人工智能虚拟训练可以让机器人外骨骼变得更加普遍

据美国疾病控制中心 (CDC) 估计，仅在美国，约有 12% 的人口患有行动障碍，难以行走或爬楼梯。据报道，全球约有 13 亿人面临类似的挑战。机器人外骨骼——科幻小说启发的机械支撑服——被一些人誉为一种潜在的解决方案，但实际使用这些设备的人仍然很少。研究人员希望他们能够通过一种新的人工智能测试方法来帮助缩小这种可及性差距，他们认为这种方法可以大大减少使这些设备正常运行所需的现场培训时间。

外骨骼有时也被称为“外衣”，是一种连接到人体外部并提供外部辅助的机器人可穿戴设备。这可以通过小型电机或其他增加扭矩和支撑的动力源来实现。当这些外骨骼集中在佩戴者的臀部或腿部时，它们可以提供辅助移动所需的额外动力和稳定性。

外骨骼的广泛使用受到限制，部分原因是通常需要人类测试人员来训练设备并告知它们如何以及何时对需要帮助的用户身体部位施加压力。这些情境提示对于实现设备的最终目标（即让用户更容易移动）至关重要，但它们可能耗费大量时间和资源。为了减少这些障碍，一组研究人员最近开发了一种新技术，使用人工智能在计算机模拟中训练外骨骼控制器。

研究人员在最近的《自然》杂志上发表的一篇文章中指出，使用模拟进行训练大大减少了对人体实验的需求。理论上，这种训练方法可以让行动不便的人更容易获得外骨骼设备，并随时可以使用。北卡罗来纳州立大学教授兼论文合著者郝苏将这种新方法描述为类似于弥合模拟与现实之间的差距。

“这里的关键思想是，便携式外骨骼中体现的人工智能正在学习如何在计算机模拟中帮助人们行走、跑步或攀爬，而无需进行任何实验，”苏补充道。

研究人员开发的“模拟学习”框架基于三个相连的多层 AI 神经网络。研究人员将这种学习方法应用于定制的髋关节外骨骼，旨在提高步行灵活性。在虚拟模拟中训练后，研究人员将髋关节控制器绑在人体测试者身上，以查看其性能。结果令人鼓舞：佩戴经过模拟训练的外骨骼控制器的参与者在行走时消耗的代谢能量比不佩戴外骨骼控制器的对照组少 24.4%。与不佩戴外骨骼设备执行相同任务的人相比，佩戴外骨骼设备的用户在跑步和爬山时消耗的能量同样少 13.1% 和 15.4%。

苏说：“这项工作基本上将科幻小说变成了现实——让人们在执行各种任务时消耗更少的能量。”

更易于训练的外骨骼可以降低残疾人生活的障碍

尽管使用模拟训练设备进行的真实世界实验是由没有身体残疾的参与者进行的，但研究人员表示，这些发现可以有效帮助那些面临各种行动障碍的人，从中风幸存者和肢体残疾的人，到患有脑瘫等神经系统疾病的人。虽然这个特定的实验专注于髋关节外骨骼控制器，但相同的基本学习框架也可以应用于膝盖和脚踝外骨骼。除了减少训练时间外，虚拟模拟方法还意味着外骨骼设计师理论上还可以向设备发送改进的更新。研究人员设想，未来这个可更新的系统可以帮助开发高度定制的控制器，以满足个人佩戴者的需求。

新泽西理工学院生物动力学实验室主任兼论文合著者周先莲在一份声明中表示：“我们的方法标志着可穿戴机器人技术的重大进步。”“这种[臀部]控制器可以无缝过渡到硬件，无需进一步的人体测试，因此无需进行实验。”