北卡罗来纳州立大学（NC州）的研究人员开发了一种新的框架，将计算机视觉融入假腿控制，包括人工智能（AI）算法，使软件能够解释不确定性。
新技术，可以与现有硬件集成，可以使人们使用机器人的假肢来走更安全，更自然的方式。
可靠的环境背景预测
可靠的环境环境预测对于可穿戴机器人解决方案至关重要，如假肢，以协助地形自适应运动。这是因为下肢机器人假肢需要根据用户行走的位置和地形来执行不同的行为。
“我们创建的框架允许机器人假肢中的AI预测地形用户的类型将踩踏，量化与该预测相关的不确定性，然后将该不确定性结合到其决策中，”Edgar Lobaton表示，该团队论文的合体作者，即NC州的电气计算机工程副教授。
In their research, the NC State team focused on distinguishing between six key terrains that require adjustments in prosthetic behavior—tile, brick, concrete, grass, ‘upstairs’, and ‘downstairs.’ “If the degree of uncertainty is too high, the AI isn’t forced to make a questionable decision – it could instead notify the user that it doesn’t have enough confidence in its prediction to act, or it could default to a ‘safe’ mode,” said lead author Boxuan Zhong.
描绘系统和所经过测试的各种地带的图像集合。图片记入Edgar Lobaton.
一个“重要的”人工智能进步
研究小组设计了他们的“环境背景”框架，用于任何类型的下肢假肢，并辅以摄像头，戴上眼镜，安装在下肢假肢上。然后进行评估，看看人工智能是如何利用来自这两种摄像机的计算机视觉数据的，无论是单独使用还是同时使用。
“将计算机视觉与可穿戴机器人的控制软件结合是一个令人兴奋的新研究领域，”该论文的合著者海伦·黄说。“我们发现，使用这两个摄像头都可以很好地工作，但需要很大的计算能力，而且可能成本太高。然而，我们也发现，只使用安装在下肢上的摄像头效果非常好，尤其是在短期预测方面，比如下一步或两步的地形会是什么样子。”
据研究人员称，他们的研究中最重要的部分是对AI本身的进步。这是因为他们设计了一种“更好的方法”，以教导关于如何评估和量化不确定性的深度学习系统，使系统能够将不确定性结合到其决策中。
一种新的人工智能训练模型
为了训练AI系统，研究人员将相机连接到能够穿过不同室内和室外环境的能够身体的能力。然后通过具有下肢截肢的个体进行概念评估证明，在通过相同环境的同时佩戴相机。
“我们发现该模型可以适当传输，因此系统可以与来自不同群体的科目一起运行，”罗布登说。“这意味着，即使人工智能是由一群人训练，并由不同的人使用，但它工作得很好。”
该团队计划提高系统的效率，减少对数据输入和处理的要求，但是，它还没有在机器人设备上进行测试。
