19/06/2024
Door Ad Spijkers
Een nieuwe methode maakt gebruik van AI en computersimulaties om robotachtige exoskeletten te trainen.
Exoskeletten hebben het potentieel om de prestaties van de menselijke voortbeweging te verbeteren bij een grote verscheidenheid aan gebruikers, van revalidatie van blessures tot permanente hulp voor mensen met een handicap. Langdurige menselijke tests en controlewetten hebben de brede acceptatie ervan echter beperkt.
Nieuwe methode
Amerikaanse onderzoekers hebben een nieuwe methode gedemonstreerd die gebruik maakt van AI en computersimulaties om robotachtige exoskeletten te trainen. Ze zijn verbonden aan de Embry‑Riddle Aeronautical University in Daytona Beach (Florida), het New Jersey Institute of Technology in Newark en de North Carolina State University in Raleigh.
Dankzij een door AI aangestuurd exoskelet kunnen gebruikers energie besparen tijdens het lopen, rennen en traplopen. De nieuwe methode ontwikkelt snel exoskelet-controllers om de voortbeweging te ondersteunen zonder te vertrouwen op langdurige experimenten waarbij mensen betrokken zijn. Bovendien kan de methode worden toegepast op een grote verscheidenheid aan hulpmiddelen buiten het exoskelet van de heup.
Normaal gesproken moeten gebruikers urenlang een exoskelet 'trainen' om gebruikers te helpen lopen, rennen of trappen beklimmen. De technologie moet immers weten hoeveel kracht er nodig is en wanneer die kracht moet worden uitgeoefend. Met de nieuwe methode kunnen gebruikers de exoskeletten onmiddellijk gebruiken. De simulatie in gesloten kringloop en de exoskelet-controller omvatten natuurkundige modellen van de musculoskeletale dynamiek, mens-robot-interactie en spierreacties. Hiermee worden efficiënt realistische data gegenereerd en iteratief een beter controlebeleid in de simulatie geleerd.
De methode kan ook van toepassing zijn op exoskeletten van knieën of enkels of andere exoskeletten met meerdere gewrichten. Bovendien kan ze op dezelfde manier worden toegepast op prothesen boven de knie of onder de knie, wat onmiddellijke voordelen oplevert voor miljoenen valide en slecht ter been zijnde personen, zei hij.
AI-gestuurde simulaties
De aanpak markeert een vooruitgang op het gebied van draagbare robotica aangezien de exoskeletcontroller exclusief is ontwikkeld via AI-gestuurde simulaties. Bovendien gaat de controller naadloos over naar hardware zonder dat verdere tests door mensen nodig zijn, waardoor hij experimenteel vrij is.
Deze doorbraak biedt perspectief voor het helpen van personen met mobiliteitsproblemen, waaronder ouderen of overlevenden van een beroerte. Dat wordt mogelijk zonder dat hun aanwezigheid in een laboratorium of klinische omgeving nodig is voor uitgebreide tests. Uiteindelijk maakt het de weg vrij voor het herstel van de mobiliteit en het verbeteren van de toegankelijkheid voor het dagelijkse leven thuis of in de gemeenschap.
Bij de nieuwe methode wordt gebruik gemaakt van door fysica geïnformeerd en datagestuurd versterkend leren om draagbare robots te besturen. De onderzoekers concentreerden zich op het verbeteren van de autonome controle van systemen waarbij een AI-programma is geïntegreerd in een fysieke technologie. Dit onderzoek was gericht op het leren van robotachtige exoskeletten hoe ze valide mensen kunnen helpen met een verscheidenheid aan bewegingen.
De ontwikkeling bouwt voort op eerder op reinforcement learning gebaseerd onderzoek naar exoskeletten voor revalidatie van de onderste ledematen. Eerdere prestaties op het gebied van reinforcement learning waren meestal gericht op simulatie en bordspellen. De nieuwe methode biedt een basis voor kant-en-klare oplossingen bij de ontwikkeling van controllers voor draagbare robots.
Efficiënter bewegen
Het apparaat is voorgeprogrammeerd om meteen klaar te zijn voor gebruik. Het is ook mogelijk om de controller op de hardware te updaten als onderzoekers door middel van uitgebreide simulaties verbeteringen in het laboratorium aanbrengen. Toekomstperspectieven voor dit project omvatten de ontwikkeling van geïndividualiseerde, op maat gemaakte controllers die gebruikers helpen bij verschillende activiteiten van het dagelijks leven.
Bij tests met menselijke proefpersonen ontdekten de onderzoekers dat deelnemers aan de studie 24,3% minder metabolische energie gebruikten tijdens het lopen in het robotachtige exoskelet, vergeleken met lopen zonder het exoskelet. Deelnemers verbruikten 13,1% minder energie bij het rennen in het exoskelet en 15,4% minder energie bij het traplopen.
Dit onderzoek concentreerde zich op valide mensen, maar de nieuwe methode is bedoeld om mensen met mobiliteitsproblemen te helpen met behulp van hulpmiddelen. Het raamwerk kan een generaliseerbare en schaalbare strategie bieden voor de snelle ontwikkeling en wijdverspreide acceptatie van een verscheidenheid aan ondersteunende robots voor zowel valide als slecht ter been zijnde individuen.
De onderzoekers bevinden zich in de beginfase van het testen van de prestaties van de nieuwe methode in robotachtige exoskeletten. Deze worden gebruikt door oudere volwassenen en mensen met neurologische aandoeningen, zoals hersenverlamming. De wetenschappers zijn ook geïnteresseerd in het onderzoeken hoe de methode kan worden gebruikt om de prestaties van robotprothesen te verbeteren.
De wetenschappelijke publicatie vindt u hier.
Foto: New Jersey Institute of Technology