研究人员威斯生物工程研究所和哈佛大学John A. Paulson工程与应用科学学院(SEAS)正在使用机器学习来个性化控制软服。
机器学习算法快速识别出柔软的外服的最佳控制参数，以最小化人类行走所消耗的能量。
研究人员使用了一种叫做“人在循环优化”的技术。它使用实时测量人体生理信号，如呼吸频率，来调整控制参数。随着算法对最佳参数的不断细化，它将指导外服在何时何地提供辅助力。
该研究在科学的机器人．
SEAS的博士后研究员Myunghee Kim博士说:“以前，如果你有三个不同的用户使用辅助设备走路，你就需要三种不同的辅助策略。”“过去，为每个佩戴者找到正确的控制参数是一个困难的、循序渐进的过程，因为不仅所有人的走路方式都略有不同，而且手动调整参数所需的实验也非常复杂和耗时。”
研究人员找到了如何使柔软的外罩个性化的方法。(图片来源:叶丁/哈佛大学)
软服接受测试
研究人员招募了8名男性穿着这种柔软的运动服在跑步机上行走。经过大约20个周期的行走后，套装上的计算机为每个步行者制定了一个理想的力量分布。与不使用该装置的行走相比，该算法和柔软的运动服的组合降低了17.4%的代谢成本。与团队之前的工作相比，这是超过60%的改进。
Kuindersma说:“优化和学习算法将对未来旨在辅助一系列行为的可穿戴机器人设备产生重大影响。”“这些结果表明，即使优化非常简单的控制器，也可以在走路时为用户提供显著的、个性化的好处。将这些想法扩展到考虑更具表现力的控制策略和具有不同需求和能力的人将是令人兴奋的下一步。”
研究人员下一步将把这种机器学习技术应用到一个更复杂的设备上，它可以同时辅助多个关节，如髋关节和踝关节。
“对于像软外套这样的可穿戴机器人，关键是要在正确的时间提供正确的辅助，这样它们才能与佩戴者协同工作，”团队负责人Connor Walsh博士说，他是Wyss研究所的核心教师和John L. Loeb工程与应用科学副教授。“通过这些在线优化算法，系统可以在大约20分钟内自动实现这一目标，从而使佩戴者的利益最大化。”
(图片来源:叶丁/哈佛大学)
了下:机器人的报告
告诉我们你的想法!