Zmniejszenie obciążenia: sztuczna inteligencja pomaga egzoszkieletowi pracować różnymi krokami

Egzoszkielety wyglądają dziś jak coś rodem z science-fiction. Ale rzeczywistość jest taka, że ​​nie są tak solidne, jak ich fikcyjne odpowiedniki. Są dość chwiejne i ręczne tworzenie zasad oprogramowania regulujących ich działanie zajmuje wiele godzin — jest to proces, który należy powtórzyć dla każdego użytkownika.

Aby nieco przybliżyć technologię AwataraSkel Suits lub Warhammer 40k power armor, zespół z North Carolina University’s Lab of Biomechatronics and Intelligent Robotics wykorzystał sztuczną inteligencję do zbudowania pierwszego uniwersalnego egzoszkieletu, który obsługuje chodzenie, bieganie i wchodzenie po schodach. Co najważniejsze, jego oprogramowanie dostosowuje się do nowych użytkowników bez potrzeby jakichkolwiek dostosowań specyficznych dla użytkownika. „Po prostu go nosisz i działa” — mówi Hao Su, adiunkt i współautor badania.

Roboty szyte na miarę

Egzoszkielet to robot, który nosisz, aby wspomagać Twoje ruchy — dzięki niemu chodzenie, bieganie i inne czynności są mniej obciążające, w taki sam sposób, w jaki rower elektryczny dodaje dodatkowe waty do tych, które sam generujesz, ułatwiając pedałowanie. „Problem polega na tym, że egzoszkielety mają trudności ze zrozumieniem ludzkich intencji, niezależnie od tego, czy chcesz biegać, chodzić, czy wchodzić po schodach. Rozwiązaniem tego problemu jest rozpoznawanie ruchu: systemy, które rozpoznają ludzkie zamiary związane z poruszaniem się” – mówi Su.

Budowa tych systemów rozpoznawania lokomocji opiera się obecnie na skomplikowanych zasadach, które definiują, co siłowniki w egzoszkielecie muszą zrobić w każdym możliwym scenariuszu. „Weźmy na przykład chodzenie. Obecny stan wiedzy polega na tym, że zakładamy egzoszkielet i idziemy na bieżni przez godzinę. Na tej podstawie staramy się dostosować jego działanie do indywidualnego zestawu ruchów”, wyjaśnia Su.

Tworzenie ręcznie opracowanych zasad kontroli i przeprowadzanie długich testów na ludziach dla każdego użytkownika sprawia, że ​​egzoszkielety są bardzo drogie, a ich ceny sięgają 200 000 dolarów lub więcej. Dlatego zespół Su wykorzystał sztuczną inteligencję do automatycznego generowania zasad kontroli i eliminowania szkolenia ludzi. „Myślę, że w ciągu dwóch lub trzech lat egzoszkielety w cenie od 2000 do 5000 dolarów będą całkowicie wykonalne” – twierdzi Su.

Jego zespół ma nadzieję, że oszczędności te będą wynikać z opracowania polityki kontroli egzoszkieletów przy użyciu modelu cyfrowego, a nie żywych, oddychających ludzi.

Digitalizacja ludzi wspomaganych przez roboty

Zespół Su rozpoczął od zbudowania cyfrowych modeli ludzkiego układu mięśniowo-szkieletowego i robota egzoszkieletowego. Następnie wykorzystali wiele sieci neuronowych obsługujących każdy komponent. Jednym z nich było uruchomienie zdigitalizowanego modelu ludzkiego szkieletu, poruszanego za pomocą uproszczonych mięśni. Druga sieć neuronowa wykorzystywała model egzoszkieletu. Wreszcie trzecia sieć neuronowa była odpowiedzialna za naśladowanie ruchu – po prostu przewidywanie, jak model człowieka będzie się poruszał, nosząc egzoszkielet, i jak będą one ze sobą współdziałać. „Trenowaliśmy wszystkie trzy sieci neuronowe jednocześnie, aby zminimalizować aktywność mięśni” – mówi Su.

Jednym z problemów, z jakim zmierzył się zespół, jest to, że badania egzoszkieletu zazwyczaj wykorzystują metrykę wydajności opartą na redukcji tempa metabolizmu. „Ludzie są jednak niesamowicie złożeni i bardzo trudno jest zbudować model o wystarczającej wierności, aby dokładnie symulować metabolizm” — wyjaśnia Su. Na szczęście, według zespołu, redukcja aktywacji mięśni jest dość ściśle skorelowana z redukcją tempa metabolizmu, więc utrzymało to złożoność modelu cyfrowego w rozsądnych granicach. Trening całego układu egzoszkieletu człowieka ze wszystkimi trzema sieciami neuronowymi zajął około ośmiu godzin na jednym GPU RTX 3090. A wyniki były rekordowe.

Wypełnianie luki między symulacją a rzeczywistością

Po opracowaniu kontrolerów do cyfrowego modelu egzoszkieletu, które zostały opracowane przez sieci neuronowe w symulacji, zespół Su po prostu skopiował i wkleił politykę sterowania do prawdziwego kontrolera obsługującego prawdziwy egzoszkielet. Następnie przetestowali, jak wytrenowany w ten sposób egzoszkielet będzie działać z 20 różnymi uczestnikami. Średnie zmniejszenie tempa metabolizmu podczas chodzenia wyniosło ponad 24 procent, ponad 13 procent podczas biegania i 15,4 procent podczas wchodzenia po schodach – to rekordowa liczba, co oznacza, że ​​ich egzoszkielet pobił każdy inny egzoszkielet, jaki kiedykolwiek wyprodukowano w każdej kategorii.

Udało się to osiągnąć bez konieczności jakichkolwiek poprawek, aby dopasować go do indywidualnych chodów. Ale magia sieci neuronowych na tym się nie skończyła.

„Problem z tradycyjnymi, ręcznie tworzonymi politykami polegał na tym, że po prostu mówiła: „Jeśli wykryje chodzenie, zrób jedną rzecz; jeśli wykryje szybsze chodzenie, zrób inną rzecz. Były to (połączenie) maszyn o skończonych stanach i kontrolerów przełączników. Wprowadziliśmy kompleksową, ciągłą kontrolę” – mówi Su. Ta ciągła kontrola oznaczała, że ​​egzoszkielet mógł podążać za ludzkim ciałem, wykonując płynne przejścia między różnymi czynnościami – od chodzenia do biegania, od biegania do wchodzenia po schodach itp. Nie było nagłego przełączania trybów.

„Jeśli chodzi o oprogramowanie, myślę, że wkrótce wszyscy zaczną korzystać z tego podejścia opartego na sieciach neuronowych” – twierdzi Su. Aby w przyszłości udoskonalić egzoszkielety, jego zespół chce uczynić je cichszymi, lżejszymi i wygodniejszymi.

Ale plan zakłada również, że będą działać dla osób, które ich najbardziej potrzebują. „Ograniczeniem jest to, że testowaliśmy te egzoszkielety na pełnosprawnych uczestnikach, a nie osobach z zaburzeniami chodu. Więc chcemy zrobić to samo, co zrobili w innym badaniu egzoszkieletów na Uniwersytecie Stanforda. Zrobilibyśmy jednominutowy film, na którym chodzisz, i na jego podstawie zbudowalibyśmy model, aby zindywidualizować nasz ogólny model. Powinno to dobrze działać w przypadku osób z zaburzeniami, takimi jak zapalenie stawów kolanowych” — twierdzi Su.

Natura, 2024. DOI: 10.1038/s41586-024-07382-4