Phần Mềm Mới Được Phát Triển Để Cải Thiện Prosthetics Robot

Các nhà nghiên cứu tại Đại học North Carolina State đã phát triển phần mềm mới để cải thiện prosthetics robot hoặc exoskeleton. Phần mềm mới này có thể được tích hợp với phần cứng hiện có, dẫn đến việc đi lại an toàn và tự nhiên hơn trên các địa hình khác nhau.

Bài báo có tiêu đề “Environmental Context Prediction for Lower Limb Prostheses With Uncertainty Quantification.” Nó được xuất bản trong IEEE Transactions on Automation Science and Engineering.

Phản ứng với các địa hình khác nhau

Edgar Lobaton là đồng tác giả của bài báo. Ông là giáo sư liên kết về kỹ thuật điện và máy tính tại trường đại học.

“Prosthetics robot chân dưới cần thực hiện các hành vi khác nhau dựa trên địa hình mà người dùng đang đi,” Lobaton nói. “Khung chúng tôi đã tạo ra cho phép AI trong prosthetics robot dự đoán loại địa hình mà người dùng sẽ bước lên, lượng hóa sự không chắc chắn liên quan đến dự đoán đó và sau đó tích hợp sự không chắc chắn đó vào quá trình ra quyết định của nó.”

Có sáu địa hình khác nhau mà các nhà nghiên cứu tập trung vào, với mỗi địa hình yêu cầu điều chỉnh trong hành vi của prosthetics robot. Chúng bao gồm gạch men, bê tông, gạch, cỏ, “lên cầu thang” và “xuống cầu thang”.

Boxuan Zhong là tác giả chính của bài báo và là tiến sĩ tốt nghiệp từ NC State.

“Nếu mức độ không chắc chắn quá cao, AI không bị buộc phải đưa ra quyết định đáng ngờ – nó có thể thông báo cho người dùng rằng nó không có đủ niềm tin vào dự đoán của mình để hành động, hoặc nó có thể chuyển sang chế độ ‘an toàn’,” Zhong nói.

Tích hợp các yếu tố phần cứng và phần mềm

Khung mới này dựa trên cả các yếu tố phần cứng và phần mềm được tích hợp lại với nhau, và nó được sử dụng với bất kỳ exoskeleton robot chân dưới hoặc thiết bị prosthetics robot nào.

Một khía cạnh mới của khung này là máy ảnh như một phần cứng khác. Trong nghiên cứu, máy ảnh được đeo trên kính mắt và được đặt trên prosthetics chân dưới. Các nhà nghiên cứu sau đó quan sát cách AI sử dụng dữ liệu tầm nhìn máy tính từ hai loại máy ảnh khác nhau, đầu tiên riêng biệt và sau đó cùng nhau.

Helen Huang là đồng tác giả của bài báo. Bà là giáo sư danh dự của khoa Kỹ thuật Y sinh tại Khoa Kỹ thuật Y sinh Liên kết của NC State và Đại học North Carolina tại Chapel Hill.

“Tích hợp tầm nhìn máy tính vào phần mềm điều khiển cho robot đeo được là một lĩnh vực nghiên cứu mới thú vị,” Huang nói. “Chúng tôi phát hiện ra rằng sử dụng cả hai máy ảnh hoạt động tốt, nhưng đòi hỏi rất nhiều sức mạnh tính toán và có thể không hợp lý về chi phí. Tuy nhiên, chúng tôi cũng phát hiện ra rằng sử dụng chỉ máy ảnh gắn trên prosthetics chân dưới hoạt động khá tốt – đặc biệt là đối với dự đoán gần, chẳng hạn như địa hình sẽ như thế nào trong một hoặc hai bước tiếp theo.”

Theo Lobaton, công việc này áp dụng cho bất kỳ hệ thống học sâu nào.

“Chúng tôi đã nghĩ ra một cách tốt hơn để dạy các hệ thống học sâu cách đánh giá và lượng hóa sự không chắc chắn theo cách cho phép hệ thống tích hợp sự không chắc chắn vào quá trình ra quyết định của nó,” Lobaton nói. “Điều này chắc chắn có liên quan đến prosthetics robot, nhưng công việc của chúng tôi ở đây có thể được áp dụng cho bất kỳ hệ thống học sâu nào.”

Đào tạo hệ thống AI

Để đào tạo hệ thống AI, máy ảnh được đặt trên những người tham gia có khả năng, những người sau đó di chuyển qua các môi trường trong nhà và ngoài trời khác nhau. Bước tiếp theo là có một người bị cụt chân dưới điều hướng các môi trường相同 trong khi đeo máy ảnh.

“Chúng tôi phát hiện ra rằng mô hình có thể được chuyển giao một cách phù hợp để hệ thống có thể hoạt động với các đối tượng từ các dân số khác nhau,” Lobaton nói. “Điều đó có nghĩa là AI hoạt động tốt ngay cả khi nó được đào tạo bởi một nhóm người và được sử dụng bởi một người khác.”

Bước tiếp theo là kiểm tra khung trong một thiết bị robot.

“Chúng tôi rất hào hứng khi tích hợp khung vào hệ thống điều khiển cho prosthetics robot hoạt động – đó là bước tiếp theo,” Huang nói.

Đội ngũ sẽ cũng làm việc trên việc làm cho hệ thống hiệu quả hơn, bằng cách yêu cầu ít hơn dữ liệu đầu vào trực quan và xử lý dữ liệu.