Novi softver razvijen za poboljšanje robotske protetike 

Istraživači s Državnog sveučilišta Sjeverne Karoline razvili su novi softver kako bi poboljšali robotsku protetiku ili egzoskelete. Novi softver se može integrirati s postojećim hardverom, što rezultira sigurnijim i prirodnijim hodanjem po različitim terenima. 

Rad nosi naslov „Predviđanje okolišnog konteksta za proteze donjih udova s ​​kvantificiranjem nesigurnosti.” Objavljeno je u IEEE Transactions on Automation Science and Engineering.

Prilagodba različitim terenima

Edgar Lobaton je koautor rada. Izvanredni je profesor elektrotehnike i računarstva na Sveučilištu. 

"Robotske proteze donjih udova moraju izvršavati različita ponašanja ovisno o terenu po kojem korisnici hodaju", kaže Lobaton. "Okvir koji smo stvorili omogućuje AI u robotskim protezama da predvidi vrstu terena na koji će korisnici stati, kvantificira nesigurnosti povezane s tim predviđanjem, a zatim uključi tu nesigurnost u donošenje odluka."

Bilo je šest različitih terena na koje su se istraživači usredotočili, a svaki je zahtijevao prilagodbe u ponašanju robotske proteze. Bile su to pločice, beton, cigla, trava, "gore" i "dolje". 

Boxuan Zhong je glavni autor rada i doktorat znanosti. diplomirao na NC State.

„Ako je stupanj neizvjesnosti previsok, AI nije prisiljen donijeti upitnu odluku — umjesto toga bi mogao obavijestiti korisnika da nema dovoljno povjerenja u svoje predviđanje da bi mogao djelovati, ili bi mogao postaviti 'sigurno' ', kaže Zhong.

Ugradnja hardverskih i softverskih elemenata

Novi okvir oslanja se na elemente hardvera i softvera koji su integrirani zajedno, a koristi se s bilo kojim robotskim egzoskeletom donjih udova ili robotskim protetskim uređajem. 

Jedan novi aspekt ovog okvira je kamera kao još jedan dio hardvera. U studiji su se kamere nosile na naočalama, a bile su postavljene na protezu donjih ekstremiteta. Istraživači su potom primijetili kako je umjetna inteligencija uspjela iskoristiti podatke računalnog vida iz dvije različite vrste kamera, prvo odvojeno, a zatim zajedno. 

Helen Huang je koautorica rada. Ona je ugledna profesorica biomedicinskog inženjerstva obitelji Jackson na Zajedničkom odjelu za biomedicinski inženjering na NC State i Sveučilištu Sjeverne Karoline u Chapel Hillu. 

"Uključivanje računalnog vida u upravljački softver za nosivu robotiku uzbudljivo je novo područje istraživanja", kaže Huang. “Otkrili smo da je korištenje obje kamere dobro funkcioniralo, ali je zahtijevalo mnogo računalne snage i moglo bi biti previsoko. Međutim, također smo otkrili da je korištenje samo kamere montirane na donjem ekstremitetu prilično dobro funkcioniralo — posebno za kratkoročna predviđanja, kao što je kakav će biti teren za sljedeći korak ili dva.”

Prema Lobatonu, rad je primjenjiv na bilo koji tip sustava dubinskog učenja.

"Smislili smo bolji način da naučimo sustave dubinskog učenja kako procijeniti i kvantificirati nesigurnost na način koji omogućuje sustavu da uključi nesigurnost u svoje odlučivanje", kaže Lobaton. "Ovo je svakako relevantno za robotsku protetiku, ali naš rad ovdje mogao bi se primijeniti na bilo koju vrstu sustava dubokog učenja."

Obuka AI sustava

Kako bi se uvježbao AI sustav, kamere su postavljene na sposobne sudionike, koji su se zatim kretali kroz različita unutarnja i vanjska okruženja. Sljedeći korak bio je da se osoba s amputacijom donjih udova kreće u istim okruženjima dok nosi kamere. 

"Otkrili smo da se model može prikladno prenijeti tako da sustav može raditi s subjektima iz različitih populacija", kaže Lobaton. "To znači da je umjetna inteligencija dobro funkcionirala iako ju je trenirala jedna skupina ljudi, a koristio netko drugi."

Sljedeći korak je testiranje okvira u robotskom uređaju. 

"Uzbuđeni smo što možemo ugraditi okvir u kontrolni sustav za rad s robotskom protetikom — to je sljedeći korak", kaže Huang.

Tim će također raditi na tome da sustav učini učinkovitijim, zahtijevajući manje vizualnog unosa i obrade podataka.