Forscher von der Harvard John A. Paulson Schule der Technik und der Angewandter und der Wissenschaften (SEAS) und des Wyss-Instituts für biologisch inspirierte Technik haben ein entwickelt maschineller Lernalgorithmus das trägt dazu bei, dass tragbare Exos an individuelle Bewegungsgewohnheiten angepasst sind.
Damit ein Exo-Anzug seinen Zweck effektiv erfüllen kann, muss er perfekt auf die individuellen Bewegungen des Benutzers zugeschnitten sein. Dieser revolutionäre Algorithmus ist viel effizienter als frühere Methoden, bei denen die Parameter jedes einzelnen Anzugs geändert werden mussten.
Die vollständige Studie wird veröffentlicht in Wissenschaft Robotics.
"Es hat sich gezeigt, dass tragbare Geräte die Leistung des menschlichen Gehens und Laufens verbessern", sagte Dr. Ye Ding, Postdoc-Stipendiat am SEAS und Ko-Erstautor der Studie. "Die Reaktionsvarianz zwischen den Trägern für festgelegte Hilfsstrategien kann jedoch hoch sein, was zu unserer Hypothese führt, dass individualisierte Controller die Wirtschaftlichkeit beim Gehen weiter verbessern könnten."
Um Energie zu sparen, nehmen Menschen unbewusst häufig Anpassungen an unserer Bewegungsart vor. Dieser Algorithmus ermöglicht im Gegensatz zu den vorhergehenden Verfahren diese Modifikationen.
"Wenn Sie zuvor drei verschiedene Benutzer mit Hilfsgeräten laufen hätten, würden Sie drei verschiedene Hilfsstrategien benötigen." Myunghee Kim, ein Postdoktorand am SEAS und Ko-Erstautor der Studie, sagte in einer Erklärung. „Früher war es schwierig, Schritt für Schritt die richtigen Steuerungsparameter für jeden Träger zu finden, da nicht nur alle Menschen ein wenig anders laufen, sondern auch die Experimente, die zum manuellen Einstellen der Parameter erforderlich sind, kompliziert und zeitaufwendig sind.“
Die Verkürzung der Zeit, die nötig ist, um einen Exo-Anzug zu personalisieren, war eine der wichtigsten Initiativen für diese Studie.
„Bei tragbaren Robotern wie weichen Schutzanzügen ist es entscheidend, dass die richtige Unterstützung zum richtigen Zeitpunkt bereitgestellt wird, damit sie synergetisch mit dem Träger zusammenarbeiten können.“ Conor Walsh, sagte der John L. Loeb Associate Professor für Ingenieurwissenschaften und Angewandte Wissenschaften bei SEAS und Co-Algorithmus-Entwickler in einer Erklärung. "Mit diesen Online-Optimierungsalgorithmen können Systeme lernen, wie dies automatisch in etwa zwanzig Minuten erreicht wird, wodurch der Nutzen für den Träger maximiert wird."
Um den Algorithmus zu entwickeln, verwendeten die Forscher eine Technik namens "Human-in-the-Loop" -Optimierung. Diese Strategie verwendet Messungen der menschlichen Atemfrequenz und anderer physiologischer Signale, um die Steuerparameter der Vorrichtungen in Echtzeit einzustellen.
In der Studie beobachteten die Forscher, dass diejenigen, die den mit dem Algorithmus ausgestatteten Exo-Anzug verwendeten, 17.4 weniger Energie verbrauchten als Menschen, die ohne das Gerät gingen.
"Optimierungs- und Lernalgorithmen werden einen großen Einfluss auf künftige tragbare Robotergeräte haben, die für eine Reihe von Verhaltensweisen entwickelt wurden." Scott Kuindersma, Assistant Professor für Ingenieurwissenschaften und Informatik bei SEAS und Co-Algorithmus-Entwickler, sagte in einer Erklärung. „Diese Ergebnisse zeigen, dass die Optimierung selbst sehr einfacher Steuerungen dem Benutzer beim Gehen einen erheblichen, individuellen Nutzen bringen kann.“
Diese spezielle Studie konzentrierte sich auf Hüftbewegungen, aber die "Ergebnisse legen nahe, dass diese Methode auf andere tragbare Geräte angewendet werden kann und sich auf die Verbesserung der Leistung aller anderen tragbaren Robotergeräte auswirken kann", sagte Ding.
Die Forscher arbeiten bereits an der Entwicklung ihres Algorithmus, um fortschrittlichere Maschinen zu konstruieren, die gleichzeitig mehrere Gelenke wie Hüfte und Knöchel unterstützen können.
Ding erkennt eine mögliche Chance für die menschliche Anpassung an die Geräte an und antizipiert die Entwicklung eines Weges, um seine Auswirkungen in weiteren Studien zu minimieren.
