Notícias

Apr 28, 2023

Soft Exosuits: como o aprendizado de máquina personaliza como eles funcionam

Por Steve Crowe | 7 de março de 2018 Pesquisadores do Wyss Institute for

Por Steve Crowe | 7 de março de 2018

Pesquisadores do Wyss Institute for Biologicamente Inspired Engineering e da Harvard John A. Paulson School of Engineering and Applied and Sciences (SEAS) estão usando o aprendizado de máquina para personalizar os controles de exosuits macios.

O algoritmo de aprendizado de máquina identifica rapidamente os melhores parâmetros de controle para o exosuit macio para minimizar a quantidade de energia que o ser humano usa para caminhar.

Os pesquisadores usaram uma técnica chamada "otimização human-in-the-loop". Isso usa medições em tempo real de sinais fisiológicos humanos, como taxa de respiração, para ajustar os parâmetros de controle. À medida que o algoritmo aprimorava os melhores parâmetros, ele direcionava o exosuit sobre quando e onde fornecer força de assistência.

A pesquisa é descrita na Science Robotics.

"Antes, se você tivesse três usuários diferentes andando com dispositivos de assistência, você precisaria de três estratégias de assistência diferentes", disse Myunghee Kim, Ph.D., pesquisador de pós-doutorado no SEAS. “Encontrar os parâmetros de controle corretos para cada usuário costumava ser um processo passo a passo difícil, porque não apenas todos os humanos andam de maneira um pouco diferente, mas os experimentos necessários para ajustar manualmente os parâmetros são complicados e demorados”.

Os pesquisadores descobriram como personalizar exosuits macios. (Crédito da foto: Ye Ding/Harvard University)

Os pesquisadores recrutaram oito homens para andar em uma esteira enquanto usavam os exosuits macios. Após cerca de 20 ciclos de caminhada, o computador acoplado ao traje desenvolveu um perfil de força ideal para cada caminhante. A combinação do algoritmo e do soft exosuit reduziu o custo metabólico em 17,4% em comparação com a caminhada sem o dispositivo. Esta foi uma melhoria de mais de 60 por cento em comparação com o trabalho anterior da equipe.

“Os algoritmos de otimização e aprendizado terão um grande impacto nos futuros dispositivos robóticos vestíveis projetados para auxiliar uma variedade de comportamentos”, disse Kuindersma. "Esses resultados mostram que otimizar até mesmo controladores muito simples pode fornecer um benefício individualizado e significativo para os usuários durante a caminhada. Estender essas ideias para considerar estratégias de controle mais expressivas e pessoas com diversas necessidades e habilidades será um próximo passo empolgante."

Em seguida, os pesquisadores aplicarão essa técnica de aprendizado de máquina a um dispositivo mais complexo que auxilia simultaneamente várias articulações, como quadril e tornozelo.

"Com robôs vestíveis como exosuits macios, é fundamental que a assistência certa seja fornecida no momento certo para que eles possam trabalhar sinergicamente com o usuário", disse o líder da equipe Connor Walsh, Ph.D., membro principal do corpo docente do Wyss Institute e o Professor Associado John L. Loeb de Engenharia e Ciências Aplicadas. "Com esses algoritmos de otimização on-line, os sistemas podem aprender como fazer isso automaticamente em cerca de vinte minutos, maximizando assim o benefício para o usuário."

(Crédito da foto: Ye Ding/Harvard University)