Sistemas Sensoriales/Sistemas de Control

Introducción a los sistemas de control

¿Qué es un Sistema de control?

Los sistemas de control están virtualmente en todas partes. Desde dispositivos tecnológicos como coches o móviles a dispositivos que encontramos en una cocina como tostadoras y neveras, o instrumentos en los baños como los reguladores de temperatura en la ducha y grifo- independientemente de en qué parte de tu casa te fijes, existe una alta probabilidad de que encuentres un dispositivo que contiene un sistema de control.

Definición de sistemas de control

En general, los sistemas de control pueden verse como la interconexión de componentes que toman una entrada y la transforman en una salida deseada - parecido a una función, pero algo más complejo. Tomemos por ejemplo un sistema muy simplificado de un semáforo. Nuestra entrada sería un canal que toma como entrada 1, 2 o 3, respectivamente luz roja, naranja o verde; y como salida toma una señal lumínica correspondiente a uno de los canales de luz. El sistema de control permite asegurar que sola una de las luces está encendida durante cada fase.

Básicamente, un sistema de control toma una entrada y la convierte en una salida controlando un proceso al cual la entrada es sometido.

Un ejemplo más complejo sería un termostato. El termostato responde a la temperatura de la habitación y se asegura que se alcanza la temperatura deseada. Funciona gracias a un circuito de realimentación, que será explicado en mayor profundidad más adelante. En pocas palabras, un termostato tiene un sensor que mide la temperatura y la envía al comparador donde se compara con la temperatura deseada. Si el comparador detecta una diferencia entre la temperatura medida y la deseada, dicha información es transmitida al efector, por ejemplo, el aire acondicionado, que se activará para reducir la temperatura de la habitación. Por supuesto, hay una continua retroalimentación, de manera que cada cierto tiempo el sensor del termostato manda una nueva señal y el ciclo comienza de nuevo. Para más ejemplos en ingeniería, mire el libro de Dorf y Bischop . Al contrario de lo que se podría pensar, los sistemas de control no son solo artificiales, también se pueden encontrar en sistemas biológicos. Por ejemplo, el cerebelo actúa como un importante elemento de integración en el control del equilibrio, un sistema muy delicado y complejo con numerosas entradas y salidas. En las próximas secciones veremos como el cerebelo actúa no solo como un simple sistema de retroalimentación o compensación, si no que toma ambos roles de forma simultánea.

Sistemas biológicos de control-El sistema de equilibrio

El sistema del equilibrio es básicamente un sistema de control biológico que integra tres sistemas sensoriales, y produce una salida musco-esqueletal diseñada para mantener la postura y estabilidad del cuerpo .

Diagrama simplificado de entradas y salidas que dan lugar a lo que comúnmente se conoce con el término ‘equilibrio’.

Las entradas del sistema de equilibrio son:

1. Sistema somatosensorial (propiocepción y táctil)

1. Sistema vestibular

1. Sistema visual

A nivel de integración, el cerebelo es responsable de la coordinación del comportamiento motor al cual nuestra conciencia no puede acceder. Sin embargo, está fuertemente influenciado por la corteza cerebral, cuyas proyecciones constituyen el mayor flujo de entrada al cerebelo . Además, el tronco encefálico es otro importante punto de transmisión para la entrada y salida de información sensorial desde los tres puntos de entrada al sistema de equilibrio. Su función es principalmente clasificar la información para facilitar una respuesta más eficiente por parte del cerebelo.

Las salidas motoras finales son mediadas por el tronco encefálico y el cerebelo e incluyen el reflejo vestíbulo-ocular, el movimiento de los músculos oculares para mantener la línea de visión y, por último, el control musco-esqueletal necesario para corregir la postura y mantener el equilibrio global.

Sistemas de control-Perspectiva general

Sistemas en tiempo continuo y tiempo discreto

En general, la clasificación de un sistema de control como continuo o discreto se basa en el tipo de entrada que tiene. Una entrada es continua si está definida para todos los valores en el rango de interés. En la práctica, esto implica que hay un flujo constante de entrada de información que se usa para generar un flujo de salida constante (constante en este contexto no tiene el mismo significado que la definición matemática).

