机器人研究人员正在开发外骨骼腿,利用先进的人工智能(ai)技术,可以自己走路。也许有一天,这种能自我控制的腿可以支持老年人和残疾人的运动。

该系统由滑铁卢大学(University of Waterloo)的研究人员建造并测试,它将计算机视觉和深度学习人工智能结合起来,以模仿类似人类的步态。从一组样本中“学习”——在一个环境中漫步,系统根据它所感知的环境调整它的运动。

“我们给机器人外骨骼视觉,这样它们就可以控制自己,”他说Brokoslaw Laschowski他是系统设计工程的博士研究生,领导着滑铁卢大学的一个研究项目ExoNet

ExoNet系统由人工智能支持,从团队收集的训练数据中提取数据。Laschowski和他的同事们将可穿戴摄像机绑在胸前(如图所示),拍摄室内和室外环境的视频。

然后,人工智能计算机软件对视频进行处理,以准确识别周围环境中的楼梯、门和其他特征。

这一成就详细记载在杂志上机器人与人工智能前沿.(探索研究数据集与这个自动外骨骼项目有关。)

关于相关项目的一系列论文中,具有能量再生的机器人外骨骼和假肢的立-坐生物力学仿真,发表在IEEE医学机器人和仿生学会刊上。

电动外骨骼腿以前就被设计过,但穿戴者几乎总是需要操纵杆或智能手机应用程序来控制他们的运动。

“这可能会带来不便,而且对认知要求很高,”Laschowski说。“每次你想进行一项新的运动时,你都必须停下来,拿出智能手机选择想要的模式。”

得益于人工智能和计算机视觉能力,滑铁卢大学(University of Waterloo)的这种方法提供了更自动化的控制。

ExoNet研究项目的下一阶段将包括向电机发送指令,这样机器人的外骨骼就可以爬楼梯,避开障碍物,或根据用户当前的运动和即将到来的地形分析采取其他适当的行动。

此外,研究人员还在努力提高机器人外骨骼马达的能量效率,方法是利用人体运动来给电池充电。

拉斯科夫斯基说:“我们的控制方法不一定需要人类的思维。”拉斯科夫斯基的导师是工程学教授John McPhee,加拿大生物机电系统动力学研究主席,在他的运动研究小组实验室。“类似于自动驾驶汽车,我们正在设计自动行走的外骨骼。”

滑铁卢大学的Brokoslaw Laschowski对外骨骼进行了测试
Brokoslaw Laschowski测试外骨骼。(图片来源:滑铁卢大学)

在问答环节yabovip16.com下面,Brokoslaw Laschowski将详细解释ExoNet技术,以及为什么拥有类似自动驾驶汽车功能的外骨骼也必须包含类似于汽车的安全措施。

yabovip16.com你如何确保安全?如果外骨骼错误地做了一些危险的事情,用户能控制吗?就好比ADAS vs完全自动驾驶汽车。用户如何控制速度和停车?这些控件如何与用户交互?

Brokoslaw Laschowski安全是最重要的。这些机器人设备旨在帮助老年人和那些身体残疾的人(如中风、脊髓损伤、脑瘫、骨关节炎等)。我们不能让外骨骼做出错误的决定,并可能导致摔倒或受伤。因此,我们完全专注于通过开发环境识别系统来提高分类精度和控制,使外骨骼能够自主感知并实时对行走环境做出反应。在临床测试前,我们正在利用计算机和可穿戴原型机优化系统性能,并采用“健康”控制。然而,外骨骼用户将始终有能力接管手动控制(例如,停止和转向)。

yabovip16.com你能给我介绍一下你对这种外骨骼的设想吗?这在哪里最有价值?

Brokoslaw Laschowski这些机器人装置是为了帮助老年人和身体有残疾的人进行运动活动而设计的。我们的环境自适应自动控制系统的一个应用实例是在不同的运动活动之间切换。在商用外骨骼中,当用户从平地行走过渡到爬楼梯时,例如,用户走近楼梯,停下来,并通过移动界面、按钮或其他手动控制(取决于设备)手动向外骨骼传达预期的活动。

相比之下,在自主控制系统中,当用户接近倾斜楼梯时,惯性测量单元(imu)等机载传感器会不断感知并分类用户当前的运动,而可穿戴摄像头系统则会感知并分类即将到来的地形。这些不同的传感器技术和模式识别算法的融合用于预测用户的运动意图和控制外骨骼。

yabovip16.com如何“训练”外骨骼在没有人类思维的情况下运作?

Brokoslaw Laschowski:我们使用计算机视觉和深度学习进行环境分类。利用数百万张真实世界的图像,我们的卷积神经网络被自动有效地训练,以预测图像中显示的不同行走环境。这些关于行走环境的信息随后用于控制机器人外骨骼,以实现最优路径规划、避障和不同运动活动(例如平地行走到爬楼梯)之间的切换。

yabovip16.com这个外骨骼的下一步是什么?你现在在做什么?

Brokoslaw Laschowski从安全关键的角度来看,这些人工智能驱动的外骨骼控制系统需要精确和实时地运行。因此,我们专注于提高环境分类的准确性,同时使用最小计算和内存存储需求的神经网络架构来促进机载实时推理。

你觉得呢?分享你的问题和评论。