Cuando se trata de dispositivos suaves y de asistencia, como el exosuit diseñado por Harvard Biodesign Lab, el usuario y el robot deben estar sincronizados. Pero cada humano se mueve un poco diferente y adapta los parámetros del robot para un individuoEl usuario es un proceso lento e ineficiente.
Ahora, los investigadores de la Escuela de Ingeniería y Ciencias Aplicadas y Ciencias de Harvard John A. Paulson SEAS y el Instituto Wyss de Ingeniería Biológicamente Inspirada han desarrollado un algoritmo eficiente de aprendizaje automático que puede adaptar rápidamente estrategias de control personalizadas para exosuits suaves y portátiles.
La investigación se describe en Ciencia Robótica .
"Este nuevo método es una forma efectiva y rápida de optimizar la configuración de los parámetros de control para dispositivos portátiles de asistencia", dijo Ye Ding, becario postdoctoral en SEAS y coautor principal de la investigación. "Al usar este método, logramos un enormemejora en el rendimiento metabólico para los usuarios de un dispositivo auxiliar de extensión de cadera ".
Cuando los humanos caminan, constantemente modificamos cómo nos movemos para ahorrar energía también conocido como costo metabólico.
"Antes, si tenía tres usuarios diferentes caminando con dispositivos de asistencia, necesitaría tres estrategias de asistencia diferentes", dijo Myunghee Kim, investigador postdoctoral en SEAS y coautor del artículo ". Encontrar los parámetros de control correctos".para cada usuario solía ser un proceso difícil, paso a paso, porque no solo todos los humanos caminan de manera un poco diferente, sino que los experimentos necesarios para ajustar manualmente los parámetros son complicados y requieren mucho tiempo "
Los investigadores, dirigidos por Conor Walsh, el Profesor Asociado John L. Loeb de Ingeniería y Ciencias Aplicadas, y Scott Kuindersma, Profesor Asistente de Ingeniería e Informática en SEAS, desarrollaron un algoritmo que puede cortar esa variabilidad e identificar rápidamente elmejores parámetros de control que funcionan mejor para minimizar el caminar.
Los investigadores utilizaron la denominada optimización humana en el circuito, que utiliza mediciones en tiempo real de señales fisiológicas humanas, como la frecuencia respiratoria, para ajustar los parámetros de control del dispositivo. A medida que el algoritmo se perfeccionó en el mejorparámetros, dirigió el exosuit sobre cuándo y dónde entregar su fuerza de asistencia para mejorar la extensión de la cadera. El enfoque de optimización bayesiana utilizado por el equipo se informó por primera vez en un artículo el año pasado en PLOSone.
La combinación del algoritmo y el traje redujo el costo metabólico en un 17.4 por ciento en comparación con caminar sin el dispositivo. Esta fue una mejora de más del 60 por ciento en comparación con el trabajo previo del equipo.
"Los algoritmos de optimización y aprendizaje tendrán un gran impacto en los futuros dispositivos robóticos portátiles diseñados para ayudar a una variedad de comportamientos", dijo Kuindersma. "Estos resultados muestran que optimizar incluso controladores muy simples puede proporcionar un beneficio significativo e individualizado a los usuarios mientras caminan"Ampliar estas ideas para considerar estrategias de control más expresivas y personas con diversas necesidades y habilidades será un próximo paso emocionante".
"Con los robots portátiles como los exosuits blandos, es fundamental que se brinde la asistencia adecuada en el momento adecuado para que puedan trabajar sinérgicamente con el usuario", dijo Walsh. "Con estos algoritmos de optimización en línea, los sistemas pueden aprender cómo lograrlo".esto automáticamente en unos veinte minutos, maximizando así el beneficio para el usuario "
A continuación, el equipo tiene como objetivo aplicar la optimización a un dispositivo más complejo que ayuda a múltiples articulaciones, como la cadera y el tobillo, al mismo tiempo.
"En este documento, demostramos una alta reducción en el costo metabólico simplemente optimizando la extensión de la cadera", dijo Ding. "Esto demuestra lo que puede hacer con un gran cerebro y un gran hardware".
Esta investigación fue apoyada por la Agencia de Proyectos de Investigación Avanzada de Defensa, el Programa Web Warrior, el Instituto Wyss y la Escuela de Ingeniería y Ciencias Aplicadas John A. Paulson de Harvard.
Fuente de la historia :
Materiales proporcionado por Harvard John A. Paulson School of Engineering and Applied Sciences . Original escrito por Leah Burrows. Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :