Исследователи из Georgia Tech создали AI-инструмент, который преобразует существующие данные о движениях людей в функциональные контроллеры для экзоскелетов. Новый подход устраняет необходимость в сборе данных и переобучении при каждом изменении устройства. Работа опубликована 19 ноября в Science Robotics.
Традиционный процесс разработки экзоскелетов требовал годы сбора данных о движениях людей в специально оборудованных лабораториях. Каждое изменение в устройстве означало, что сбор данных и обучение контроллера нужно начинать заново. Этот процесс был дорогостоящим и делал практическое применение экзоскелетов в реальном мире малореалистичным.
Команда использовала AI-модель CycleGAN, изначально разработанную для сопоставления спутниковых снимков с изображениями с земли. Эта же модель может превращать изображение лошадей в зебр. Вместо изображений AI связывала большие датасеты движений людей без экзоскелетов с тем, как они двигались бы в устройстве. Модель использовала эти данные для предсказания необходимого уровня робототехнической поддержки в тазобедренном и коленном суставах.
Новый контроллер способен предоставлять значимую помощь в широком диапазоне движений тазобедренного и коленного суставов, работая на уровне лучших существующих контроллеров. Модель не предсказывает, что пытается сделать пользователь — подняться по лестнице или спуститься с бордюра. Вместо этого она мгновенно определяет движения суставов пользователя и оценивает прилагаемое усилие, после чего экзоскелет усиливает эти усилия на 20 процентов.
Исследование доказало работу AI-трансляции с помощью экзоскелета для ног с моторами в тазобедренных и коленных суставах, но применение подхода гораздо шире. По словам Аарона Янга, достижения статьи можно применить к системам для верхних конечностей, протезам и даже автономным роботам. Команда планирует сотрудничество с индустриальными партнерами для развертывания контроллеров в реальных системах в ближайшем будущем.
Источник новости и обложки: techxplore.com