuelas permanentes. A esto se suma una escasez creciente de fisioterapeutas, lo que dificulta el acceso a una atención constante y de calidad.
“Nuestro objetivo es enseñar a los robots a asistir en terapia física y ocupacional, no para reemplazar a los terapeutas, sino para extender su alcance”, Lachner.
Además, agregó que la innovación central del sistema radica en que los propios fisioterapeutas pueden entrenar a su robot mediante inteligencia artificial, lo que permite un soporte personaliz ado y escalable para cada paciente.
El sistema, denominado Diffusion-Based Impedance Learning, combina un modelo de difusión basado en transformers con control de impedancia energéticamente consistente. El modelo se condiciona mediante atención cruzada a partir de las fuerzas externas medidas y reconstruye trayectorias simuladas de fuerza cero que representan un comportamiento de equilibrio consistente con el contacto físico. Un programador de ruido cuaterniónico basado en interpolación esférica lineal preserva la consistencia geométrica en las rotaciones. A partir de esa reconstrucción, un estimador basado en energía adapta la impedancia en tiempo real mediante modulación direccional de rigidez y amortiguamiento.
“Mientras que la mayoría de los modelos de IA generativa en robótica se centran en el movimiento, el nuestro es uno de los primeros en aprender la interacción física, es decir, cómo responder al tacto, a la fuerza y a la resistencia. La novedad de nuestro modelo de IA generativa radica en su capacidad para aprender la interacción física dinámica más allá de la planificación del movimiento”, Geiger.
El investigador señaló que la novedad del modelo radica en su capacidad de aprender interacción física dinámica más allá de la planificación de movimiento.
Para entrenar el sistema, los investigadores utilizaron un robot de doble brazo y datos recolectados mediante teleoperación con Apple Vision Pro. Participantes sanos realizaron movimientos comunes de rehabilitación, como elevación de brazo y alcance fuera de plano, variando de forma intencional su nivel de esfuerzo. En paralelo, operadores humanos guiaron al robot a través de tareas de manipulación con contacto intensivo, en lo que Lachner describió como un “parkour físico de movimiento”. Según el estudio, el modelo alcanzó una precisión posicional submilimétrica y una precisión rotacional inferior a un grado utilizando apenas decenas de miles de muestras. Implementado en control de torque en tiempo real sobre un brazo robótico KUKA LBR iiwa, el sistema logró un desempeño de 100% en tareas de inserción de clavija en orificio con múltiples geometrías no vistas previamente por el modelo.
La investigación ya trascendió el entorno de laboratorio, pues en un estudio clínico en curso, desarrollado en colaboración con el laboratorio de la profesora Cristina Piazza en la Universidad Técnica de Múnich (TUM) y el centro de rehabilitación ambulatoria Pfennigparade, en Múnich, terapeutas físicos y ocupacionales que utilizan guantes con sensores de fuerza están siendo grabados mientras atienden a pacientes reales. Estos datos se emplean para entrenar un nuevo modelo de IA generativa que capture el estilo particular de interacción física de cada terapeuta. Lachner indicó que los experimentos robóticos iniciales ya demostraron la viabilidad de este enfoque, y que la siguiente fase del proyecto busca desarrollar modelos específicos por terapeuta y evaluarlos en un estudio clínico de largo plazo con los mismos pacientes que antes recibieron terapia manual.
“Los primeros experimentos con robots ya han demostrado la viabilidad de este enfoque. La siguiente fase del proyecto tiene como objetivo desarrollar modelos específicos para cada terapeuta y evaluarlos en un estudio clínico a largo plazo con los mismos pacientes que ya habían recibido terapia manual”, Lachner.
El trabajo se apoya en investigaciones previas del Newman Laboratory for Biomechanics and Human Rehabilitation, dirigido por Neville Hogan, profesor de Ingeniería Mecánica en el MIT. Hogan explicó que el trabajo anterior se limitaba al alcance sobre un plano, mientras que este nuevo desarrollo se extiende a un conjunto de acciones mucho más amplio y funcional.
“De cara al futuro, nuestro enfoque podría ir mucho más allá de la fisioterapia. Tiene el potencial de enseñar a los robots a interactuar físicamente con el mundo, por ejemplo, en entornos industriales o en espacios de trabajo colaborativos. Al combinar un control basado en la física con la inteligencia artificial, estamos haciendo posible una nueva generación de robots físicamente inteligentes, estables y seguros”, Lachner.
El sistema podría aplicarse a pacientes con accidente cerebrovascular que presentan alteraciones en las extremidades superiores, personas en recuperación posquirúrgica que buscan recobrar su rango de movimiento, y adultos mayores que necesitan mantener fuerza y movilidad en brazos y hombros. Lachner planteó que el enfoque podría extenderse más allá de la fisioterapia hacia entornos industriales o espacios de trabajo colaborativo, al combinar control fundamentado en principios físicos con inteligencia artificial para desarrollar una nueva generación de robots físicamente inteligentes, estables y seguros.