Una entrada discreta sería una o más señales que están separadas por cierto tiempo mayor que el tiempo de muestreo en un sistema continuo. Los sistemas discretos tienen un número contable de estados y se suelen llamar sistemas analógicos. Cada uno de los sistemas contables produce una salida contable.

Sistemas SISO y MIMO

Como indica su nombre (‘Single input single output’ en inglés Entrada Única Salida Única) los sistemas SISO tienen una única entrada y una única salida. Por su parte, los sistemas MIMO (‘Multiple input multiple output’ en inglés Entrada Múltiple Salida Múltiple) tienen más de una entrada y más de una salida. Debido a las rápidas interacciones cambiantes, para un observador humano es difícil trazar la dinámica de los sistemas MIMO en detalle. En el caso de los sistemas SISO, podemos usar diagramas de Bode, Niquist y Nichols para analizar el sistema. Algunos ejemplos de los sistemas MIMO incluyen los sistemas REALM de comunicación inalámbrica que utilizamos en nuestros móviles como 3G, 4G y sistemas LTE. Por el contrario, podemos imaginar un sistema SISO como un sistema de radio con una única antena en la transmisión y recepción para el flujo de entrada y salida.

Sistemas de control abiertos y cerrados

Los sistemas de control abiertos usan un controlador para influenciar el proceso de acuerdo a la salida deseada.

Los sistemas de control abiertos son probablemente los sistemas de control más sencillos, ya que no tienen en cuenta ningún tipo de retroalimentación. Los sistemas abiertos utilizan un dispositivo activador, también llamado controlador, para controlar el proceso de salida. Los sistemas de control cerradodson más complejos, ya que introducen la salida o señal de retroalimentación. El comparador compara la salida deseada con la señal de retroalimentación y envía un mensaje al controlador con la orden de mantener o introducir un cambio para ajustarse a la salida deseada .

Sistemas de retroalimentación y compensación

Sistemas de retroalimentación

Ya se discutió brevemente los controles de retroalimentación en la descripción de sistemas cerrados, pero debido a la importancia de distinguir explícitamente los sistemas de retroalimentación y compensación a continuación se presenta de nuevo. Los sistemas de control de retroalimentación se suelen diseñar para mantener cierta relación entre la entrada y salida a través de la ya mencionada señal de retroalimentación y mediante un proceso constante de correspondencia entre la señal de retroalimentación y la señal deseada al nivel del comparador. Los sistemas de retroalimentación son altamente efectivos si la velocidad de transmisión y procesamiento de la señal de retroalimentación son mayores que la salida. Esta inecuación es necesaria para proporcionar tiempo suficiente para que la comparación tenga lugar y tenga un efecto en la salida producido, en caso contrario sería olvidada.

Los sistemas de retroalimentación cerrados incluyen una unidad de medida y un comparador, que compara la señal medida con la salida deseada y envía la correspondiente señal al controlador para igualar la medida y la señal deseada.

Un ejemplo de sistema de retroalimentación cerrado es un termostato. La salida deseada se establece manualmente- por ejemplo, 22 grados Celsius. El comparador compara la señal de retroalimentación del termostato y manda la señal del error al aire acondicionado o a la calefacción, provocando un cambio de temperatura. Esta salida es nuevamente medida por el sensor y el ciclo continúa hasta que la temperatura deseada sea igual a la temperatura medida.

Sistemas de compensación

Sin embargo, los sistemas de compensación son capaces de procesar salidas a alta velocidad. El principio central de los sistemas de compensación es que no se genera salida hasta que la computación se ha terminado y tiene en cuenta solo las entradas o los factores del entorno. La evaluación del sistema actual y las entradas dan lugar a una señal de control que no puede ser alterada una vez han pasado por el estado de evaluación. Por lo tanto, en los sistemas puros de compensación, la salida en tiempo t no influencia a la salida en tiempo t+1, permitiendo una rápida reacción el sistema al entorno. Sin embargo, una de las desventajas de dicho sistema es que siempre hay un retraso entre el primer uso, con las fases de prueba y error, hasta que se alcanza la fase en la cual el sistema funciona correctamente. Por ello, para lograr los mejores resultados un sistema de compensación debe someterse a una fase de aprendizaje cuya longitud varía dependiendo de la tarea.

