ロボット義肢を改善するために開発された新しいソフトウェア 

ロボット義肢や外骨格を改良するために、ノースカロライナ州立大学の研究者らによって新しいソフトウェアが開発された。 新しいソフトウェアは既存のハードウェアと統合できるため、さまざまな地形でより安全かつ自然な歩行が可能になります。 

論文のタイトルは「不確実性の定量化による下肢義足の環境コンテキストの予測。』に掲載されました。 オートメーション科学およびエンジニアリングに関する IEEE トランザクション。

さまざまな地形への適応

エドガー・ロバトンはこの論文の共著者です。 彼は大学の電気工学およびコンピュータ工学の准教授です。 

「下肢ロボット義足は、ユーザーが歩いている地形に基づいてさまざまな動作を実行する必要があります」とロバトン氏は言います。 「私たちが作成したフレームワークにより、ロボット義足の AI は、ユーザーが踏むであろう地形の種類を予測し、その予測に関連する不確実性を定量化し、その不確実性を意思決定に組み込むことができます。」

研究者らが注目したのは XNUMX つの異なる地形で、それぞれロボット義手の動作の調整が必要でした。 それらは、タイル、コンクリート、レンガ、芝生、「XNUMX階」と「XNUMX階」でした。 

Boxuan Zhong はこの論文の筆頭著者であり、博士号を取得しています。 ノースカロライナ州立大学を卒業。

「不確実性の度合いが高すぎる場合、AI は疑わしい決定を下すことを強制されません。代わりに、行動するための予測に十分な自信がないことをユーザーに通知するか、デフォルトで「安全な」決定を行う可能性があります。 「モードです」と Zhong 氏は言います。

ハードウェア要素とソフトウェア要素の組み込み

新しいフレームワークは、ハードウェア要素とソフトウェア要素の両方が一緒に組み込まれることに依存しており、あらゆる下肢ロボット外骨格またはロボット義肢デバイスとともに使用されます。 

このフレームワークの新しい側面の 1 つは、別のハードウェアとしてのカメラです。この研究では、カメラを眼鏡に装着し、下肢義足に装着しました。次に研究者らは、2 つの異なるタイプのカメラからのコンピューター ビジョン データを AI がどのように利用できるかを、最初は個別に、次に一緒に観察しました。 

Helen Huang はこの論文の共著者です。 彼女は、ノースカロライナ州立大学とノースカロライナ大学チャペルヒル校の生体医工学共同学部における生体医工学のジャクソン・ファミリー特別教授です。 

「コンピュータ ビジョンをウェアラブル ロボットの制御ソフトウェアに組み込むことは、刺激的な新しい研究分野です」と Huang 氏は言います。 「両方のカメラを使用するとうまく機能することがわかりましたが、大量のコンピューティング能力が必要で、コストが法外にかかる可能性があります。 ただし、下肢に取り付けられたカメラのみを使用することは、特に次の XNUMX ～ XNUMX 歩で地形がどのようになるかなどの短期的な予測に非常にうまく機能することもわかりました。」

ロバトン氏によると、この研究はあらゆるタイプの深層学習システムに適用可能だという。

「システムが不確実性を意思決定に組み込むことを可能にする方法で不確実性を評価および定量化する方法をディープラーニングシステムに教えるためのより良い方法を考え出しました」とロバトンは言います。 「これは確かにロボット補綴に関連していますが、ここでの作業はあらゆる種類のディープラーニングシステムに適用できます。」

AI システムのトレーニング

AI システムをトレーニングするために、健常者の参加者にカメラが設置され、参加者は屋内と屋外のさまざまな環境を移動しました。 次のステップは、下肢切断患者にカメラを装着したまま同じ環境をナビゲートさせることでした。 

「モデルを適切に転送できるため、システムがさまざまな集団の被験者に対して動作できることがわかりました」とロバトン氏は言います。 「つまり、AI は、あるグループの人々によってトレーニングされ、別の誰かによって使用された場合でも、うまく機能したということになります。」

次のステップは、ロボット デバイスでフレームワークをテストすることです。 

「私たちは、このフレームワークをロボット義肢を動作させるための制御システムに組み込むことができることに興奮しています。それが次のステップです」と Huang 氏は言います。

チームはまた、視覚的なデータ入力とデータ処理の必要性を減らして、システムの効率を高めることにも取り組んでいきます。