Robot leert fysiotherapie af van menselijke therapeuten
Onderzoekers van MIT hebben een robotarm laten leren hoe een fysiotherapeut een patiënt begeleidt. Het systeem registreert kracht, weerstand en aanraking tijdens een echte behandeling en gebruikt die metingen om de stijl van één specifieke therapeut te reproduceren. MIT News maakte het werk op 5 augustus bekend. In een revalidatiecentrum in München loopt inmiddels een klinische studie.
Het model leert hoe hard je mag duwen
Johannes Lachner, tot voor kort MIT-Novo Nordisk AI Postdoctoral Fellow en nu assistant professor aan Purdue, bouwde het systeem samen met Noah Geiger in het Newman Laboratory for Biomechanics and Human Rehabilitation van hoogleraar Neville Hogan. De kern is een transformer-gebaseerd diffusiemodel dat gekoppeld is aan impedantieregeling. De robot bepaalt daarmee zowel de baan van zijn arm als de stijfheid waarmee hij die baan volgt. Precies dat laatste maakt het verschil bij therapie, waar een patiënt soms tegenwerkt en soms juist ondersteuning nodig heeft.
Het bijbehorende artikel, “Diffusion-Based Impedance Learning for Contact-Rich Manipulation Tasks”, verscheen in IEEE Transactions on Robotics. Volgens die publicatie trainden de onderzoekers het model onder meer op opnames van robotondersteunde therapie, met een positienauwkeurigheid onder een millimeter en een rotatiefout onder één graad. De besturing draaide in realtime op een KUKA LBR iiwa, een dubbelarmige industriële robot. Diffusiemodellen kennen de meeste mensen van beeldgeneratie, maar hun bereik groeit snel; eerder dit jaar wonnen diffusiemodellen beide topprijzen op ICML 2026.
De test in München
Bij Pfennigparade, een poliklinisch revalidatiecentrum in München, dragen fysio- en ergotherapeuten handschoenen met krachtsensoren terwijl ze patiënten behandelen. Camera’s leggen de sessies vast. Uit die opnames traint het team een apart model per therapeut. De klinische kant loopt via Cristina Piazza, hoogleraar healthcare and rehabilitation robotics aan de Technische Universiteit München. Het onderzoek wordt gefinancierd door het MIT-Novo Nordisk-fellowshipprogramma, het TUM Global Program en robotbouwer KUKA.
“Een kernvernieuwing van ons systeem is dat fysiotherapeuten hun eigen robot kunnen trainen met AI, wat gepersonaliseerde en schaalbare ondersteuning mogelijk maakt”, zegt Lachner tegen MIT News. De aanleiding is simpel rekenwerk. MIT News wijst op 15 miljoen beroertes per jaar wereldwijd, waarvan 5 miljoen mensen blijvende beperkingen overhouden. Handmatige therapie kost veel tijd en het aantal therapeuten groeit niet mee.
Wat betekent dit
Het is nadrukkelijk nog geen product. De onderzoekers melden dat de eerste robotexperimenten de haalbaarheid aantonen; de volgende stap zijn therapeutspecifieke modellen en langlopende studies bij patiënten die eerder handmatige therapie kregen. Harde uitkomsten over herstel zijn er dus niet.
Wat het onderzoek wel laat zien, is een verschuiving in wat AI in de zorg kan aanraken. Tot nu toe ging de winst vooral naar beeld en tekst, van modellen die hersenscans leren lezen uit ruwe ziekenhuisdata tot systemen die uitleg geven bij een diagnose. Die uitleg pakt overigens niet altijd goed uit: uit onderzoek in Nature Medicine bleek deze week dat AI-uitleg de arts helpt en de leek juist misleidt. Fysiek contact is een lastiger terrein, omdat het model moet omgaan met kracht en met een mens die terugduwt.
Voor de robotica zelf past het in een bredere beweging richting machines die met mensen samenwerken in plaats van naast hen, zichtbaar in de serieproductie van humanoïde robots. Een revalidatierobot heeft daarbij een voordeel: de taak is repetitief, de omgeving is gecontroleerd en er staat altijd een therapeut naast. Dat maakt het een realistischer testterrein dan de open wereld.
