Manipular um braço robótico, uma prótese de mão ou um dispositivo de reabilitação é mais difícil do que pode parecer. Pegar num ovo requer uma força precisa — se for muito pouca, o ovo escorrega; se for demasiada, o ovo parte-se.
Créditos da imagem: Unsplash/CC0 Domínio Público

Manipular um braço robótico, uma prótese de mão ou um dispositivo de reabilitação é mais desafiante do que pode parecer. Pegar num ovo requer uma força precisa — se for muito pouca, o ovo escorrega; se for demasiada, o ovo parte-se.

Para utilizadores de próteses ou doentes que sofreram um AVC, esta precisão é difícil de alcançar devido à falta ou limitação de feedback visual e tátil. Sem informação sensorial suficiente, controlar os movimentos com precisão torna-se muito mais difícil.

Para resolver esta questão, os investigadores adicionaram pistas como vibrações, sons e sinais visuais para substituir as sensações em falta. O feedback sensorial aumentado pode melhorar o desempenho, mas requer equipamento adicional e não consegue replicar totalmente a sensação natural dos membros.

Em busca de uma solução mais simples, Pierre Vassiliadis e Friedhelm Hummel, do Instituto Neuro-X da EPFL, juntamente com Silvestro Micera e Solaiman Shokur, exploraram uma abordagem diferente. Em vez de restaurar as sensações perdidas, testaram se o cérebro poderia aprender melhor a partir de feedback diretamente ligado a ações bem-sucedidas.

Feedback contínuo

«A maioria dos métodos de treino apenas indica aos utilizadores se tiveram sucesso após concluírem um movimento», explica Vassiliadis. «No entanto, uma pontuação final ou uma notificação de sucesso não indica qual a parte de um movimento complexo que causou o erro.»

Para contornar esta limitação, os investigadores da EPFL desenvolveram um sistema que fornece feedback sobre o desempenho enquanto o movimento está a decorrer. Ao longo de cinco estudos com 106 participantes (incluindo 18 doentes que sofreram um AVC), os participantes acompanharam um alvo em movimento durante sete segundos, utilizando um cursor controlado por um sensor de força ou pela ativação do bíceps.

Durante a tarefa, o alvo mudava de cor em tempo real consoante o desempenho — verde para sucesso e vermelho para erros. À medida que o desempenho melhorava, o sistema ajustava automaticamente o limiar de feedback para manter um nível adequado de desafio e garantir que a informação continuasse a ser útil. Em experiências comparativas, as mudanças de cor eram aleatórias e os participantes foram instruídos a ignorá-las.

Com menos de 20 ensaios baseados na cor, os participantes melhoraram rapidamente o controlo motor, e os ganhos persistiram mesmo após a remoção do feedback.

As pessoas reagem de forma diferente ao treino e ao feedback

O feedback baseado na cor revelou-se mais eficaz quando outros tipos de feedback foram restringidos. Quando os participantes viam o cursor apenas cerca de um terço do tempo, os ganhos de desempenho eram aproximadamente três vezes superiores aos obtidos com feedback visual completo.

Um resultado semelhante surgiu noutro experimento que utilizou um sistema de controlo da atividade muscular: a redução do feedback tátil artificial amplificou ainda mais os benefícios.

Os doentes com AVC também apresentaram melhorias em condições de baixa visão, embora esses ganhos não tenham perdurado após o término do treino. Os investigadores atribuem isto ao curto período de treino e a possíveis diferenças na forma como as memórias motoras são formadas na sequência de uma lesão cerebral.

Houve variações entre as pessoas quanto ao grau de benefício obtido com o treino. Uma maior sensibilidade à recompensa — uma característica associada ao sistema de recompensa do cérebro — esteve associada a maiores ganhos, tanto em participantes saudáveis como em doentes com AVC, sugerindo que poderá ser possível prever quem responderá melhor a esta abordagem.

Os investigadores também analisaram a forma como a informação era trocada entre os utilizadores e a interface. Descobriram que o reforço em tempo real ajudava a compensar a redução das correções motoras momento a momento quando a informação sensorial era limitada. Em vez de pressionar os utilizadores a experimentar novas estratégias após erros, o feedback colorido reforçava e consolidava os movimentos que já tinham sido bem-sucedidos.

Segundo Vassiliadis, a simplicidade do método significa que este poderia ser facilmente integrado em sistemas existentes de próteses, reabilitação e interfaces homem-máquina com um custo adicional mínimo. Ao tirar partido dos mecanismos naturais de aprendizagem por recompensa do cérebro, o feedback em tempo real poderia proporcionar uma forma escalável de tornar o treino motor mais rápido, mais fácil e mais eficaz.

Imagem do WhatsApp 21/03/2026 às 15:37:18 1 768x384 21

Leia o artigo original em: Tech Xplore

Leia mais: Cães-robô serão utilizados para patrulhar estádios durante o Mundial