En los sistemas de compensación, se usan entradas adicionales para calcular las señales de control necesarias que llevarán a la salida deseada. No se necesita una retroalimentación directa de la etapa de salida para el proceso, lo que permite que el sistema de control de compensación sea generalmente más rápido que un sistema de retroalimentación.

Un extenso ejemplo del sistema de control de compensación de un termostato. La salida deseada se establece manualmente, por ejemplo 22 grados Celsius. Junto a la actual temperatura, el comparador recibe muchos otros tipos de información como el tamaño de la habitación, la humedad o el número de personas en la habitación. Esta información deber ser suficiente para encender la calefacción o el aire acondicionado durante cierto periodo de tiempo. La cantidad de tiempo necesaria será establecida tras largos periodos de aprendizaje.

En resumen: la diferencia entre los sistemas de retroalimentación y de compensación es que los sistemas de retroalimentación usan información detectada por sensores para generar una señal de error durante el control del movimiento, mientras que los sistemas compensación usan la información medida antes de generar una señal de control de movimiento.

Sistemas lineales y no lineales

Sistemas de control lineal

Los sistemas de control lineal lidian con sistemas que siguen el principio de superposición, es decir, la salida del sistema es proporcional a la entrada. Otra de las grandes subclases dentro de los sistemas lineales son los sistemas lineales e invariantes en el tiempo (sistemas LTI por sus siglas en inglés-Linear Time Invariant). Las principales características de un sistema LTI se pueden resumir en linealidad e invarianza de tiempo.

Linealidad:

Un cambio lineal de la entrada, como una suma o la multiplicación por un escalar, resulta en un cambio en la salida de la misma forma lineal.

Invarianza de tiempo:

La salida es independiente del momento en el que se aplica la entrada. En otras palabras, un sistema de tiempo invariante toma una entrada X(t) que produce una salida Y(t) que producirá Y(t+t) cuando se toma como entrada X(t+t) siendo t el tiempo transcurrido. Además, los sistemas LTI pueden tener memoria, pueden ser invertidos, y solo dependen de eventos presentes o pasados, tienen entradas y salidas reales y pueden producir salidas acotadas para cada entrada acotada. Como recopilación de todas estas características, una forma general de salida de un sistema LTI se define:

$$y[n]=c_{0}y[n-1]+c_{1}y[n-2]+...+c_{k-1}y[n-k]+d_{0}X[n]+d_{1}x[n-1]+...+d_{j}x[n-j]$$

Donde y[n] es la salida del sistema y x[n] es la entrada en el tiempo n, y las constantes c_k y d_j corresponden a salidas y entradas anteriores respectivamente.

Forma general de un sistema LTI:

$${\begin{alignedat}{2}Y&=c_{0}RY+c_{1}R^{2}Y+...+c_{k-1}R^{k}Y+d_{0}X+d_{1}RX+...+d_{j}R^{j}X\\&=Y(c_{0}R+c_{1}R^{2}+...+c_{k-1}R^{k})+X(d_{0}+d_{1}R+...+d_{j}R^{j})\\\end{alignedat}}$$

El cociente de las señales de salida y entrada:

$${\frac {Y}{X}}={\frac {d_{0}+d_{1}R+...+d_{j}R^{j}}{1-c_{0}R-c_{1}R^{2}-...-c_{k-1}R^{k}}}$$

La función del sistema del sistema LTI:

$${\frac {Y}{X}}={\frac {d_{0}+d_{1}R+d_{2}R^{2}+...}{n_{0}+n_{1}R+n_{2}R^{2}+...}}$$

La función de transferencia para un sistema LTI:

$${\frac {Y(S)}{X(S)}}={\frac {n_{0}+n_{1}S+n_{2}S^{2}+...}{d_{0}+d_{1}S+d_{2}S^{2}+...}}$$

Los coeficientes del numerador (n) y el denominador (d) caracterizan de manera única la función de transferencia. Algunas herramientas informáticas como Simulink o Matlab usan esta notación para simular la respuesta del sistema a cierta entrada .

