หุ่นยนต์มือเทียมกลสวมแขน สั่งการหยิบจับได้ด้วยสัญญาณไฟฟ้ากล้ามเนื้อ สิ่งประดิษฐ์นักวิจัยไทย มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี (มจธ.) เพิ่มคุณภาพชีวิตคนพิการ

23 ส.ค. 2567 มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี (มจธ.) รายงานว่า “ความพิการทางมือ” คือหนึ่งในความพิการทางร่างกายหรือการเคลื่อนไหว ที่ส่งผลต่อการใช้ชีวิตและประกอบอาชีพต่างๆ และยังส่งผลกระทบต่อสภาพจิตใจของคนพิการและคนในครอบครัว ดังนั้นจึงมีความพยายามในการพัฒนา “มือเทียมกล” ที่สามารถทำหน้าที่หยิบ จับ กาง บีบ ฯลฯ ได้ใกล้เคียงกับมือมนุษย์มาอย่างต่อเนื่อง

และหนึ่งในความก้าวหน้าของการพัฒนานี้คือ “หุ่นยนต์ต้นแบบมือเทียมกลสวมแขนสำหรับคนพิการแขนขาดบริเวณกึ่งกลางปลายแขนโดยใช้สัญญาณอิเล็กโทรมิโอแกรมและเทคนิคปัญญาประดิษฐ์” ผลงานสิ่งประดิษฐ์ของนักวิจัยไทยที่มีความโดดเด่น ทำให้ได้รับรางวัล JDIE Grand Award ซึ่งเป็นรางวัลสูงสุดของงานจากงานประกวดสิ่งประดิษฐ์และนวัตกรรมระดับนานาชาติในเวที Japan Design, Idea and Invention Expo 2024 และเหรียญทองจากสำนักงานการวิจัยแห่งชาติ (วช.) ณ Tokyo Ariake Garden Convention Center กรุงโตเกียว ประเทศญี่ปุ่น เมื่อเดือน ก.ค. 2567 ที่ผ่านมา

ดร.ฐิตาภรณ์ กนกรัตน อาจารย์ประจำภาควิชาคณิตศาสตร์ คณะวิทยาศาสตร์ มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี (มจธ.) ในฐานะหัวหน้าโครงการ กล่าวว่า งานวิจัยนี้เริ่มพัฒนาขึ้นมาเมื่อปี 2566 มีเป้าหมายเบื้องต้นคือ การนำองค์ความรู้ด้าน Internet of Things (IoT), Machine Learning (การเรียนรู้ด้วยเครื่อง) และ AI (ปัญญาประดิษฐ์) มาสร้าง “หุ่นยนต์ต้นแบบมือเทียมกลสวมแขน” ที่จะทำให้คนพิการที่แขนขาดตั้งแต่ใต้ข้อศอกลงไป มีอวัยวะเทียมที่ช่วยในการหยิบ จับ สิ่งของได้ ช่วยให้ทำกิจวัตรประจำวันต่างๆ ใกล้เคียงกับมือจริง ๆ โดยใช้ “สัญญาณไฟฟ้ากล้ามเนื้อ”

ดร.ฐิตาภรณ์ อธิบายว่า สัญญาณไฟฟ้ากล้ามเนื้อ (Electromyography/EMG) คือความต่างศักย์ไฟฟ้าของกล้ามเนื้อที่เกิดจากระดับเกร็งของเส้นใยกล้ามเนื้อส่วนนั้น ๆ ในระดับต่าง ๆ สั่งงานโดยเซลล์ประสาท ผ่านกระแสประสาทมายังเส้นใยกล้ามเนื้อ โดยสัญญาณไฟฟ้ากล้ามเนื้อจะมีรูปแบบและระดับสัญญาณที่แตกต่างกันตามลักษณะการเคลื่อนไหวและระดับความแรงที่สมองของเจ้าของอวัยวะสั่งการ ซึ่งหากสามารถตรวจวัดและวิเคราะห์สัญญาณไฟฟ้ากล้ามเนื้อที่เกิดขึ้นในช่วงเวลานั้นๆ ได้อย่างถูกต้อง มือเทียมก็จะสามารถขยับหรือเคลื่อนไหวได้ตรงหรือใกล้เคียงกับคำสั่งที่มาจากสมองของคนพิการคนนั้น

