Maschinelles Lernen

Handprothese mit Intelligenz ausgestattet

| Redakteur: Sariana Kunze

Mit einem neuen Algorithmus wollen Entwickler der Universität Bielefeld es möglich machen, dass eine Handprothese nach dem erneuten Anlegen der Elektrodenmanschette wieder einwandfrei funktioniert.
Mit einem neuen Algorithmus wollen Entwickler der Universität Bielefeld es möglich machen, dass eine Handprothese nach dem erneuten Anlegen der Elektrodenmanschette wieder einwandfrei funktioniert. (Bild: Universität Bielefeld)

Zur Hannover Messe zeigte die Universität Bielefeld vier Plattformen und Anwendungen für maschinelles Lernen: Neben einer bessern Steuerung für eine Handprothese stellten die Forscher beispielsweise auch einen intelligenten Spiegel vor.

Vier Plattformen und Anwendungen für maschinelles Lernen präsentierte die Universität Bielefeld gemeinsam mit dem Forschungsinstitut für Kognition und Robotik (Cor-Lab) und dem Exzellenzcluster Kognitive Interaktionstechnologie (Citec) zur Hannover Messe. „Wir haben auf der Messe aktuelle Technologien und Anwendungsbeispiele für den effizienten Einsatz maschineller Lernverfahren gezeigt“, sagt Dr.-Ing. Sebastian Wrede vom Cor-Lab. „Diese wurden entlang der Wertschöpfungskette – von ressourcenschonender Hardware über Software bis hin zum integrierten intelligenten System – demonstriert.“

Maschinelles Lernen verbessert Handprothesen

Ein Beispiel ist ein neues Verfahren für die schnelle Anpassung von Handprothesen. Das System ermöglicht auch dann eine einwandfreie Steuerung einer Handprothese, wenn sich die Messelektroden auf der Haut verschoben haben. Mit modernen Handprothesen lässt sich die Funktion der Hand teilweise wiederherstellen: Elektroden auf dem Armstumpf messen die Muskelsignale, ein Algorithmus leitet daraus die gewollte Handbewegung ab und eine Prothese führt die Bewegung aus.

Solche Prothesen sind aber anfällig für Störungen, vor allem die Verschiebung der Elektroden auf der Haut. Die Forschungsgruppe Maschinelles Lernen von Professorin Dr. Barbara Hammer hat ein System entwickelt, das Störungen infolge von Elektrodenverschiebungen ausgleicht. Ein Algorithmus für Maschinelles Lernen passt das Steuerungssystem, wie es in der Klinik eingestellt wurde, auf die neue Elektrodenposition im Alltag an. Das Besondere: Es kommt mit sehr wenigen Daten aus. „Das macht das neue Verfahren auch für die Industrie interessant“, sagt Sebastian Wrede. „Auch hier müssen Systeme oft mit wenigen Beispieldaten auskommen.“

Dieser Beitrag stammt von unserem Partnerportal Elektrotechnik.

Kommentar zu diesem Artikel abgeben

Schreiben Sie uns hier Ihre Meinung ...
(nicht registrierter User)

Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
Kommentar abschicken
copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45908161 / Medizintechnik)