支持人工智能的虚拟训练可以使机器人外骨骼更加普遍

仅在美国，疾病控制中心（CDC）估计约有12%的人口患有行动不便，使他们难以行走或爬楼梯。据报道，全世界一些13亿面临类似的挑战。机器人外骨骼——科幻灵感的机械支撑服——被一些人视为一种潜在的解决方案，但实际使用这些设备的机会仍然很少。研究人员希望他们能够通过一种新的人工智能测试方法来帮助缩小可访问性差距，他们认为这种方法可以大大减少使这些设备正常运行所需的面对面培训时间。

外骨骼，有时也被称为“外衣”，是机器人可穿戴设备，连接到人体外部，提供外部援助模式。这可以通过小型电机或其他增加扭矩和支撑的电源来传递。当聚焦在佩戴者的臀部或腿部时，这些外骨骼可以提供帮助移动所需的额外动力和稳定性。

外骨骼的广泛使用受到限制，部分原因是人类测试人员通常需要训练设备，并告知他们如何以及何时对用户身体需要帮助的部位施加压力。这些上下文提示对于实现设备的最终目标至关重要，即让用户更容易四处走动，但它们可能需要时间和资源。为了减少这些障碍，一组研究人员最近开发了一种新技术，使用人工智能在计算机模拟中训练外骨骼控制器。

研究人员在《自然》杂志最近的一篇文章中指出，这种模拟训练的使用大大减少了对物理人体实验的需求。理论上，这种训练方法可以使外骨骼设备更容易获得，并为行动不便的人提供现成的使用。北卡罗来纳州立大学教授兼论文合著者苏浩将这种新方法描述为类似于弥合模拟和现实之间的差距。"

“这里的关键思想是，便携式外骨骼中的具身人工智能正在学习如何在计算机模拟中帮助人们行走、跑步或攀爬，而无需任何实验，”苏补充道。

研究人员开发的“learning-in-simulation”框架基于三个连接的多层人工智能神经网络。研究人员将这种学习方法应用于定制的髋关节外骨骼，旨在增加行走的灵活性。一旦在虚拟模拟中进行了训练，研究人员随后将髋关节控制器绑在人类测试人员身上，看看它的表现如何。结果令人鼓舞：佩戴模拟训练外骨骼控制器的参与者在行走时使用的代谢能量比没有它行走的对照组少24.4%。与没有佩戴设备的情况下执行相同任务的人相比，佩戴外骨骼设备的用户在跑步和攀爬时消耗的能量同样减少了13.1%和15.4%。

“这项工作本质上是在让科幻小说成为现实——让人们在执行各种任务时消耗更少的能量，”苏说。

更容易训练外骨骼可以降低残疾人的障碍

尽管使用模拟训练设备进行的真实世界实验是由没有身体残疾的参与者进行的，但研究人员表示，这些发现可以有意义地帮助生活在各种行动挑战中的人，从中风幸存者和肢体差异的人，到患有脑瘫等神经疾病的人。虽然这个特殊的实验集中在臀部外骨骼控制器上，但同样的基本学习框架也可以应用于膝盖和脚踝外骨骼。除了减少训练时间之外，虚拟模拟方法意味着外骨骼设计师理论上也可以向设备发送改进的更新。未来，研究人员认为这个可更新的系统可以帮助开发高度定制的控制器，这些控制器可以根据个人佩戴者的需求进行微调。

“我们的方法标志着可穿戴机器人技术的重大进步，”新泽西理工学院生物动力学实验室主任兼论文合著者周贤莲在一份声明中说。“这个[臀部]控制器无缝t无需进一步的人体受试者测试即可转换到硬件，使其无需实验。”