Sistemas de control no lineales

Los sistemas de control no lineales son más importantes que los sistemas de control lineales, ya que la mayoría de los sistemas que encontramos en el ‘mundo real’ son no lineales- no siguen las normas de superposición, varían en el tiempo o ambas. Por ejemplo, el sistema del termostato mencionado en la sección previa es un ejemplo de un sistema de control no lineal. El sistema de equilibrio humano, que es un modelo complejo y delicado, también está fundamentalmente compuesto por sistemas no lineales. Entre los distintos enfoques para los sistemas no lineales, la planificación de ganancias es uno de los métodos más populares de control no lineales. Este mecanismo hace uso de una familia de controladores lineales, de tal manera que una tarea no lineal se descompone en un número de subtareas lineales, simplificando el complejo análisis de sistemas no lineales en tareas más pequeñas y factibles. El controlador de la administración de ganancia se puede diseñar con Simulink siguiendo los siguientes tres pasos indicados por Matlab :

1. Linealizar el modelo no lineal del sistema.
2. Ajustar la ganancia de los controladores para todos los modelos del sistema lineales.
3. Implementar una arquitectura de controlador de Gain-scheduled, donde las ganancias del controlares son administradas con una variable ‘scheduling’, como por ejemplo una salida medida o el estado del sistema.

Aunque los sistemas no lineales pueden recordarnos a los asuntos del mundo-real mejor que un modelo lineal, la complejidad que conllevan los sistemas no lineales complican a los científicos e investigadores la tarea de explorar las partes desconocidas en campos como el control de la postura humana y la robótica. Por ello, los mecanismos de control lineales son frecuentemente utilizados para analizar tareas no lineales debido a su simplicidad.

El cerebelo como Controlador Principal en los sistemas cerrados de compensación y retroalimentación

Posición del cerebelo en el cerebro humano.

A pesar de que a menudo se la subestima, el cerebelo se puede considerar uno de los puntos de conexión (o comparador en términos de teoría de control) en nuestro cerebro. El cerebelo regula tanto funciones cognitivas vitales como el control motor y el equilibrio. Recibe proyecciones de la corteza cerebral, así como directamente de otras regiones como el colículo superior, el núcleo olivar inferior, la médula espinal y el laberinto vestibular y su núcleo . Las últimas dos estructuras tienen especial interés con respecto sistema de control del equilibrio, dado que la médula espinal lleva los axones desde el sistema somatosensorial de propiocepción y táctil y los nervios que proceden del laberinto vestibular proporcionan al cerebelo información sobre el estado del sistema vestibular.

Integración de la información sensorial por el cerebelo

Si alguien consiguiera comprender exactamente el funcionamiento de todas y cada una de las neuronas en el cerebro, obtendría sin lugar a duda el Premio Nobel. Al igual que en el resto de los sistemas de control relacionados con el cerebro, necesitamos alejarnos y observar desde un mayor nivel de abstracción. El cerebelo contiene dos tipos especiales de neuronas, las células de Purkinje y los núcleos cerebelosos profundos, que son sensores esenciales en el sistema de control de los sentidos y son alimentados con información sensorial a través de las fibras musgosas y las fibras trepadoras. Las fibras musgosas transmiten mayoritariamente la información sobre la salida deseada, mientras que las fibras trepadoras están especializadas en transmitir información sensorial sobre el actual estado del sistema, así como las señales de error ya procesadas.

Las células de Purkinje son unas de las células neuronales más grandes en el cuerpo humano debido a su vasta red de terminales dendríticas. Reciben información de diferentes partes del cerebro y tienen un importante rol en la organización del sistema de control del equilibrio.

Sistema de control de compensación simplificado del cerebelo. El cerebelo actúa como el controlador, que recibe entradas sensoriales de fibras musgosas y trepadoras y envía una señal de compensación a los efectores, que son principalmente los nervios musculares que controlan la posición de las extremidades o el movimiento ocular.

Toda esta información es principalmente procesada por las células de Purkinje y los núcleos cerebelosos profundos, cuyos patrones de activación son característicos según los distintos tipos de movimiento. Si consideramos el simple movimiento de la mano, se observa que los patrones de disparo de estas células son característicos al movimiento concreto. Esto indica que ciertos grupos de estas células sufrirán una activación característica más fuerte en comparación con su estado fundamental de activación. Todos y cada uno de los movimientos, así como sus detalles, incluyendo la extensión y contracción de músculos específicos, la posición de una articulación, la configuración de estabilidad de un pie es codificada en dichos patrones de disparo de las células de Purkinje y los núcleos cerebelosos profundos .

