感谢算法！让柔性外骨骼与用户更同步

哈佛大学Walsh团队研发的柔性外骨骼机器人，或许大家并不陌生，它可以帮助减小长时间行走所造成的新陈代谢负担，减轻步行疲劳。然而，如何让用户保持与柔性外骨骼同步？——一直是哈佛研究员们探索的课题。如今，他们研发了一种更高效的机器学习算法，可以为柔性可穿戴外骨骼快速制定个性化的控制方法。

由于这样的外骨骼材质是极其柔软的，因此穿戴者更需要与设备保持同步才能达到效果。但每个人的移动方式都会有或多或少的区别，因此每个人都需要定制适合自己的柔性外骨骼。

哈佛大学SEAS学院的博士后研究员和该论文的联合第一作者Myunghee Kim表示：“为每个穿戴者找到适合自己的控制参数是一个困难的、循序渐进的过程，因为所有人走路方式都有所不同，同时，手动调整参数所需的实验也是复杂且耗时的。”

日前，来自哈佛大学SEAS学院、哈佛大学Wyss研究所的研究员们开发出了一种高效的机器学习算法，该算法可以为柔性可穿戴外骨骼快速制定个性化的控制方法。

该研究成果已经发表在《Science Robotics》杂志上。

当人类行走时，我们不断调整移动方式以实现节省能量（又称为代谢成本）。

在Wyss研究所核心成员、John L. Loeb工程与应用科学副教授Conor Walsh以及SEAS工程和计算机科学助理教授Scott Kuindersma博士的带领下，研究人员开发了一种新算法，它可以通过变异性快速确定最佳的控制参数，最大限度减少用于行走的能量。

研究人员开发出来的优化方法称为人机共生（Human-in-the-loop），它使用实时测量人体生理信号（如呼吸率）来调整设备的控制参数，最大限度地减少用于行走的能量。随着该算法在最佳参数上的磨砺，它指示柔性外骨骼适当的时间和位置提供辅助力来改善髋部材料的伸展性。

▲该团队使用的贝叶斯优化方法去年首次在《PLOS ONE》发表的一篇论文中提出

▲该算法与新设备结合将步行的代谢成本降低了17.4%

Myunghee Kim博士表示，“优化和学习算法将对未来用于辅助行走的可穿戴设备产生巨大影响。这些结果表明，即使是非常简单的控制器的优化，也能为用户在行走时提供显著的个性化优势。如果未来将这些想法扩展至更有影响力的控制策略，或者应用于不同需求的用户中去将是令人兴奋的事情。”

Walsh教授认为，“对于柔性外骨骼机器人来说，关键是在恰当的时间提供适当的辅助，从而可以和用户协同。利用新的在线优化算法，系统可以了解如何在大约二十分钟内自动完成这些，从而最大限度地帮助穿戴者。”

论文的作者Ye Ding表示，“我们在论文中进一步证明了：通过优化外骨骼髋部的伸展性能，可以大幅降低代谢成本。而现在，我们只要利用强大的算法和优秀的硬件就能实现这一目的。”

未来，该团队的目标是将优化方法应用于更复杂的设备，同时协助多个关节，如同时辅助髋关节和踝关节。我们期待着哈佛团队的柔性外骨骼具有更好的性能，带给我们更多的惊喜！

如需进一步了解这款柔性外骨骼的算法优化，请观看视频。

参考资料：

https://biodesign.seas.harvard.edu/files/biodesignlab/files/2018_conor_nrm_-_human_in_the_loop_development_of_soft_wearable_robots.pdf?m=1525313523