visão computacional e incerteza no AI para próteses robóticas

Pesquisadores desenvolveram um novo software que pode ser integrado com o hardware existente para permitir que as pessoas que usam próteses robóticas ou exoesqueletos para andar de forma mais segura, mais natural em diferentes tipos de terreno. O novo quadro incorpora a visão de computador para controle de prótese de perna, e inclui algoritmos robustos inteligência artificial (AI) que permitem que o software para melhor conta para incerteza.

"De membros inferiores próteses robóticas precisa executar diferentes comportamentos com base nos usuários terreno está andando na", diz Edgar Lobaton, co-autor de um artigo sobre o trabalho e professor associado de engenharia elétrica e da computação na Universidade Estadual da Carolina do Norte. "O quadro que criamos permite que o AI em próteses robóticas para prever o tipo de utilizadores terreno será pisar, quantificar as incertezas associadas a essa previsão, e depois incorporar que a incerteza em sua tomada de decisão."

Os pesquisadores se concentraram em distinguir entre seis diferentes terrenos que exigem ajustes no comportamento de uma prótese robótica: azulejo, tijolo, concreto, grama, "lá em cima" e "embaixo".

"Se o grau de incerteza é muito alta, a AI não é forçado a tomar uma decisão questionável, poderia, em vez notificar o usuário que ele não tem confiança suficiente em sua previsão de agir, ou poderia padrão para um 'seguro "modo ", diz Boxuan Zhong, principal autor do papel e um Ph.D. recente formar na NC State.

O novo quadro "contexto ambiental" incorpora ambos os elementos de hardware e software. Os pesquisadores projetaram a estrutura para uso com qualquer exoesqueleto robótico de membros inferiores ou prótese robótica, mas com uma peça adicional de hardware: a câmera. Em seu estudo, os pesquisadores usaram câmeras usadas em óculos e câmeras montadas na própria prótese de membro inferior. Os pesquisadores avaliaram a forma como a AI foi capaz de fazer uso de dados de visão de computador de ambos os tipos de câmera, separadamente e, quando usados ​​juntos.

"A incorporação de visão computacional em um software de controle para robótica wearable é uma excitante nova área de pesquisa", diz Helen Huang, co-autor do papel. "Nós descobrimos que o uso de ambas as câmaras funcionou bem, mas exigiu uma grande quantidade de poder de computação e pode ser proibitivo custo. No entanto, também descobrimos que usando apenas a câmera montada no membro inferior funcionou muito bem, especialmente para previsões de curto prazo, tais como o que o terreno seria como para o próximo passo ou dois." Huang é o Ilustre Professor Jackson Família de Engenharia Biomédica do Departamento Conjunto de Engenharia Biomédica no estado do NC e da Universidade da Carolina do Norte em Chapel Hill.

propaganda

fonte: North Carolina State University. "Computer vision and uncertainty in AI for robotic prosthetics." ScienceDaily. ScienceDaily, 27 May 2020. <www.sciencedaily.com/releases/2020/05/200527133147.htm>.