Robot rehabilitacyjny MIT uczy się od fizjoterapeutów wspierać pacjentów po udarze

Inżynierowie mechanicy z MIT zbudowali robota do fizjoterapii, który zamiast odtwarzać z góry zaprogramowany ruch, uczy się od fizjoterapeutów, jak reagować na dotyk, opór mięśni i aktualny wysiłek pacjenta. System ma pomóc osobom po udarze w sytuacji, gdy liczba pacjentów wymagających rehabilitacji rośnie szybciej niż liczba dostępnych terapeutów.

Robot ma dwa ramiona i pracuje w bezpośrednim kontakcie fizycznym z pacjentem. Zamiast poruszać się po sztywno zaprogramowanej trajektorii, system dostosowuje siłę i sposób wsparcia do tego, ile wysiłku pacjent jest w stanie w danej chwili włożyć w ćwiczenie. To odróżnia go od wcześniejszych generacji robotów rehabilitacyjnych, które oferowały głównie powtarzalne, identyczne dla wszystkich sekwencje ruchów.

Uczenie się dotyku, nie tylko ruchu

Sercem systemu są modele dyfuzyjne, czyli technologia znana z generowania obrazów w narzędziach podobnych do ChatGPT, zastosowana jednak nie do pikseli, lecz do zachowań fizycznych robota. Model uczy się, jak silnie i w jaki sposób podeprzeć rękę pacjenta w odpowiedzi na dotyk, opór i poziom wysiłku, zamiast wyłącznie odtwarzać zapamiętaną trajektorię ruchu.

Podczas gdy większość generatywnych modeli AI w robotyce skupia się na ruchu, nasz jest jednym z pierwszych, które uczą się fizycznej interakcji, czyli tego, jak reagować na dotyk, siłę i opór - Noah Geiger, MIT

Zespół trenował model na danych z eksperymentów teleoperacyjnych, w których zdrowi uczestnicy wykonywali ruchy rehabilitacyjne, takie jak unoszenie i sięganie ramieniem, z różnym poziomem włożonego wysiłku. Badacze opisują ten zbiór danych jako swoisty parkur ruchowy, obejmujący bogaty w kontakt fizyczny repertuar interakcji, jakie mogą wystąpić między terapeutą a pacjentem.

Terapeuta trenuje własnego robota

Kluczowa różnica względem wcześniejszych rozwiązań polega na tym, że to sami fizjoterapeuci mogą trenować robota, z którym pracują. W trwającym już badaniu klinicznym w Monachium terapeuci noszą rękawice wyposażone w czujniki siły podczas rzeczywistych sesji z pacjentami. Zebrane w ten sposób dane trafiają do modelu AI, który uczy się stylu pracy konkretnego terapeuty i przekłada go na zachowanie robota.

Podstawową innowacją naszego systemu jest to, że fizjoterapeuci mogą trenować własnego robota za pomocą AI, co daje spersonalizowane, skalowalne wsparcie dopasowane do potrzeb każdego pacjenta - Johannes Lachner, MIT

Takie podejście ma rozwiązać problem, który dotyczy systemów ochrony zdrowia na całym świecie: rosnącej liczby pacjentów po udarze przy jednoczesnym niedoborze wykwalifikowanych fizjoterapeutów. Robot ma nie zastępować terapeutów, lecz pozwolić im obsłużyć więcej pacjentów, przenosząc część powtarzalnej, ale wymagającej precyzji pracy na maszynę wyszkoloną tak, by naśladowała ich indywidualny sposób prowadzenia terapii.

Zastosowania poza rehabilitacją po udarze

Badacze z MIT wskazują, że ta sama technologia mogłaby znaleźć zastosowanie poza rehabilitacją poudarową, między innymi w powrocie do sprawności po operacjach, w utrzymywaniu siły mięśniowej u osób starszych oraz we współpracujących z ludźmi stanowiskach robotów w przemyśle, gdzie maszyna musi wyczuwać opór i dostosowywać siłę nacisku do zadania i operatora.

Dla Polski, gdzie dostęp do fizjoterapii poudarowej poza dużymi ośrodkami bywa ograniczony, tego typu technologia pozostaje na razie na etapie badań klinicznych za granicą i wdrożenie w krajowych placówkach rehabilitacyjnych nie jest jeszcze przedmiotem żadnych zapowiedzi. Projekt pokazuje jednak kierunek, w którym może zmierzać rehabilitacja wspomagana AI w najbliższych latach: nie zastępowanie terapeuty gotowym programem ćwiczeń, lecz maszynę uczącą się konkretnego stylu pracy konkretnego specjalisty.

Publikacja zespołu, zatytułowana Diffusion-Based Impedance Learning for Contact-Rich Manipulation Tasks, ukazała się w czasopiśmie IEEE Transactions on Robotics w 2026 roku i opisuje szczegóły techniczne modelu oraz wyniki eksperymentów z uczeniem impedancji w zadaniach manipulacji wymagających bogatego kontaktu fizycznego.