Muokattava "Älykäs" Exoskeleton Oppii Sinun Vaiheistasi

{h1}

Carnegie mellonin yliopiston tutkijat ovat kehittäneet uuden algoritmin exoskeletonille, joka käyttää käyttäjältä suoran palautteen muokkaamaan tarjottua apua.

Avustettu kävely juuri sai älykkäämpiä. Uusi algoritmi eksoskeletoniin käyttää käyttäjältä suoraa palautetta mukautetun avun antamiseksi uuden tutkimuksen mukaan. Exoskeletonia käytetään kulmassa ja jalassa ja kohdistaa voimat nilkkaan ja varpaisiin.

Kokeissa, joissa oli 11 kelvollista ihmistä, ns. Human-in-the-loop -algoritmi kesti noin tunti eksoskeletonin optimoimiseksi ja sen jälkeen heikensivät keskimäärin 24 prosenttia tarvitsevien energiaosapuolten määrää. tutkimusryhmän jäsen Rachel Jackson, Carnegie Mellon Universityn (CMU) koneenrakennuksen laitoksen jatkotutkija. [Bionic Humans: Top 10 Technologies]

"Alennuksen koko oli melko upea," Jackson kertoi WordsSideKick.comille.

Jackson ja hänen kollegansa, jonka johti Steven Collins, CMU: n mekaanisen suunnittelun professori ja Juanjuan Zhang, aiemmin CMU: sta ja nyt professori Nankai-yliopistossa Kiinassa, julkaisivat tänään tutkimuksensa tulokset tänään (22.6.) Lehdessä Science.

Vähennetty kuorma on varmasti houkutteleva, mutta persoonallinen eksoskeletoni voi myös lisätä etäisyyttä, jolla pystytään kävelemään, ja se voi jopa auttaa ihmisiä ajaa nopeammin, Jackson sanoi.

Ihmiset, joilla on fyysinen vajaatoiminta, kuten ne, jotka ovat saaneet aivohalvauksen, neurologisen vamman tai amputoitumisen, voivat saada hyötyä myös, Jackson sanoi. Henkilökohtainen eksoskeletti saattaa tehdä kävelyä yhtä helppoa tai helpompaa kuin ennen amputoitumista tai loukkaantumista, hän sanoi.

Tutkijat käyttivät uutta algoritmia eksoskeletonin optimoimiseksi antamaan käyttäjille räätälöityä apua.

Tutkijat käyttivät uutta algoritmia eksoskeletonin optimoimiseksi antamaan käyttäjille räätälöityä apua.

Luottamus: Kirby Witte, Katie Poggensee, Pieter Fiers, Patrick Franks ja Steve Collins

Aiemmin muut tutkimusryhmät saavuttivat keskimäärin eniten keskimäärin 14,5 prosenttia käyttämällä käsin säädettyjä nilkkojen eksoskeletoneja, joita käytettiin molemmissa jaloissa, ja 22,8 prosenttia, käyttäen eksoottoria, joka toimi sekä lantiolla että molemmilla nilkoilla käyttäen ennalta ohjelmoituja asetuksia.

Mutta CMU: n human-in-the-loop-algoritmi menestyi paremmin, eikä se tukeutunut ennalta ohjelmointiin.

"Tämä algoritmi oli niin hyvä, että se pystyi löytämään avustusstrategian energiankustannusten vähentämiseksi vain yhdellä laitteella", Jackson sanoi. "Se oli melko hienoa." [Top 10 keksintöä, jotka muuttivat maailmaa]

Haaste eksoskeletoneilla on se, että vaikka heillä on tarkoitus auttaa henkilöä, he voivat estää liikkeitä, sanoi Jackson. Aloittimille kukin laite on oma painonsa, joka vaihtelee muutamasta unssista pari kiloa kohti ja käyttäjän on kuljetettava tämä paino. Exoskeletonit on suunniteltu myös soveltamaan voimaa tiettyihin kehon osiin, mutta jos voiman ajoitus on pois päältä, henkilö saattaa joutua käyttämään enemmän energiaa liikkumaan, Jackson sanoi. Ja se on haitallista.

Viimeisimmän tutkimuksen optimointivaiheessa kukin osallistuja käytti nilkan eksoskeletonia sekä maski, joka on suunniteltu mittaamaan happea ja hiilidioksidia (CO2). Nämä toimenpiteet liittyvät siihen, kuinka paljon energiaa henkilö kuluttaa. Kun jokainen käveli juoksumatto tasaisella tahdilla, eksoskeletoni käytti erilaisia ​​nilkkojen ja varpaiden apua.

Nämä mallit olivat yhdistelmä voiman levittämisen ja voiman määrän yhdistelmänä. Esimerkiksi voimia voidaan soveltaa varhaisessa vaiheessa (kun kantapää osuu maahan ensimmäistä kertaa), keskiasennossa (kun jalka on tasainen) tai myöhäisessä asennossa (kun jalka on kallistettu varpaisiin). Näissä paikanvaihteluissa voitiin soveltaa suurempaa tai pienempää voimaa.

Algoritmi testasi osanottajien vastauksia 32 eri malliin, jotka muuttuivat 2 minuutin välein. Sen jälkeen mitattiin, onko kuvio helpottamaan tai vaikeuttaisi kävelemistä.

Työn päätyttyä, joka kesti vain pidempään kuin tunti, algoritmi tuotti ainutlaatuisen helpotusmallin jokaiselle yksilölle.

"Mallien yleisen muodon suhteen oli suurta vaihtelua, joka puhuu näiden strategioiden räätälöinnin tärkeydestä jokaiselle henkilölle sen sijaan, että sovellettaisiin samaa asiaa kaikille", Jackson sanoi.

Hän lisäsi, että laite on toiminut hyvin, ei vain siksi, että se oli "oppimista", vaan myös siksi, että koska se muutti avun mallia, myös sitä käyttävä henkilö oppi.

"Uskomme, että se pakottaa ihmiset tutkimaan erilaisia ​​tapojaan koordinoida heidän käyntiään paremmin vuorovaikutuksessa laitteen kanssa", Jackson sanoi. Tämä auttaa ohjaamaan henkilöä siitä, miten parhaiten käytetään laitetta, ja saamaan siitä suurimman hyödyn. "Se on kaksisuuntainen katu", hän sanoi.

Muut tiimin jäsenet aikovat kokeilla, miten algoritmi voitaisiin skaalata, jotta saataisiin aikaan kuusi nivelet, jotka on suunniteltu käytettäväksi koko kehon alaosassa.

Alkuperäinen artikkeli WordsSideKick.com.


Video Täydentää: .




FI.WordsSideKick.com
Kaikki Oikeudet Pidätetään!
Jäljentämistä Materiaalien Sallittu Vain Prostanovkoy Aktiivinen Linkki Sivustoon FI.WordsSideKick.com

© 2005–2019 FI.WordsSideKick.com