Nouță Software Dezvoltată pentru Îmbunătățirea Protezelor Robotice

Cercetătorii de la Universitatea de Stat din Carolina de Nord au dezvoltat o nouă software pentru a îmbunătăți protezele robotice sau exoscheletele. Noua software poate fi integrată cu hardware-ul existent, rezultând o mers mai sigur și mai natural pe diferite terenuri.

Articolul se intitulează “Environmental Context Prediction for Lower Limb Prostheses With Uncertainty Quantification.” A fost publicat în IEEE Transactions on Automation Science and Engineering.

Adaptarea la Diferite Terenuri

Edgar Lobaton este coautor al articolului. El este profesor asociat de inginerie electrică și informatică la universitate.

“Protezele robotice pentru membrele inferioare trebuie să execute diferite comportamente în funcție de terenul pe care utilizatorii merg,” spune Lobaton. “Cadrul pe care l-am creat permite inteligenței artificiale din protezele robotice să prevadă tipul de teren pe care utilizatorii vor păși, să cuantifice incertitudinile asociate cu acea previziune și să incorporeze acea incertitudine în procesul de luare a deciziilor.”

Cercetătorii s-au concentrat pe șase terenuri diferite, fiecare necesitând ajustări în comportamentul unei proteze robotice. Acestea au fost: gresie, beton, cărămizi, iarbă, “sus” și “jos”.

Boxuan Zhong este autorul principal al articolului și un absolvent al programului de doctorat de la NC State.

“Dacă gradul de incertitudine este prea mare, inteligența artificială nu este forțată să ia o decizie discutabilă – ea poate să notifice utilizatorul că nu are suficientă încredere în previziunea sa pentru a acționa sau poate să revină la un mod “sigur”,” spune Zhong.

Incorporarea Elementelor de Hardware și Software

Noul cadru se bazează pe incorporarea atât a elementelor de hardware, cât și a celor de software și poate fi utilizat cu orice exoschelet robotic sau dispozitiv de proteză pentru membrele inferioare.

Un aspect nou al acestui cadru este o cameră ca piesă de hardware suplimentară. În studiu, camerele au fost purtate pe ochelari și au fost plasate pe proteza pentru membrele inferioare. Cercetătorii au observat apoi cum inteligența artificială a fost capabilă să utilizeze datele de viziune computerizată de la cele două tipuri de camere, mai întâi separat și apoi împreună.

Helen Huang este coautor al articolului și este profesorul distins Jackson Family de inginerie biomedicală în Departamentul comun de inginerie biomedicală de la NC State și Universitatea din Carolina de Nord la Chapel Hill.

“Incorporarea viziunii computerizate în software-ul de control pentru robotica purtabilă este o zonă nouă și interesantă de cercetare,” spune Huang. “Am descoperit că utilizarea ambelor camere a funcționat bine, dar a necesitat o cantitate mare de putere de calcul și poate fi costisitoare. Cu toate acestea, am descoperit și că utilizarea unei singure camere montate pe proteza pentru membrele inferioare a funcționat destul de bine – în special pentru previziunile pe termen scurt, cum ar fi ce teren va fi pentru următorii doi pași.”

Conform lui Lobaton, lucrarea este aplicabilă oricărui sistem de învățare profundă.

“Am găsit o modalitate mai bună de a învăța sistemele de învățare profundă cum să evalueze și să cuantifice incertitudinea într-un mod care permite sistemului să incorporeze incertitudinea în procesul de luare a deciziilor,” spune Lobaton. “Acest lucru este cu siguranță relevant pentru protezele robotice, dar lucrarea noastră aici poate fi aplicată oricărui sistem de învățare profundă.”

Antrenarea Sistemului de Inteligență Artificială

Pentru a antrena sistemul de inteligență artificială, camerele au fost plasate pe participanți sănătoși, care apoi s-au deplasat prin medii interioare și exterioare diferite. Următorul pas a fost ca o persoană cu amputație de membru inferior să navigheze prin aceleași medii, purtând camerele.

“Am descoperit că modelul poate fi transferat corespunzător, astfel încât sistemul să poată funcționa cu subiecți din populații diferite,” spune Lobaton. “Asta înseamnă că inteligența artificială a funcționat bine, chiar dacă a fost antrenată de un grup de oameni și utilizată de altcineva.”

Următorul pas este să se testeze cadrul într-un dispozitiv robotic.

“Suntem entuziasmați să incorporăm cadrul în sistemul de control pentru protezele robotice funcționale – acesta este următorul pas,” spune Huang.

Echipa va lucra, de asemenea, la îmbunătățirea eficienței sistemului, prin reducerea cantității de date vizuale de intrare și a procesării datelor.