研究人员将计算机视觉和不确定性结合到人工智能中，用于机器人假肢

北卡罗莱纳州立大学研究人员开发了一种可以与现有硬件集成的新软件，使使用机器人假肢或外骨骼的人能够在不同类型的地形上以更安全、更自然的方式行走。新框架将计算机视觉纳入假肢控制，并包括强大的人工智能(AI)算法，允许软件更好地考虑不确定性。

“下肢机器人假肢需要根据用户行走的地形执行不同的行为，”北卡罗来纳州立大学电气与计算机工程副教授埃德加·洛巴顿(Edgar Lobaton)说。他是一篇关于这项工作的论文的合著者。“我们创建的框架允许机器人假肢中的人工智能预测用户将要踏上的地形类型，量化与预测相关的不确定性，然后将这种不确定性纳入决策。”

研究人员专注于区分需要调整机器人假肢行为的六种不同地形:瓷砖、砖块、混凝土、草地、“楼上”和“楼下”。

“如果不确定性程度太高，人工智能不会被迫做出有问题的决定——它可以通知用户，它对自己的预测没有足够的信心来采取行动，或者它可以默认为‘安全’模式，”该论文的第一作者、最近从北卡罗来纳州立大学毕业的博士钟博璇说。

“环境上下文”框架包含硬件和软件元素。研究人员设计的框架适用于任何下肢机器人外骨骼或机器人假肢设备，但有一个额外的硬件:摄像头。在他们的研究中，研究人员使用了戴在眼镜上的摄像头和安装在下肢假肢上的摄像头。研究人员评估了人工智能如何利用两种类型相机的计算机视觉数据，分别使用和一起使用。

“将计算机视觉整合到可穿戴机器人的控制软件中是一个令人兴奋的新研究领域，”该论文的合著者海伦·黄(Helen Huang)说。“我们发现，使用这两个摄像头都能很好地工作，但需要大量的计算能力，可能成本过高。然而，我们也发现，只使用安装在下肢上的摄像头效果很好，尤其是在短期预测方面，比如接下来一两步的地形会是什么样子。”

黄是北卡罗来纳州立大学和北卡罗来纳大学教堂山分校生物医学工程系杰克逊家族生物医学工程杰出教授。

然而，最重要的进步是对人工智能本身的改进。

Lobaton说:“我们提出了一种更好的方法来教深度学习系统如何评估和量化不确定性，使系统能够将不确定性纳入决策制定中。”“这当然与机器人假肢相关，但我们的工作可以应用于任何类型的深度学习系统。”

为了训练人工智能系统，研究人员将摄像头与身体健全的人连接起来，然后让他们在各种室内和室外环境中行走。然后，研究人员通过让一个下肢截肢的人在穿越相同的环境时佩戴摄像头进行了概念验证评估。

洛巴顿说:“我们发现该模型可以适当地转移，这样系统就可以对来自不同人群的受试者进行操作。”“这意味着，即使人工智能是由一组人训练的，由另一组人使用，它也能很好地工作。”

然而，新的框架还没有在机器人设备上进行测试。

黄说:“我们很高兴能将这个框架融入到机器人假肢的控制系统中——这是我们的下一步。”

钟说:“我们还计划研究如何使系统更高效，减少视觉数据输入和数据处理。”

-副主编克里斯·瓦夫拉编辑，控制工程， CFE传媒，cvavra@cfemedia.com．查看更多控制工程机器人的故事。

您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献，并获得你和你的公司应得的认可。点击在这里开始这个过程。