“สิ่งที่เราทำก็คือ การนำเซนเซอร์ตรวจจับสัญญาณไฟฟ้า มาติดบริเวณปลายแขนของคนพิการมือที่เข้าร่วมโครงการวิจัย และนำตัวเลขที่ได้มาเป็นข้อมูล แล้วใช้ Machine Learning วิเคราะห์และตีความสัญญาณนั้นออกมา โดยเริ่มจากการกระบวนการกรองให้สัญญาณไฟฟ้าของแต่ละคำสั่งการเคลื่อนไหว มีความแม่นยำมากที่สุดก่อน ซึ่งเป็นเป็นจุดเด่นของงานนี้ เพราะอัลกอริทึม (Algorithm)* ที่เราพัฒนาขึ้น ทำให้ Machine Leaning สามารถคัดแยกสัญญาณได้อย่างถูกต้องแม่นยำกว่าเทคโนโลยีที่มีอยู่ในตลาดปัจจุบัน ทำให้ AI สามารถเรียนรู้และสั่งการมือกลให้เคลื่อนไหวในท่าทางที่ถูกต้องยิ่งขึ้น ขณะเดียวกันมือเทียมกลที่เราพัฒนาขึ้นก็มีจุดเด่นคือ ทำจากวัสดุคอมโพสิทที่มีน้ำหนักเบาที่ใช้การขึ้นรูปด้วยเครื่อง 3D Print ทำให้มีต้นทุนการผลิตต่ำ (ประมาณ 5,000 บาท/ชิ้น) และง่ายต่อการซ่อมแซม เพราะโครงสร้างส่วนใดแตกหักหรือเสียหายก็สามารถพิมพ์ชิ้นใหม่มาใส่แทนได้”

ในส่วนของความคืบหน้าการพัฒนาหุ่นยนต์ต้นแบบมือเทียมกลสวมแขนฯ นั้น ดร.ฐิตาภรณ์ กล่าวว่า ขณะนี้หุ่นยนต์มือเทียมกล สามารถทำตามคำสั่ง “กำนิ้ว” “แบนิ้ว” “หมุนข้อมือ” รวมถึงการหยิบ จับ และยกวัตถุที่มีขนาดพอเหมาะกับมือกลต้นแบบ เช่น ถ้วยกาแฟ หรือขวดที่มีขนาดเล็ก ได้ตามคำสั่งของเจ้าของมือแล้ว ซึ่งความท้าทายต่อจากนี้คือ การให้หุ่นยนต์มือกลแสดงท่าทางของนิ้ว เช่น การชูนิ้ว หรือการหยิบจับทั่วไปให้ได้หลากหลายขึ้น ซึ่งการจะทำให้นิ้วของหุ่นยนต์ทำงานได้ใกล้เคียงกับมือมนุษย์นั้น คือการทำให้อัลกอริทึมได้รู้เรียนรู้สัญญาณไฟฟ้ากล้ามเนื้อในปริมาณที่มากขึ้น เพื่อให้สามารถลดขนาดขนาดสัญญาณ และกำจัดสัญญาณรบกวนได้ดีขึ้น ที่จะทำให้ AI สามารถจำแนกสัญญาณไฟฟ้ากล้ามเนื้อ เป็นการเคลื่อนไหวที่จำเพาะ และหลากหลายขึ้น

“ขณะนี้ได้มีความร่วมมือกับบริษัทเอกชน เพื่อผลิตหุ่นยนต์มือเทียมแขนกลต้นแบบที่สามารถ กำ แบ และหมุนข้อมือในเชิงพาณิชย์แล้ว โดยขณะนี้อยู่ระหว่างการทดสอบเพื่อลดข้อจำกัดต่างๆ และทำให้ใช้งานได้อย่างมีประสิทธิภาพจริงๆ คาดว่าภายในไม่เกิน 1 ปี น่าจะสามารถผลิตหุ่นยนต์มือเทียมแขนกลตัวต้นแบบให้กับคนมือพิการได้”

สำหรับในส่วนของงานวิจัยนั้น ดร.ฐิตาภรณ์ กล่าวว่า สิ่งที่จะทำในระยะต่อไปคือการพัฒนาหรือออกแบบกระบวนการทำงานของอัลกอริทึมและซอฟต์แวร์ใช้กับการวิเคราะห์สัญญาณ ให้โมเดลสามารถเรียนรู้และจำแนกท่าทางออกมาได้อย่างถูกต้องมากขึ้น รวมถึงการทำให้ AI ของเราสามารถเรียนรู้และแปลสัญญาณไฟฟ้าได้ถูกต้อง และทำให้มือเทียมต้นแบบเกิดการเคลื่อนไหวของฝ่ามือนิ้วได้ตรงตามความต้องการของเจ้าของมือเทียมได้มากขึ้น