Aparte de sentir que el movimiento está teniendo lugar, las mencionadas células tienen la capacidad de reconocer potenciales errores en el patrón de movimiento, y pueden corregir un fallo en la posición para mantener el equilibrio. Las células esencialmente comparan sus patrones de activación de convergencia. Si los resultados no cuadran, detectan un error. En este caso, las células de Purkinje pueden facilitar el envío de señales correctivas en el intento de corregir el movimiento antes de que el cuerpo pierda el equilibrio , por lo que actúan como un sistema de control comparador. Como ya hemos visto, este sistema es una mezcla de retroalimentación y compensación, ya que la información de la señal de error se combina con información sensorial avanzada que no depende de la salida directa del circuito. La ventaja de este sistema biológico es que puede combinar las ventajas de ambos sistemas para responder a distintas demandas del entorno -esto es, el cerebelo usa retroalimentación para el control de movimientos lentos y compensación para movimientos que requieren una respuesta rápida. Por ejemplo, el control postural es una tarea del cerebelo que requiere retroalimentación del sistema somatosensorial del organismo y es relativamente lenta en comparación con el reflejo vestíbulo-ocular (VOR), que requiere un control de compensación.

Llama la atención que, en lugar de enviar directamente señales al sistema efector motor, toda la información atraviesa otras partes del cerebelo hasta llegar al nodo central de computación, los pequeños núcleos cerebelosos, que son el cuello de botella de los integradores y procesadores de este delicado circuito. El funcionamiento exacto de dichos núcleos es escasamente comprendido, pero se sabe que todas las características temporales y espaciales del flujo de señales son controladas aquí . Esta comparación no podría tener lugar si no hubiera memoria de la posición ‘correcta’ de las extremidades y las articulaciones para el mantenimiento del equilibrio, motivo por el cual frecuentemente se considera que el cerebelo juega una función clave en la formación y recuperación de la memoria muscular dinámica . Sin embargo, el cerebelo también recibe información de áreas superiores cerebrales, que, en una situación de la vida real, añade varios niveles de complejidad a nuestro modelo de sistema de control y que se ha omitido en el modelo por simplicidad. Se debe reconocer que los sistemas biológicos son generalmente más complejos que sus correspondientes artificiales. Por ello, siempre debe haber espacio para acomodar nuevos parámetros aún desconocidos a las conclusiones derivadas de dichos modelos.

Simulaciones a ordenador del control de la postura humana

Integración multisensorial

El control del equilibrio humano requiere de esfuerzos colectivos del sistema sensorial y el sistema nervioso central (SNC). El cuerpo humano trabaja para contrarrestar perturbaciones externas como la gravedad; cualquier cambio en entradas multisensoriales causan inmediatamente alteraciones en el SNC para mantener el equilibrio. Aún más importante, dichas alteraciones son resultado de estimaciones de situaciones imprevistas basadas en cambios de las entradas multisensoriales. Este intrigante control del comportamiento ha inspirado a muchos neurólogos e ingenieros con modelos para explorar los mitos en la comprensión del control de la postura humana y para desarrollar algoritmos que pueden ser implementados en robots. La integración multisensorial es probablemente uno de los aspectos más fascinantes a la hora de comprender el control del sistema del equilibrio. Este concepto ha sido bien representado en experimentos humanos donde se expone a los sujetos a distintas condiciones junto a una combinación de la estimulación de la visión, la sensación vestibular y el tacto; cada modulación de las entradas sensoriales modifica la postura de los sujetos significativamente. Este estudio proporciona evidencia de la integración multisensorial .

