テクノロジー

AIアルゴリズムを改善すると、義肢装具に革命がもたらされるでしょう。

人工知能トレーニング試行錯誤を用いて、コンピュータがすでにプレイされた膨大な数のゲームの記録を「供給」し、それに基づいて彼が彼のスキルを磨くと、そのマシンはチェスやロジックゲームのような古典的なボードゲームで人を凌駕できることが証明された。最も最近の例の中で、私たちは戦略的なコンピュータゲームStarCraft IIの中で、同じ原理に基づいて訓練された人に対するコンピュータの最近の破滅的勝利を考えることができます。しかしながら、人工知能の分野の専門家の別のグループは、この訓練方法がより実用的な仕事、例えばロボット補綴物の訓練にも使用できることを示した。

強化機械学習方法テストシステムが特定の環境と相互作用することによって訓練される(強化学習)は、2人のボランティアを含む小さな実験で有望な結果を示しました。

技術者に伝統的な方法を使うとき各人工関節を手動で調整し、それを人が慣れている特定の歩行スタイルに調整することによってロボットプロテーゼを適切に設定するのに通常数時間かかる。ノースカロライナ大学の専門家による実験では、強化機能付きの機械学習方法を使用すると、これをはるかに高速に実行できることがわかりました。

「この技術を実際に使用する前に、とても遠い。それが可能であることを示しただけです。ノースカロライナ州立大学のバイオエンジニアリング教授、Helen Huang氏はコメントしています。

Huangと彼の同僚は、サイバネティックスに関するIEEEトランザクション。彼らの仕事の結果は、ロボットの手足の手動調整の典型的なプロセスを自動化する方向への重要な最初のステップであることができます。将来的には、これらすべての設定で、人々は技術者の助けを借りずに、自分で自宅でパフォーマンスできるようになります。

ロボット補綴物自体の設置手足と特定のタスクを実行するために必要な補綴物との間の相互作用のレベルを決定するさまざまなパラメータを合わせる複雑なプロセスです。例えば、いくつかのパラメータは、ロボット膝関節の剛性または脚が前後に回転しているときに許容される偏差の範囲を決定する。検討中の場合、ロボット人工器官の膝は12の異なるパラメータの調整を必要とした。標準的なアプローチでは、最終結果は通常理想からかけ離れていましたが、それでもやはり人が義足の上に立って単純な動きをするのにはまったく適していました。

ロボット肢トレーニングは適応の非常に困難なプロセス。プロテーゼは文字通り人間の脳と連携して働くことを学ばなければなりません。それは有機体全体の器官の相互適応を制御します。同時に、プロテーゼ自体だけでなく、人も歩くことを学ぶ必要があります。原則として、最初の結果はかなり厄介に見えます - 人が最初に立っていたスキーやスケートの例からそう遠くないです。

「私たちの体はかなり奇妙に反応することができますその継続を模した異物アリゾナ州立大学の電子工学、コンピュータ工学、エネルギーの教授であるJenny Cは共同発表者であると述べています。

ロボット補綴物を教える仕事アルゴリズムを学習するために利用可能なデータの非常に限られたセットによって複雑にされる。たとえば、チェス、ゴー、およびスタークラフトIIをプレイするためのAlphaZeroおよびAlphaStarアルゴリズムをトレーニングするために、DeepMindはすでにプレイされたこれらのゲームの何百万ものゲームの記録を使用しました。その結果、アルゴリズムの学習に必要なデータを収集するための肢切断者は、非常に長い時間歩くことができなくなります。例えば、黄研究室を訪れた人々は、15〜20分だけ止まることなく歩くことができ、その後少し休憩する必要がありました。

しかし、これがすべての困難や制限ではなく、研究者は、教育情報の全範囲を網羅することを可能にすると述べている。例えば、XiとHuangの間でさえ、彼らのプロジェクトの開始前に、アルゴリズムがこの情報を学ぶことができるように実験に参加しているボランティアが落ちることを許されるかどうかについていくらか議論がありました。その結果、彼らはこの考えを放棄することを決めました。そして、ボランティアの安全を損ねました。

それでも、これらすべての困難にもかかわらず最初の結果は印象的でした。研究者らは、ロボット膝に設置されたセンサーによって収集されたデータの特定のパターンを識別するためのアルゴリズムを教えました。これにより、ロボットプロテーゼの機能性に対する閾値を設定することが可能となり、転倒につながる可能性がある望ましくない状況を回避することが可能となった。結局、このアルゴリズムは特定の行動パターンに頼ることを学び、それによってロボットの肢の動きにおいて安定性、滑らかさ、そしてより大きな自然さを達成することが可能になった。

自動学習アプローチロボットの手足はまだ大量使用にはほど遠いです。今や科学者たちは、起き上がって(たとえば椅子から)持ち上げて(たとえば梯子に沿って)下降するときに、プロテーゼを円滑に管理するためのアルゴリズムを教えたいと考えています。さらに、仕事はシステムをより自律的にすることであり、それは実験室条件においてだけでなく補綴物の訓練および調整を可能にするであろう。

最も難しく同時に最も重要なものの1つ研究者によると、タスクは、アルゴリズムと人の「コミュニケーション」の方法を開発することであり、後者はプロテーゼの選択された設定のどれが最も便利であるかを彼に伝えることができる。通常のボタンやその他の簡単な情報入力方法でこの問題を解決しようとする初期の試みは効果がないことがわかりました。おそらく、このバージョンのコンピュータ間インタフェースは、人間の協調の知覚の全体像の伝達を可能にしていないことがその理由の一部となっています。

「私たちがしていないため、このメソッドは機能しませんでした人体のすべての特徴を理解してください。まず第一に、心理学と生理学の基本的な知識のいくつかのギャップを埋めることが必要です。」とHuangは締めくくりました。

人工知能に基づくロボット補綴物の開発の見通しは私達の電信チャットで議論することができます。

EU向けのFacebook通知! FBコメントを表示および投稿するには、ログインする必要があります。