برنامج جديد لتحسين الأطراف الاصطناعية الروبوتية

تم تطوير برنامج جديد من قبل باحثين في جامعة ولاية كارولينا الشمالية لتحسين الأطراف الاصطناعية الروبوتية أو الهياكل الخارجية. يمكن دمج البرنامج الجديد مع الأجهزة الحالية ، مما يؤدي إلى مشي أكثر أمانًا وطبيعية على مختلف السطوح.

تم نشر الورقة تحت عنوان “توقعات السياق البيئي للبروثيزات السفلية مع تقدير عدم اليقين.” في مجلة IEEE للعلوم والهندسة الآلية.

التكيف مع السطوح المختلفة

إدغار لوباتون هو أحد مؤلفي الورقة. وهو أستاذ مساعد في الهندسة الكهربائية والحاسوب في الجامعة.

“تحتاج البروثيزات الروبوتية السفلية إلى تنفيذ سلوكيات مختلفة بناءً على السطح الذي يمشي عليه المستخدمون” ، يقول لوباتون. “الإطار الذي قمنا بإنشائه يسمح للذكاء الاصطناعي في البروثيزات الروبوتية بتوقع نوع السطح الذي سيتخطاه المستخدمون ، وقياس عدم اليقين المرتبط بتلك التنبؤات ، ثم دمج ذلك عدم اليقين في اتخاذ القرارات.

كان هناك ستة سطوح مختلفة ركز عليها الباحثون ، كل منها يتطلب تعديلات في سلوك البروثيزة الروبوتية. كانت هذه السطوح هي البلاط ، والخرسانة ، والطوب ، وال عشب ، والدرج الصاعد ، والدرج النازل.

بوكسان زهونغ هو المؤلف الرئيسي للورقة وحاصل على درجة الدكتوراه من جامعة ولاية كارولينا الشمالية.

“إذا كان مستوى عدم اليقين مرتفعًا جدًا ، فإن الذكاء الاصطناعي لا يضطر إلى اتخاذ قرار مشكوك فيه – يمكنه بدلاً من ذلك إعلام المستخدم بأنه لا يمتلك الثقة الكافية في تنبؤاته للعمل ، أو يمكنه الرجوع إلى وضع “آمن” ،” يقول زهونغ.

دمج العناصر المادية والبرمجية

يعتمد الإطار الجديد على دمج عناصر مادية وبرمجية معًا ، ويستخدم مع أي هيكل خارجي روبوتي أو جهاز بروثيزة سفلية روبوتي.

Một جانب جديد في هذا الإطار هو كاميرا أخرى كعنصر مادي. في الدراسة ، كانت الكاميرات ترتدي على النظارات ، ووضعت على البروثيزة السفلية. ثم观察 الباحثون كيف استخدم الذكاء الاصطناعي بيانات الرؤية الحاسوبية من الكاميرات المختلفة ، أولاً بشكل منفصل ثم معًا.

هيلين هوانغ هي أحد مؤلفي الورقة. وهي أستاذة بارزة في الهندسة الحيوية في قسم الهندسة الحيوية المشترك في جامعة ولاية كارولينا الشمالية و جامعة نورث كارولاينا في تشابل هيل.

“دمج الرؤية الحاسوبية في برامج التحكم في الروبوتات القابلة للارتداء هو مجال بحث جديد مثير” ، يقول هوانغ. “وجدنا أن استخدام الكاميرات يعمل جيدًا ، لكنه يتطلب قدرة حسابية كبيرة وقد يكون مكلفًا. ومع ذلك ، وجدنا أيضًا أن استخدام كاميرا واحدة مثبتة على البروثيزة السفلية يعمل جيدًا – خاصة للتنبؤات القريبة ، مثل ماهية السطح الذي سيكون عليه الخطوة التالية أو الثانية.”

وفقًا للوباتون ، فإن العمل قابل للتطبيق على أي نظام تعلم sâu.

“لقد قمنا بابتكار طريقة أفضل لتعليم أنظمة التعلم العميق كيف تقييم وقياس عدم اليقين بطريقة تسمح للنظام بدمج عدم اليقين في اتخاذ القرارات” ، يقول لوباتون. “هذا بالتأكيد ذو صلة بالبروثيزات الروبوتية ، ولكن عملنا هنا يمكن تطبيقه على أي نظام تعلم sâu.”

تدريب نظام الذكاء الاصطناعي

为了训练 نظام الذكاء الاصطناعي ، تم وضع الكاميرات على المشاركين الأصحاء ، ثم تحركت عبر بيئات داخلية وخارجية مختلفة. الخطوة التالية كانت أن يتنقل شخص مع بتر الساق عبر نفس البيئات أثناء ارتداء الكاميرات.

“وجدنا أن النموذج يمكن نقله بشكل مناسب حتى يعمل النظام مع أشخاص من مجتمعات مختلفة” ، يقول لوباتون. “ذلك يعني أن الذكاء الاصطناعي عمل جيدًا حتى لو تم تدريبه بواسطة مجموعة واحدة من الناس واستخدمه شخص مختلف.”

الخطوة التالية هي اختبار الإطار في جهاز روبوتي.

“نحن متحمسون لدمج الإطار في نظام التحكم للبروثيزات الروبوتية العاملة – هذا هو الخطوة التالية” ، يقول هوانغ.

سيعمل الفريق أيضًا على جعل النظام أكثر كفاءة ، من خلال تقليل مقدار البيانات المرئية والبيانات المعالجة.