Los investigadores han desarrollado un nuevo software que puede integrarse con el hardware existente para permitir que las personas que usan prótesis robóticas o exoesqueletos caminen de una manera más segura y natural en diferentes tipos de terreno. El nuevo marco incorpora la visión por computadora en el control protésico de piernas, e incluyealgoritmos robustos de inteligencia artificial IA que permiten que el software responda mejor a la incertidumbre.
"Las prótesis robóticas de las extremidades inferiores necesitan ejecutar diferentes comportamientos según el terreno sobre el que caminan los usuarios", dice Edgar Lobaton, coautor de un artículo sobre el trabajo y profesor asociado de ingeniería eléctrica e informática en la Universidad Estatal de Carolina del Norte"El marco que hemos creado permite a la IA en las prótesis robóticas predecir el tipo de terreno que pisarán los usuarios, cuantificar las incertidumbres asociadas con esa predicción y luego incorporar esa incertidumbre en su toma de decisiones".
Los investigadores se centraron en distinguir entre seis terrenos diferentes que requieren ajustes en el comportamiento de una prótesis robótica: baldosas, ladrillos, hormigón, césped, "arriba" y "abajo".
"Si el grado de incertidumbre es demasiado alto, la IA no está obligada a tomar una decisión cuestionable; en su lugar, podría notificar al usuario que no tiene suficiente confianza en su predicción para actuar, o podría cambiar por defecto aun modo 'seguro' ", dice Boxuan Zhong, autor principal del artículo y un recién graduado de doctorado del estado de Carolina del Norte.
El nuevo marco de "contexto ambiental" incorpora elementos de hardware y software. Los investigadores diseñaron el marco para usar con cualquier exoesqueleto robótico de extremidades inferiores o dispositivo protésico robótico, pero con una pieza adicional de hardware: una cámara. En su estudio,Los investigadores utilizaron cámaras usadas en anteojos y cámaras montadas en la prótesis de las extremidades inferiores. Los investigadores evaluaron cómo la IA pudo hacer uso de los datos de visión por computadora de ambos tipos de cámara, por separado y cuando se usaron juntos.
"Incorporar la visión por computadora en el software de control para la robótica portátil es una nueva área de investigación emocionante", dice Helen Huang, coautora del artículo. "Descubrimos que usar ambas cámaras funcionaba bien, pero requería una gran cantidad de computaciónpotencia y puede ser un costo prohibitivo. Sin embargo, también descubrimos que usar solo la cámara montada en la extremidad inferior funcionó bastante bien, particularmente para predicciones a corto plazo, como cómo sería el terreno para el próximo paso o dos ".Huang es profesor distinguido de la familia Jackson de Ingeniería Biomédica en el Departamento Conjunto de Ingeniería Biomédica en NC State y la Universidad de Carolina del Norte en Chapel Hill.
El avance más significativo, sin embargo, es hacia la propia IA.
"Se nos ocurrió una mejor manera de enseñar a los sistemas de aprendizaje profundo cómo evaluar y cuantificar la incertidumbre de una manera que permita que el sistema incorpore incertidumbre en su toma de decisiones", dice Lobaton. "Esto es ciertamente relevante para las prótesis robóticas,pero nuestro trabajo aquí podría aplicarse a cualquier tipo de sistema de aprendizaje profundo "
Para entrenar el sistema de IA, los investigadores conectaron las cámaras a personas sanas, que luego caminaron a través de una variedad de ambientes interiores y exteriores. Luego, los investigadores hicieron una evaluación de prueba de concepto al tener una persona con amputación de miembros inferioresuse las cámaras mientras atraviesa los mismos entornos.
"Descubrimos que el modelo puede transferirse de manera apropiada para que el sistema pueda operar con sujetos de diferentes poblaciones", dice Lobaton. "Eso significa que la IA funcionó bien, incluso si fue entrenada por un grupo de personas y utilizada por alguien diferente"
Sin embargo, el nuevo marco aún no se ha probado en un dispositivo robótico.
"Estamos entusiasmados de incorporar el marco en el sistema de control para el trabajo de prótesis robóticas, ese es el siguiente paso", dice Huang.
"Y también estamos planeando trabajar en formas de hacer que el sistema sea más eficiente, en términos de requerir menos entrada de datos visuales y menos procesamiento de datos", dice Zhong.
Fuente de la historia :
Materiales proporcionado por Universidad Estatal de Carolina del Norte . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :