仅在美国，疾病控制与预防中心（CDC）估计约有12%的人口患有行动障碍，导致他们难以行走或爬楼梯。据报道，全球约有13亿人面临类似挑战。一些人将机器人外骨骼——科幻灵感机械辅助套装——视为一种潜在解决方案，但实际获得这些设备的机会仍然很少。研究人员希望通过一种新的人工智能驱动的测试方法来缩小这一可及性差距，他们认为这种方法可以大大减少使这些设备正常工作所需的现场训练时间。
外骨骼，有时也被称为“外骨骼服”，是一种连接到人体外部的机器人可穿戴设备，提供外部辅助模式。这种辅助可以通过小型电机或其他动力源来提供，增加扭矩和支撑。当应用于人体的臀部或腿部时，这些外骨骼可以提供额外的动力和稳定性，以帮助行动。
外骨骼的广泛普及受到限制，部分原因是通常需要人类测试者来训练设备，并告知其如何以及何时对需要帮助的用户身体部位施加压力。这些上下文线索对于实现设备最终让用户更轻松地移动的目标至关重要，但它们可能耗时耗力。为了减少这些障碍，一群研究人员最近开发了一种新颖的技术，利用人工智能在计算机模拟中训练外骨骼控制器。
研究人员在《自然》杂志最近的一篇文章中指出，这种用于训练的模拟可以极大地减少对实际人体实验的需求。理论上，这种训练方法可以使外骨骼设备更容易获得，并且可以直接购买供行动不便的人使用。北卡罗来纳州立大学教授、该论文的合著者郝苏（Hao Su）将这种新方法描述为“弥合模拟与现实之间的鸿沟”。
郝苏补充说：“这里的关键在于，便携式外骨骼中的具身人工智能正在计算机模拟中学习如何帮助人们行走、跑步或爬行，而无需进行任何实验。”
研究人员开发的“模拟学习”框架基于三个相互关联的多层人工智能神经网络。研究人员将这种学习方法应用于一种定制的髋部外骨骼，旨在提高行走能力。在虚拟模拟中训练完成后，研究人员将髋部控制器安装在人类测试者身上，以观察其性能。结果令人鼓舞：与未穿戴外骨骼的对照组相比，穿着模拟训练的外骨骼控制器的参与者在行走时消耗的代谢能量减少了24.4%。与未穿戴设备执行相同任务的人相比，穿着该外骨骼设备的用户在跑步和爬行时消耗的能量分别减少了13.1%和15.4%。
郝苏说：“这项工作实际上正在将科幻变成现实——让人们在进行各种任务时消耗更少的能量。”
更容易训练的外骨骼可以降低残疾人士的门槛
尽管对模拟训练设备进行的实际实验是由没有身体残疾的参与者完成的，但研究人员表示，这些发现可以为患有各种行动挑战的人提供有意义的帮助，包括中风幸存者、肢体差异者以及患有脑瘫等神经系统疾病的个体。虽然这项实验主要关注的是髋部外骨骼控制器，但同样的学习框架也可以应用于膝部和踝部外骨骼。除了缩短训练时间外，虚拟模拟方法还意味着外骨骼设计师理论上可以发送软件更新来改进设备。长远来看，研究人员设想这种可更新的系统可以帮助开发高度定制化的控制器，以满足个体用户的特定需求。
新泽西理工学院生物动力学实验室主任、该论文的合著者 Xianlian Zhou 在一份声明中表示：“我们的方法标志着可穿戴机器人领域的一项重大进步。[髋部]控制器可以无缝地转换为硬件，而无需进一步的人体受试者测试，使其无需实验。”
