新软件开发以改进机器人假肢

北卡罗来纳州立大学的研究人员开发了一种新软件，以改进机器人假肢或外骨骼。这种新软件可以与现有的硬件集成，实现在不同地形上行走更安全、更自然。

论文的标题是 “环境背景预测用于下肢假肢，具有不确定性量化。” 它发表在 IEEE 自动化科学与工程交易 上。

适应不同地形

埃德加·洛巴顿是论文的共同作者。他是该大学电气和计算机工程系的副教授。

“下肢机器人假肢需要根据用户行走的地形执行不同的行为，”洛巴顿说。“我们创建的框架允许机器人假肢中的 AI 预测用户将要踏上的地形类型，量化与该预测相关的不确定性，然后将该不确定性纳入其决策中。”

研究人员关注了六种不同的地形，每种地形都需要机器人假肢行为的调整。它们是瓷砖、混凝土、砖、草、”上楼” 和 “下楼”。

钟博轩是论文的首席作者，也是北卡罗来纳州立大学的博士毕业生。

“如果不确定性的程度太高，AI 不会被迫做出值得怀疑的决定 — 它可以通知用户它没有足够的信心在其预测中采取行动，或者它可以默认为 ‘安全’ 模式，”钟博轩说。

硬件和软件元素的集成

新框架依赖于硬件和软件元素的集成，并可用于任何下肢机器人外骨骼或机器人假肢设备。

该框架的一个新方面是将摄像头作为另一个硬件组件。在研究中，摄像头被戴在眼镜上，并被放置在下肢假肢上。研究人员然后观察到 AI 如何利用来自两个不同类型摄像头的计算机视觉数据，首先分别，然后一起。

黄海伦是论文的共同作者。她是北卡罗来纳州立大学和北卡罗来纳大学教堂山分校联合生物医学工程系的杰克逊家族杰出教授。

“将计算机视觉集成到可穿戴机器人控制软件中是一个令人兴奋的新研究领域，”黄海伦说。“我们发现使用两个摄像头效果很好，但需要大量的计算能力，可能会因成本问题而受到限制。然而，我们也发现仅使用安装在下肢上的摄像头效果还不错 — 尤其是对于近期预测，例如下一步或两步的地形会是什么样的。”

根据洛巴顿的说法，这项工作适用于任何类型的深度学习系统。

“我们想出了一个更好的方法来教导深度学习系统如何评估和量化不确定性，以便系统可以将不确定性纳入其决策中，”洛巴顿说。“这当然与机器人假肢有关，但我们的工作可以应用于任何类型的深度学习系统。”

训练 AI 系统

为了训练 AI 系统，摄像头被放置在能够行走的参与者身上，他们然后在不同的室内和室外环境中行走。下一步是让下肢截肢个体在佩戴摄像头的情况下导航相同的环境。

“我们发现模型可以适当地转移，以便系统可以与来自不同人群的对象一起工作，”洛巴顿说。“这意味着 AI 在一组人训练并被另一组人使用时效果很好。”

下一步是测试框架在机器人设备中的性能。

“我们很高兴将框架集成到工作机器人假肢的控制系统中 — 这是下一步，”黄海伦说。

该团队还将致力于使系统更加高效，通过减少视觉数据输入和数据处理。