机器人技术研究人员正在开发外骨骼腿,利用复杂的人工智能(ai)技术自己行走。有一天,这种自我控制的腿可能会支持老年人和身体有残疾的人的活动。

由滑铁卢大学的研究人员建造和测试的系统结合了计算机视觉和深度学习A.I.模仿人类的步态。“学习”从环境周围的样本漫步的集合中,系统根据感觉的周围环境调整其运动。

“我们给机器人外骨骼赋予视觉,这样它们就可以自我控制,”他说Brokoslaw Laschowski.他是滑铁卢大学系统设计工程博士研究生,领导着一个名为ExoNet

通过人工智能支持的exonet系统,从团队收集的培训数据中拉动。穿着可穿戴的相机绑在胸前(如上图所示),Laschowski和他的研究人员拍摄了室内和室外环境的视频。

然后,人工智能电脑软件对视频进行处理,以准确识别楼梯、门和周围环境的其他特征。

这一成就在杂志上有详细介绍机器人和人工智能的前沿领域。(探索A.研究数据集与自主外骨骼项目有关。)

关于相关项目的一系列论文的最新文件,用于机器人外骨骼的待机生物力学和能量再生的假体模拟该研究发表在《IEEE医学机器人和仿生学汇刊》上。

电动外骨骼腿以前也设计过,但佩戴者几乎总是需要一个操纵杆或智能手机应用程序来控制他们的动作。

“这可能会很不方便,而且对认知要求很高,”Laschowski说。“每次想要执行新的机器人活动时,您必须停止,取出智能手机并选择所需的模式。”

由于采用了人工智能和计算机视觉功能,滑铁卢大学(University of Waterloo)的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进行分析,采取其他适当的行动。

此外,研究人员还在努力通过使用人体运动来自充电电池来提高机器人外骨骼的电动机的能量效率。

拉肖夫斯基说:“我们的控制方法不一定需要人类的思考。”他的指导老师是一位工程学教授John McPhee,加拿大在生物学系统动态中的研究椅子,在他的运动研究小组实验室。“与自动驾驶汽车类似,我们正在设计自动行走的外骨骼。”

来自Waterloo大学的Brokoslaw Laschowski测试了外骨骼
Brokoslaw Laschowski测试了外骨骼。(图片来源:滑铁卢大学)

在一个问答技术简介下面,布罗克斯瓦夫·拉肖夫斯基(Brokoslaw Laschowski)详细解释了ExoNet技术,以及为什么具有类似自动驾驶汽车功能的外骨骼必须包含类似汽车的安全措施。

技术简介:您如何确保安全?如果出现的外骨骼误认为是危险的事情,用户可以控制吗?类比是ADAS VS完全自治车辆。用户如何控制速度和停止并进行?这种控制如何与用户接口?

Brokoslaw Laschowski.:安全是最重要的。这些机器人设备设计用于帮助老年人和身体残疾的人(例如,中风,脊髓损伤,脑瘫,骨关节炎等)。我们负担不起外​​骨骼做出错误的决定,并且可能导致跌倒或伤害。因此,我们完全关注通过开发环境识别系统来提高分类准确性和控制,以允许外骨骼自动意识并实时地对行走环境进行反应。我们在临床测试之前,我们使用计算机和可穿戴原型进行了“健康”控制的可穿戴原型来优化系统性能。然而,外骨骼用户将始终具有接管手动控制(例如,停止和转向)的能力。

技术简介:你能把我带走你想要这种外屏的应用吗?这将是最有价值的吗?

Brokoslaw Laschowski.:这些机器人设备旨在为老年人和具有物理障碍的人提供机器人活动。我们的环境 - 自适应自动化控制系统的示例应用正在不同的机器人活动之间切换。例如,在市售的外骨骼中,例如,当过渡到爬楼梯的水平接地,例如,用户使用移动接口,按钮或其他手动控制方式接近楼梯,停止并手动地通信到外科活动。(取决于设备)。

相反,通过自主控制系统,当用户接近倾斜楼梯时,惯性测量单元(IMU)这样的车载传感器是连续感应和分类用户的当前运动,并且可穿戴的相机系统正在传感和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机器人的意图并控制外骨骼。

技术简介外骨骼是如何“训练”在没有人类思考的情况下操作的?

Brokoslaw Laschowski.我们使用计算机视觉和深度学习对环境进行分类。使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。这些关于步行环境的信息随后被用于控制机器人外骨骼,包括最优路径规划、避障和不同运动活动之间的切换(例如,从平地步行到爬楼梯)。

技术简介:这个外骨骼的接下来是什么?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准确和实时地执行。因此,我们专注于提高环境分类精度,同时使用最小计算和内存存储需求的神经网络体系结构来促进机载实时推理。

你怎么看?分享您的问题和评论。