人在環(huán)優(yōu)化改善了柔軟 可穿戴機器人的功能

對于柔軟的輔助設備 - 就像哈佛生物設計實驗室設計的外套設備 - 佩戴者和機器人需要保持同步。但是每個人的移動方式都有所不同，為個人用戶定制機器人的參數(shù)是一個耗時且低效的過程。

現(xiàn)在，來自哈佛大學John A. Paulson工程與應用與科學學院(SEAS)和Wyss生物學啟發(fā)工程研究所的研究人員開發(fā)出了一種高效的機器學習算法，可以快速為柔軟，可穿戴的exosuits定制個性化的控制策略。

該研究在Science Robotics中有所描述。

“這種新方法是優(yōu)化輔助可穿戴設備控制參數(shù)設置的有效而快捷的方法，”SEAS的博士后研究員，該研究的共同第一作者葉丁說。“使用這種方法，我們?yōu)轶y關節(jié)伸展輔助裝置的佩戴者實現(xiàn)了代謝性能的巨大改善。”

當人類走路時，我們會不斷調整我們如何節(jié)省能源(也稱為代謝成本)。

“之前，如果你有三個不同的用戶在輔助設備上行走，你需要三種不同的輔助策略，”SEAS的博士后研究員，該論文的共同第一作者Myunghee Kim說。“為每個佩戴者找到合適的控制參數(shù)曾經是一個困難的，逐步的過程，因為不僅所有人走路都有所不同，而且手動調整參數(shù)所需的實驗是復雜和耗時的”

由Conor Walsh，John L. Loeb工程和應用科學副教授以及SEAS工程和計算機科學助理教授Scott Kuindersma領導的研究人員開發(fā)了一種算法，可以消除這種變化并快速確定最佳控制最適合最小化步行的參數(shù)。

研究人員使用所謂的人在環(huán)優(yōu)化，它使用人體生理信號的實時測量，例如呼吸速率，來調整設備的控制參數(shù)。隨著算法在最佳參數(shù)上的磨練，它指導了exosuit何時何地提供其輔助力以改善髖部伸展。該團隊使用的貝葉斯優(yōu)化方法是去年在PLOSone的一篇論文中首次報道的。

與沒有設備的步行相比，算法和套裝的組合使代謝成本降低了17.4%。與團隊之前的工作相比，這提高了60%以上。

“優(yōu)化和學習算法將對未來可穿戴機器人設備產生重大影響，旨在幫助一系列行為，”Kuindersma說。“這些結果表明，優(yōu)化甚至非常簡單的控制器可以在行走時為用戶提供顯著的，個性化的好處。擴展這些想法以考慮更具表現(xiàn)力的控制策略以及具有不同需求和能力的人將是令人興奮的下一步。”

沃爾什說：“對于像軟體外套這樣的可穿戴式機器人，在正確的時間提供正確的幫助以便他們能夠與佩戴者協(xié)同工作至關重要。” “通過這些在線優(yōu)化算法，系統(tǒng)可以了解如何在大約20分鐘內自動實現(xiàn)這一目標，從而最大限度地提高佩戴者的利益。”

接下來，該團隊的目標是將優(yōu)化應用于更復雜的設備，同時輔助多個關節(jié)，如髖關節(jié)和踝關節(jié)。

“在本文中，我們通過優(yōu)化髖部伸展來證明代謝成本的大幅降低，”丁說。“這表明你可以用偉大的大腦和偉大的硬件做些什么。”