Sistema de peso y reponderación

Los mitos en la compresión del mecanismo de integración nos llevan al marco clave de comprensión de la integración múltiple, ‘sistemas de peso y reponderación’. El proceso sensorial de reponderación juega un rol clave ayudando al control del mantenimiento de la postura, durante el cual varias entradas sensoriales son integradas y reguladas de forma dinámica en base a las distintas condiciones y la información sensorial. En las simulaciones a ordenador, se usa un modelo con parámetros que representan distintos componentes de las condiciones del medio ambiente y se pueden ajustar de forma dinámica a los cambios del medio. En el modelo, el peso se los sistemas visuales, vestibulares y propioceptor se representan con W_v, W_g y W_p respectivamente. Al modelar dicho sistema sensorial con reponderación, la simulación puede realizar ajustes de acuerdo con los cambios en las condiciones del ambiente, y por ello el sistema es capaz de proporcionar una representación relativa de la contribución de cada uno de los canales sensoriales al control del equilibrio. Una de las principales hipótesis de este mecanismo es que todos los canales sensoriales contribuyen al sistema de control se suman hasta llegar a la unidad. Por ejemplo, mientras tenemos los ojos abiertos, el peso efectivo total sensorial del sistema, W, es la suma de W_v, W_g y W_p mientras que cuando cerramos los ojos no hay contribución del canal visual y por tanto, W = W_g + W_p. Sin embargo, esta hipótesis presenta ciertas excepciones cuando el sistema se encuentra en condiciones transitorias, donde el coste total efectivo W será distinto de la unidad. El peso de los sistemas sensoriales será ajustado al proceso de integración para compensar los cambios que tienen lugar en el periodo de transición, después del cual W volverá a la unidad . Actualmente, el proceso de reponderación se realiza a través de dos tipos de modelación: una consiste en el ajuste externo, como El Modelo del Canal Sensorial de Comunicación Independiente (IC por sus siglas en inglés) y la otra tiene lugar de manera automática, como el Modelo de Estimación de la Perturbación y Compensación (DEC por sus siglas en inglés).

Modelo del Canal sensorial de comunicación independiente (IC)

El Modelo IC es un sistema lineal desarrollado por Peterka . El modelo IC puede imitar de forma descriptiva el comportamiento del equilibrio humano en condiciones de estabilidad funcional, tal y como ha sido realizado en ciertos estudios. Durante los experimentos, el modelo IC fue implementado en Simulink, Matlab, y se usó un modelo de péndulo único invertido para representar el cuerpo humano. Tanto los sujetos humanos como el modelo del péndulo invertido fueron sometidos a diferentes pruebas de equilibrio y se comparó los parámetros obtenidos por los sujetos humanos con las estimaciones generadas por el modelo IC. El resultado mostró que los dos conjuntos de parámetros eran comparables, proporcionando evidencias solidas que respaldan la cualificación del modelo IC para representar el comportamiento postural. Sin embargo, este modelo IC solo es aplicable en condiciones de estacionarias. Cuando el modelo es expuesto a un medio más complejo, el número de parámetros necesario para describir el modelo aumenta de forma significativa y disminuye la confianza a la hora de estimar parámetros y atribuir comportamientos específicos. Las limitaciones socavan la elección del modelo IC en estudios clínicos .

Modelo de Estimación de la Perturbación y Compensación (DEC)

Al contrario que el modelo IC que requiere diferentes conjuntos de parámetros para describir la reponderación de las características sensoriales, el modelo DEC puede lograr predecir la información obtenida en distintos contextos con un único conjunto de parámetros. La característica fundamental del modelo DEC es su habilidad para compensar las alteraciones externas y propias, así como asistir a la ejecución del movimiento en el control postural. Los cuatro tipos de alteraciones externas son la gravedad, las fuerzas de contacto como atracción y empuje que afectan al cuerpo y el movimiento de la superficie de soporte del cuerpo, incluyendo la aceleración de rotación y traslación. Cuando se expone a alteraciones externas, el modelo DEC puede recuperar de la librería de eventos externos aprendidos para anticiparse y compensar las alternaciones evitando la caída. Los mecanismos de nivel superior representados por el DEC pueden beneficiar tanto a neurólogos como a ingenieros y proporcionar una visión más interdisciplinar a la hora de comprender el control postural y construir robots más eficientes .

Debilidades y fortalezas de los sistemas de control

Sistemas de control biológicos

Teoría del conflicto sensorial

Todo aquel que haya disfrutado de una montaña rusa, o simplemente que haya viajado en barco o coche ha experimentado alguna vez cinetosis o mareo del viajero. A pesar de que nuestro sistema de equilibrio actúa muy bien en ambientes naturales, dichas situaciones tienen en común que pueden causar alternaciones de todo el sistema de equilibrio creando señales conflictivas para los sistemas visual, somatosensorial y vestibular. Por ejemplo, montar en coche provoca sensaciones visuales de movimiento a la vez que el sistema vestibular y somatosensorial experimentan una noción de estabilidad. Esta descompensación de la información deriva en la teoría conflictiva sensorial, que describe que el contraste entre los patrones generalmente experimentados de información sensorial y la contradictoria información recibida dan lugar a la sensación de mareo . Aunque nuestro sistema de equilibrio permanece intacto en la salida motora-es decir, la persona en el bar o el coche es aún capaz de mantener su postura- la retroalimentación proporcionada a las áreas de percepción superior suscitan una sensación de mareo. Esto claramente recalca que el sistema de equilibrio en humanos es mucho más que un control de sistema y que debido a la integración de áreas perceptuales puede suscitar efectos negativos a pesar de su correcto funcionamiento.

Enfermedades que afectan al sistema del control postural

Síntomas motores y no motores del Parkinson

Dado que sistema de control postural es un sistema biológico, hay enfermedades que pueden impedir el funcionamiento del sistema. En general, casi todas las enfermedades neuromusculoesqueléticas como Parkinson o ataxia cerebral, así como daños en el oído, como sordera o infecciones auditivas como laberintitis, pueden suscitar una deficiencia/deterioro del sistema de control postural. Fenotípicamente, esta deficiencia puede afectar a distintos aspectos, dependiendo qué componente del sistema postural sea afectado más fuertemente y los otros componentes que pueden de forma parcial o temporal compensar por la pérdida . Por ejemplo, en la enfermedad de Parkinson, los ganglios basales están involucradas en el control postural a través del eje talámico-cortico-espinal (básicamente una conexión entre la corteza al tronco encefálico como se ha descrito anteriormente) se neurodegeneran, y por ello, el sistema postural del paciente se deteriora . Los niños con disfunciones auditivas debido a laberintitis u operaciones como implantes cocleares pueden también tener dificultades en su sistema postural desde una edad temprana. Se ha demostrado que los niños con estas condiciones aprenden a levantarse y andar significantemente después que el resto de los niños, pero, a menudo, la condición mejora con la edad, gracias al proceso de plasticidad neuronal que tiene lugar para compensar la falta de información del oído interno. En estos casos, los sistemas propioceptores y visuales asumen el flujo de entrada del sistema vestibular. De forma similar, los niños y adultos ciegos desarrollan mecanismos para mantener el control postural a pesar de la perdida de información visual. Esta flexibilidad es una gran ventaja de los sistemas biológicos frente a los sistemas de control artificiales. Un sistema biológico tiene la capacidad de utilizar la plasticidad neuronal para alterar los canales de entrada y así compensar posibles daños.

Debilidades en los modelos de simulación

Incapacidad para replicar completamente el mecanismo de equilibrio

Las simulaciones que actualmente son implementadas en robots les permiten realizar movimientos como estar de pie, caminar o incluso saltar sin problema, pero estos modelos no proporcionan conocimiento directo que permitan comprender el control postural. Aunque los modelos actuales pueden reproducir tanto mecanismos de niveles bajos como de niveles superiores, como la generación de patrones centrales para sinergias de marcha y movimiento, gran parte de la compresión del papel del sistema nervioso central en el control postural es aún desconocido. La mayor desventaja en los actuales modelos de simulación para el control postural es que ninguno de los modelos producidos puede imitar los mecanismos exactos usados en el equilibrio postural ni es capaz de compaginar numerosas entradas y proporcionar reacciones simultáneas como respuesta a perturbaciones externas de manera tan precisa y oportuna como realizamos los humanos. Dado que estos modelos pueden únicamente explicar el sistema postural parcialmente, todavía quedan mecanismos que tiene lugar a nivel de la corteza cerebral inexplorados. Además, el hardware usado para construir los robots también limita la compresión del comportamiento postural, debido a que el hardware de los robots puede acarrear problemas que no encontramos en el cuerpo humano. No obstante, a pesar de que los modelos actuales solo revelan parte de lo que ocurre en el cuerpo humano, los neurólogos se benefician del estudio y comparación de estos modelos para probar sus hipótesis y proporcionan a los ingenieros maneras en las cuales pueden mejorar sus modelos .

Lecturas para ampliación (en inglés)

1. Control Systems Wikibook
2. Matlab Control System Toolbox
3. Gain Scheduling
4. Independent Sensory Channel Model

Este texto es meramente una traducción de la versión original escrita en inglés. Para aclaraciones en el contenido o posibles referencias diríjase a la versión original.