Perangkat Lunak Baru Dikembangkan untuk Meningkatkan Prostetik Robotik

Peneliti di Universitas North Carolina State telah mengembangkan perangkat lunak baru untuk meningkatkan prostetik robotik atau eksoskeleton. Perangkat lunak baru ini dapat diintegrasikan dengan perangkat keras yang ada, sehingga menghasilkan berjalan yang lebih aman dan alami di berbagai medan.

Makalah ini berjudul “Environmental Context Prediction for Lower Limb Prostheses With Uncertainty Quantification.” Makalah ini diterbitkan di IEEE Transactions on Automation Science and Engineering.

Mengadaptasi Berbagai Medan

Edgar Lobaton adalah salah satu penulis makalah ini. Ia adalah profesor asosiasi di bidang teknik elektro dan komputer di universitas tersebut.

“Prostetik robotik kaki bawah perlu melakukan perilaku yang berbeda tergantung pada medan yang digunakan pengguna,” kata Lobaton. “Kerangka kerja yang kami buat memungkinkan AI dalam prostetik robotik untuk memprediksi jenis medan yang akan diinjak pengguna, mengukur ketidakpastian yang terkait dengan prediksi tersebut, dan kemudian mengintegrasikan ketidakpastian tersebut ke dalam proses pengambilan keputusan.”

Peneliti ini fokus pada enam medan yang berbeda, dengan masing-masing memerlukan penyesuaian perilaku prostetik robotik. Medan tersebut adalah ubin, beton, bata, rumput, “naik tangga,” dan “turun tangga.”

Boxuan Zhong adalah penulis utama makalah ini dan lulusan Ph.D. dari NC State.

“Jika tingkat ketidakpastian terlalu tinggi, AI tidak dipaksa untuk membuat keputusan yang meragukan – ia dapat memilih untuk memberitahu pengguna bahwa ia tidak memiliki kepercayaan diri yang cukup dalam prediksinya untuk bertindak, atau ia dapat beralih ke mode ‘aman’,” kata Zhong.

Penggabungan Elemen Perangkat Keras dan Perangkat Lunak

Kerangka kerja baru ini bergantung pada penggabungan elemen perangkat keras dan perangkat lunak, dan dapat digunakan dengan eksoskeleton robotik kaki bawah atau perangkat prostetik robotik apa pun.

Salah satu aspek baru dari kerangka kerja ini adalah kamera sebagai elemen perangkat keras tambahan. Dalam penelitian ini, kamera dipasang pada kacamata dan dipasang pada prostetik kaki bawah. Peneliti kemudian mengamati bagaimana AI dapat menggunakan data penglihatan komputer dari dua jenis kamera yang berbeda, pertama secara terpisah dan kemudian bersamaan.

Helen Huang adalah salah satu penulis makalah ini. Ia adalah profesor yang terhormat di Departemen Teknik Biomedis di NC State dan Universitas North Carolina di Chapel Hill.

“Mengintegrasikan penglihatan komputer ke dalam perangkat lunak kontrol untuk robotik yang dapat dikenakan adalah area penelitian yang menarik dan baru,” kata Huang. “Kami menemukan bahwa menggunakan kedua kamera bekerja dengan baik, tetapi memerlukan banyak daya komputasi dan mungkin tidak terlalu ekonomis. Namun, kami juga menemukan bahwa menggunakan hanya kamera yang dipasang pada prostetik kaki bawah bekerja cukup baik – terutama untuk prediksi jangka pendek, seperti apa medan yang akan seperti untuk langkah atau dua langkah berikutnya.”

Menurut Lobaton, pekerjaan ini dapat diterapkan pada sistem pembelajaran dalam apa pun.

“Kami menemukan cara yang lebih baik untuk mengajar sistem pembelajaran dalam bagaimana mengevaluasi dan mengukur ketidakpastian dengan cara yang memungkinkan sistem untuk mengintegrasikan ketidakpastian ke dalam proses pengambilan keputusan,” kata Lobaton. “Ini tentu saja relevan untuk prostetik robotik, tetapi pekerjaan kami di sini dapat diterapkan pada sistem pembelajaran dalam apa pun.”

Melatih Sistem AI

Untuk melatih sistem AI, kamera dipasang pada peserta yang sehat, yang kemudian bergerak melalui berbagai lingkungan dalam ruangan dan luar ruangan. Langkah selanjutnya adalah memiliki individu dengan amputasi kaki bawah yang bernavigasi melalui lingkungan yang sama sambil mengenakan kamera.

“Kami menemukan bahwa model dapat dipindahkan dengan tepat sehingga sistem dapat beroperasi dengan subjek dari populasi yang berbeda,” kata Lobaton. “Itu berarti bahwa AI bekerja dengan baik bahkan ketika dilatih oleh satu kelompok orang dan digunakan oleh orang lain.”

Langkah selanjutnya adalah menguji kerangka kerja dalam perangkat robotik.

“Kami sangat bersemangat untuk mengintegrasikan kerangka kerja ke dalam sistem kontrol untuk prostetik robotik yang berfungsi – itu adalah langkah selanjutnya,” kata Huang.

Tim juga akan bekerja untuk membuat sistem lebih efisien, dengan memerlukan input data visual dan pemrosesan data yang lebih sedikit.