Machine Learning personaliza cómo funcionan los exosuits suaves

 

Investigadores del Instituto Wyss de Ingeniería Biológicamente Inspirada y la Escuela de Ingeniería y Ciencias Aplicadas y Ciencias de Harvard John A. Paulson (SEAS) están utilizando el aprendizaje automático para personalizar los controles de los exosuits blandos.

El algoritmo de aprendizaje automático identifica rápidamente los mejores parámetros de control para el exosuit suave para minimizar la cantidad de energía que utiliza el ser humano para caminar.

Los investigadores utilizaron una técnica llamada «optimización humana en el circuito». Utiliza mediciones en tiempo real de señales fisiológicas humanas, como la frecuencia respiratoria, para ajustar los parámetros de control. A medida que el algoritmo se enfocaba en los mejores parámetros, dirigió el exosuit sobre cuándo y dónde entregar la fuerza de asistencia.

La investigación se describe en Ciencia Robótica.

«Antes, si tenía tres usuarios diferentes caminando con dispositivos de asistencia, necesitaría tres estrategias de asistencia diferentes», dijo Myunghee Kim, Ph.D., investigador postdoctoral en SEAS. «Encontrar los parámetros de control adecuados 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».

Machine Learning personaliza cómo funcionan los exosuits suaves

Los investigadores descubrieron cómo personalizar exosuits suaves. (Crédito de la foto: Ye Ding / Harvard University)

Exosuits suaves puestos a prueba

Los investigadores reclutaron a ocho hombres para caminar en una cinta mientras usaban los exosuits suaves. Después de unos 20 ciclos de caminata, la computadora conectada al traje desarrolló un perfil de fuerza ideal para cada caminante. La combinación del algoritmo y el exosuit suave 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 anterior 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 ”.

Luego, los investigadores aplicarán esta técnica de aprendizaje automático a un dispositivo más complejo que ayude simultáneamente a múltiples articulaciones, como la cadera y el tobillo.

«Con los robots portátiles como los exosuits blandos, es fundamental que se brinde la asistencia adecuada en el momento adecuado para que puedan trabajar de manera sinérgica con el usuario», dijo el líder del equipo, Connor Walsh, Ph.D., miembro de la Facultad del Instituto Wyss. y el Profesor Asociado John L. Loeb de Ingeniería y Ciencias Aplicadas. «Con estos algoritmos de optimización en línea, los sistemas pueden aprender cómo lograr esto automáticamente en unos veinte minutos, maximizando así los beneficios para el usuario».

Machine Learning personaliza cómo funcionan los exosuits suaves

(Crédito de la foto: Ye Ding / Harvard University)

Leave a Comment!