Max Home IndustryИсследователи разработали новое программное обеспечение, которое можно интегрировать с существующим оборудованием, чтобы люди, использующие роботизированные протезы или экзоскелеты, могли ходить более безопасным и естественным образом по разным типам местности. Новая структура включает компьютерное зрение для управления протезами ноги и включает надежные алгоритмы искусственного интеллекта (ИИ), которые позволяют программному обеспечению лучше учитывать неопределенность.
«Роботизированные протезы нижних конечностей должны выполнять различное поведение в зависимости от местности, по которой ходят пользователи», — говорит Эдгар Лобатон, соавтор статьи о работе и доцент кафедры электротехники и вычислительной техники в штате Северная Каролина. Университет. «Созданная нами структура позволяет ИИ в роботизированных протезах предсказывать тип местности, на которую будут наступать пользователи, количественно оценивать неопределенности, связанные с этим прогнозом, а затем учитывать эту неопределенность при принятии решений».
Исследователи сосредоточились на различении шести различных ландшафтов, требующих корректировки в поведении роботизированного протеза: плитка, кирпич, бетон, трава, «наверху» и «внизу».
«Если степень неопределенности слишком высока, ИИ не вынужден принимать сомнительное решение — вместо этого он может уведомить пользователя о том, что у него недостаточно уверенности в своем прогнозе, чтобы действовать, или он может по умолчанию в «безопасный» режим », — говорит Боксуан Чжун, ведущий автор статьи и недавний доктор философии. выпускник NC State.
Новая структура «экологического контекста» включает в себя как аппаратные, так и программные элементы. Исследователи разработали структуру для использования с любым роботизированным экзоскелетом нижних конечностей или роботизированным протезом, но с одним дополнительным оборудованием: камерой. В своем исследовании исследователи использовали камеры, которые носили на очках, и камеры, установленные на самом протезе нижней конечности. Исследователи оценили, как ИИ смог использовать данные компьютерного зрения от обоих типов камер по отдельности и при совместном использовании.
«Включение компьютерного зрения в программное обеспечение для управления носимой робототехникой — захватывающая новая область исследований», — говорит Хелен Хуанг, соавтор статьи. «Мы обнаружили, что использование обеих камер работает хорошо, но требует больших вычислительных мощностей и может быть непомерно дорогостоящим. Однако мы также обнаружили, что использование только камеры, установленной на нижней конечности, работает довольно хорошо, особенно для краткосрочных прогнозов. , например, как будет выглядеть местность для следующего шага или двух «. Хуанг — заслуженный профессор биомедицинской инженерии в семье Джексонов на объединенном факультете биомедицинской инженерии штата Северная Каролина и Университета Северной Каролины в Чапел-Хилл.
Однако наиболее значительным достижением стал сам ИИ.
«Мы придумали лучший способ научить системы глубокого обучения оценивать и определять неопределенность таким образом, чтобы система могла учитывать неопределенность при принятии решений», — говорит Лобатон. «Это, безусловно, актуально для роботизированного протезирования, но наша работа может быть применена к любому типу систем глубокого обучения».
Чтобы обучить систему искусственного интеллекта, исследователи подключили камеры к работоспособным людям, которые затем прошли через множество помещений и на открытом воздухе. Затем исследователи провели проверку концепции, попросив человека с ампутацией нижней конечности носить камеры, путешествуя по тем же средам.
«Мы обнаружили, что модель может быть соответствующим образом перенесена, чтобы система могла работать с объектами из разных популяций», — говорит Лобатон. «Это означает, что ИИ работал хорошо, даже если он был обучен одной группой людей и использован кем-то другим».
Однако новый фреймворк еще не тестировался на роботизированном устройстве.
«Мы рады включить эту структуру в систему управления работающими роботизированными протезами — это следующий шаг», — говорит Хуанг.
«И мы также планируем работать над тем, как сделать систему более эффективной, с точки зрения необходимости меньшего количества визуальных данных и обработки данных», — говорит Чжун.