当涉及到柔软的辅助设备时，比如哈佛生物设计实验室设计的外套，佩戴者和机器人需要同步。但是每个人的移动方式都有所不同，为个人用户定制机器人的参数是一个耗时且低效的过程。
现在，来自哈佛大学John A. Paulson工程与应用与科学学院（SEAS）和Wyss生物启发工程研究所的研究人员开发了一种高效的机器学习算法，该算法可以快速定制柔软可穿戴外形的个性化控制策略。
科学机器人学中描述了这项研究。
“这种新方法是优化辅助可穿戴设备控制参数设置的有效和快速方法，”SEAS的博士后研究员叶丁说，该研究的第一作者。“使用这种方法，我们实现了髋部伸展辅助装置佩戴者代谢性能的巨大改善。”
当人类走路时，我们会不断调整节能方式（也称为代谢成本）。
“以前，如果你有3个不同的用户在辅助设备上行走，你需要3种不同的辅助策略，”SEAS的博士后研究员Myunghee Kim说，他是该论文的第一作者。“为每个佩戴者寻找正确的控制参数曾经是一个困难的，一步一步的过程，因为不仅所有的人都走得有点不同，而且手动调整参数所需的实验也很复杂和耗时”。
由Conor Walsh领导的研究人员，John L. Loeb工程与应用科学副教授和SEAS工程与计算机科学助理教授Scott Kuindersma开发了一种算法，可以突破这种变化并快速识别最佳控制最适合最小化步行的参数。
研究人员使用所谓的人体在环优化，它使用人体生理信号的实时测量，如呼吸率，来调整设备的控制参数。随着该算法在最佳参数上的磨砺，它指示外用于何时何地提供辅助力以改善髋部伸展。去年，该团队使用的贝叶斯优化方法首次在PLOSone中报告。
该算法和套装的组合比没有该装置的步行降低了17.4%的代谢成本。与团队以前的工作相比，这个数字提高60%以上。
“优化和学习算法将对未来可穿戴机器人设备产生巨大影响，旨在帮助一系列行为，”库德斯马说。“这些结果表明，优化即使是非常简单的控制器也可以在步行时为用户提供显着的个性化收益。将这些想法扩展到考虑更具表现力的控制策略以及具有不同需求和能力的人员将是令人兴奋的下一步。
“对于可穿戴机器人来说，就像柔软的外衣一样，正确的协助是在正确的时间提供的，这样他们就可以与穿戴者协同工作，这很关键，”沃尔什说。“利用这些在线优化算法，系统可以了解如何在大约20分钟内自动实现这一点，从而最大限度地为佩戴者带来益处。”
接下来，该团队的目标是将优化应用于更复杂的设备，同时协助多个关节（如髋关节和踝关节）。
“在本文中，我们通过优化髋部延伸来展示代谢成本的大幅降低，”Ding说。“这表明你可以用伟大的大脑和优秀的硬件来做什么。”
这项研究得到了国防高级研究计划署，Warrior Web Program，Wyss Institute和哈佛大学John A. Paulson工程与应用科学学院的支持。
（选自《麦肯息讯》医药）