تم تطوير برنامج جديد لتحسين الأطراف الاصطناعية الروبوتية 

طور باحثون في جامعة ولاية كارولينا الشمالية برمجيات جديدة لتحسين الأطراف الاصطناعية الروبوتية أو الهياكل الخارجية. يمكن دمج البرنامج الجديد مع الأجهزة الموجودة ، مما ينتج عنه مشي أكثر أمانًا وطبيعية على تضاريس مختلفة. 

الورقة بعنوان "توقع السياق البيئي للأطراف الصناعية السفلية مع عدم اليقين الكمي."تم نشره في معاملات IEEE في علوم وهندسة الأتمتة.

التكيف مع مختلف التضاريس

إدغار لوباتون مؤلف مشارك للورقة. وهو أستاذ مشارك في الهندسة الكهربائية وهندسة الحاسبات في الجامعة. 

يقول لوباتون: "تحتاج الأطراف الصناعية الروبوتية للأطراف السفلية إلى تنفيذ سلوكيات مختلفة بناءً على طبيعة الأرض التي يمشي عليها المستخدمون. يتيح الإطار الذي ابتكرناه للذكاء الاصطناعي في هذه الأطراف التنبؤ بنوع الأرض التي سيمشي عليها المستخدمون، وتحديد أوجه عدم اليقين المرتبطة بهذا التنبؤ، ثم دمج هذه الشكوك في عملية اتخاذ القرار."

كان هناك ستة تضاريس مختلفة ركز عليها الباحثون ، وكل منها يتطلب تعديلات في سلوك الأطراف الاصطناعية الروبوتية. كانت عبارة عن بلاط وخرسانة وطوب وعشب و "الطابق العلوي" و "الطابق السفلي". 

Boxuan Zhong هو المؤلف الرئيسي للورقة والدكتوراه. تخرج من ولاية نورث كارولاينا.

"إذا كانت درجة عدم اليقين مرتفعة للغاية، فلن يُجبر الذكاء الاصطناعي على اتخاذ قرار مشكوك فيه - بل يمكنه بدلاً من ذلك إخطار المستخدم بأنه لا يملك ثقة كافية في توقعاته للتصرف، أو قد ينتقل افتراضيًا إلى الوضع "الآمن"،" كما يقول تشونج.

دمج عناصر الأجهزة والبرامج

يعتمد الإطار الجديد على دمج عناصر الأجهزة والبرمجيات معًا ، ويتم استخدامه مع أي هيكل خارجي آلي للطرف السفلي أو جهاز اصطناعي آلي. 

أحد الجوانب الجديدة لهذا الإطار هو الكاميرا كقطعة أخرى من الأجهزة. وفي الدراسة، تم ارتداء الكاميرات على النظارات، وتم وضعها على الطرف الاصطناعي للطرف السفلي. ثم لاحظ الباحثون كيف تمكن الذكاء الاصطناعي من استخدام بيانات رؤية الكمبيوتر من نوعين مختلفين من الكاميرات، أولاً بشكل منفصل ثم معًا. 

هيلين هوانغ مؤلفة مشاركة في البحث. وهي الأستاذة المتميزة لعائلة جاكسون في الهندسة الطبية الحيوية في القسم المشترك للهندسة الطبية الحيوية في ولاية نورث كارولاينا وجامعة نورث كارولينا في تشابل هيل. 

يقول هوانغ: "يعد دمج رؤية الكمبيوتر في برامج التحكم الخاصة بالروبوتات القابلة للارتداء مجالًا جديدًا مثيرًا للبحث". "وجدنا أن استخدام كلتا الكاميرتين يعمل بشكل جيد ، ولكنه يتطلب قدرًا كبيرًا من قوة الحوسبة وقد يكون باهظ التكلفة. ومع ذلك ، وجدنا أيضًا أن استخدام الكاميرا المثبتة على الطرف السفلي فقط كان يعمل بشكل جيد - خاصة بالنسبة للتنبؤات على المدى القريب ، مثل الشكل الذي ستكون عليه التضاريس للخطوة التالية أو الخطوتين التاليتين ".

وفقًا لـ Lobaton ، فإن العمل قابل للتطبيق على أي نوع من أنظمة التعلم العميق.

يقول لوباتون: "لقد توصلنا إلى طريقة أفضل لتعليم أنظمة التعلم العميق كيفية تقييم وتقدير عدم اليقين بطريقة تسمح للنظام بدمج عدم اليقين في عملية صنع القرار". "هذا بالتأكيد مناسب للأطراف الاصطناعية الروبوتية ، لكن عملنا هنا يمكن تطبيقه على أي نوع من أنظمة التعلم العميق."

تدريب نظام الذكاء الاصطناعي

من أجل تدريب نظام الذكاء الاصطناعي ، تم وضع الكاميرات على المشاركين الأصحاء ، الذين انتقلوا بعد ذلك عبر بيئات داخلية وخارجية مختلفة. كانت الخطوة التالية هي أن يتنقل فرد بتر أطرافه السفلية في نفس البيئات أثناء ارتداء الكاميرات. 

يقول لوباتون: "وجدنا أن النموذج يمكن نقله بشكل مناسب بحيث يمكن للنظام أن يعمل مع موضوعات من مجموعات سكانية مختلفة". "هذا يعني أن الذكاء الاصطناعي يعمل بشكل جيد على الرغم من أنه تم تدريبه من قبل مجموعة واحدة من الأشخاص واستخدامه من قبل شخص مختلف."

الخطوة التالية هي اختبار الإطار في جهاز آلي. 

"نحن متحمسون لدمج الإطار في نظام التحكم للأطراف الصناعية الروبوتية العاملة - هذه هي الخطوة التالية"، كما يقول هوانج.

سيعمل الفريق أيضًا على جعل النظام أكثر كفاءة ، من خلال طلب إدخال بيانات مرئية ومعالجة بيانات أقل.