经过 安柏瑞德航空航天大学
得益于 6 月 12 日发表在该杂志上的研究，工厂工人和宇航员更安全、更高效的运动以及残疾人流动性的改善有朝一日可能成为更广泛的现实 自然 .
该论文的第一作者、通讯作者苏浩博士解释说，被称为“外骨骼”的人体可穿戴机器人框架有望更轻松地运动，但技术障碍限制了其更广泛的应用。北卡罗来纳州立大学（NC State）和其他同事。
罗指出，迄今为止，外骨骼必须根据对人体进行的漫长、昂贵、劳动密集型测试进行预先编程，以适应特定的活动和个人。
现在，研究人员描述了一种超级智能或“学习”控制器，它利用数据密集型人工智能（AI）和计算机模拟来训练便携式机器人外骨骼。
“这款新控制器为步行、跑步或爬楼梯提供平稳、连续的扭矩辅助，无需任何人工参与的测试，”罗报告道。 “只需在图形处理单元上运行一次，我们就可以在模拟中训练控制律或‘策略’，以便控制器能够有效地协助所有三项活动和不同的个体。”
在三个相互连接的多层神经网络的驱动下，控制器不断学习，通过“数百万轮的肌肉骨骼模拟来提高人体活动能力”，安柏里德尔大学代托纳比奇分校机械工程助理教授罗博士解释道，佛罗里达州，校园。
部署在定制髋部外骨骼上的免实验“模拟学习”框架，实现了迄今为止便携式髋部外骨骼中最高的代谢率降低——平均降低了 24.3%、13.1% 和 15.4%分别减少佩戴者步行、跑步和爬楼梯的能量消耗。
北卡罗来纳州立大学的苏解释说，这些能量减少率是通过比较有和没有机器人外骨骼的人类受试者的表现来计算的。
“这意味着它是外骨骼节省能量的真实衡量标准，”机械与航空航天工程副教授苏说。 “这项工作本质上是让科幻小说成为现实——让人们在执行各种任务时消耗更少的能量。”
弥合模拟与现实之间的差距
该方法被认为是第一个证明在模拟中开发控制器的可行性的方法，该方法可以弥合所谓的模拟与现实或“sim2real差距”，同时显着提高人类的表现。
罗说：“以前强化学习方面的成果往往主要集中在模拟和棋盘游戏上，而我们提出了一种新方法，即动态感知、数据驱动的强化学习方法来训练和控制可穿戴机器人直接造福人类。”
苏补充道，该框架“可以提供一种通用且可扩展的策略，以便为身体健全和行动不便的个人快速、广泛地部署各种辅助机器人。”
克服技术障碍
正如所指出的，外骨骼传统上需要基于耗时的人体测试手工制定的控制法则来处理每项活动并解释个体步态的差异，研究人员在 自然 纸。模拟学习方法提出了解决这些障碍的可能解决方案。
罗说，由此产生的“动态感知、数据驱动的强化学习方法”极大地加快了外骨骼的开发，以供现实世界采用。
闭环仿真结合了外骨骼控制器和肌肉骨骼动力学、人机交互和肌肉反应的物理模型，以生成高效且真实的数据。通过这种方式，控制策略可以在模拟中演化或学习。
“我们的方法为可穿戴机器人控制器开发的交钥匙解决方案奠定了基础，”罗说。
未来的研究将集中于步行、跑步或爬楼梯等独特的步态，以帮助中风、骨关节炎和脑瘫等残疾人以及截肢患者。
更多信息： 通过模拟学习对外骨骼辅助进行无实验优化， 自然 （2024）。 DOI：10.1038/s41586-024-07382-4。 www.nature.com/articles/s41586-024-07382-4
期刊信息： 自然
由...提供 安柏瑞德航空航天大学
