ハーバード大学ジョン・A・ポールソン工学応用科学大学院（SEAS）とウィス生物インスピレーション工学研究所の研究者らは、 機械学習アルゴリズム これは、ウェアラブル外骨格スーツが個人の動作習慣に適合するのに役立ちます。

外骨格スーツがその目的を効果的に果たすためには、ユーザーの固有の動きに合わせて完全に調整されている必要があります。 この革新的なアルゴリズムは、個々のスーツのパラメータを操作する必要があった以前の方法よりもはるかに効率的です。

研究の全文は、 科学ロボット工学.

「ウェアラブルデバイスは人間の歩行と走行のパフォーマンスを向上させることが証明されています」と彼は言いました。 イエ・ディン、SEASの博士研究員であり、この研究の共同筆頭著者。 「しかし、固定された補助戦略に対する装着者間の反応のばらつきは大きい可能性があり、個別化されたコントローラーが歩行の経済性をさらに向上させる可能性があるという私たちの仮説につながりました。」

人間はエネルギーを節約するために、無意識のうちに動き方を頻繁に調整します。 このアルゴリズムでは、これまでの方法とは異なり、これらの変更が可能です。

「以前は、XNUMX 人の異なるユーザーが補助器具を使って歩行している場合、XNUMX つの異なる補助戦略が必要でした。」 キム・ミョンヒSEASの博士研究員であり、この研究の共同筆頭著者である同氏は声明で述べた。 「各着用者に適切な制御パラメータを見つけることは、以前は段階的なプロセスで困難でした。なぜなら、すべての人間の歩き方は少しずつ異なるだけでなく、パラメータを手動で調整するために必要な実験は複雑で時間がかかるからです。」

外骨格スーツのカスタマイズにかかる時間を短縮することは、この研究の主要な取り組みの XNUMX つでした。

「軟性外骨格スーツのような装着型ロボットでは、着用者と相乗的に動作できるように、適切な支援を適切なタイミングで提供することが重要です。」 コナー・ウォルシュSEASの工学・応用科学准教授で共同アルゴリズムの開発者でもあるジョン・L・ローブ氏は声明でこう述べた。 「これらのオンライン最適化アルゴリズムを使用すると、システムはこれを自動的に達成する方法を約 XNUMX 分で学習できるため、着用者の利益を最大化できます。」

このアルゴリズムを開発するために、研究者らは人間参加型最適化と呼ばれる手法を使用しました。 この戦略では、人間の呼吸数やその他の生理学的信号の測定値を使用して、デバイスの制御パラメーターをリアルタイムで調整します。

この研究では、アルゴリズムを備えた外骨格スーツを使用した人は、デバイスなしで歩いた人に比べてエネルギー消費が 17.4% 少ないことが研究者らによって観察されました。

「最適化と学習アルゴリズムは、さまざまな行動を支援するように設計された将来のウェアラブル ロボット デバイスに大きな影響を与えるでしょう。」 スコット・クインダースマSEASの工学およびコンピュータサイエンスの助教授であり、共同アルゴリズムの開発者でもある同氏は声明で述べた。 「これらの結果は、非常に単純なコントローラーを最適化することで、歩行中にユーザーに個別の大きなメリットを提供できることを示しています。」

この特定の研究は股関節の動きに焦点を当てていましたが、「結果は、この方法が他のウェアラブルデバイスに適用でき、他のすべてのウェアラブルロボットデバイスのパフォーマンスの向上に影響を与える可能性があることを示唆しています」とDing氏は述べています。  

研究者たちはすでに、股関節や足首などの複数の関節を同時に支援できる、より高度なマシンを構築するためのアルゴリズムの開発に取り組んでいます。

ディン氏は人間が機器に適応する可能性があることを認めており、さらなる研究でその影響を最小限に抑える方法の開発を期待している。