IMAGE

تصویر: تصویربرداری دستگاه ها و زمینه محیط زیست. (a) بر روی عینک تنظیمات دوربین با استفاده از یک Tobii طرفدار, عینک, 2 چشم ردیاب. (ب) اندام تحتانی دستگاه اکتساب داده ها با یک دوربین و یک IMU تراشه…. مشاهده بیشتر

اعتبار: Edgar Lobaton

محققان طراحی و توسعه نرم افزار های جدید است که می تواند یکپارچه با سخت افزار موجود برای فعال کردن مردم رباتیک با استفاده از پروتز یا exoskeletons به راه رفتن در یک امن تر صورت طبیعی در انواع مختلف از زمین است. این چارچوب جدید شامل بینایی کامپیوتر به پای مصنوعی کنترل و شامل قوی هوش مصنوعی (AI) الگوریتم های است که اجازه می دهد این نرم افزار به حساب کاربری بهتر برای عدم قطعیت است.

“پایین-اندام رباتیک پروتز نیاز به اجرای رفتارهای مختلف بر اساس زمین های کاربران در حال قدم زدن در, می گوید:” ادگار Lobaton همکاری نویسنده از کاغذ در کار و استادیار مهندسی برق و کامپیوتر در دانشگاه ایالتی کارولینای شمالی. “چارچوب ما اجازه می دهد تا هوش مصنوعی در رباتیک پروتز برای پیش بینی نوع زمین های کاربران خواهد بود پله در تعیین عدم قطعیت در ارتباط با پیش بینی و پس از آن ترکیب است که عدم اطمینان به آن تصمیم گیری است.”

محققان با تمرکز بر افتراق بین شش terrains مختلف که نیاز به تنظیمات در رباتیک پروتز رفتار: کاشی, آجر, بتن, چمن “طبقه بالا” و “پایین.”

“اگر درجه ای از عدم قطعیت است بیش از حد بالا AI نیست مجبور به ساختن یک سوال تصمیم گیری – از آن می تواند به جای اطلاع کاربر است که آن را ندارد به اندازه کافی اعتماد به نفس در پیش بینی خود را به عمل و یا آن را می تواند به طور پیش فرض به یک ‘امن’ حالت می گوید:” Boxuan زونگ نویسنده سرب از کاغذ و یک های اخیر دکتری فارغ التحصیل از NC State.

جدید “زمینه محیط زیست” چارچوب شامل هر دو سخت افزار و نرم افزار ، محققان طراحی چارچوبی برای استفاده با هر پایین-اندام رباتیک اسكلت یا رباتیک پروتز دستگاه اما با یک قطعه اضافی از سخت افزار: یک دوربین است. در مطالعه این محققان با استفاده از دوربین های فرسوده در عینک و دوربین های نصب شده در پایین-پروتز اندام خود را. محققان ارزیابی چگونه از هوش مصنوعی قادر به استفاده از بینایی کامپیوتر داده ها از هر دو نوع دوربین به طور جداگانه و وقتی با هم استفاده می شود.

“ترکیب بینایی کامپیوتر به نرم افزار کنترل برای پوشیدنی رباتیک جدید هیجان انگیز است که در حوزه پژوهش می گوید:” هلن هوانگ همکاری نویسنده این مقاله است. “ما دریافتیم که با استفاده از هر دو دوربین به خوبی کار می کرد اما نیاز به مقدار زیادی از قدرت محاسباتی و ممکن است هزینه سنگین. با این حال ما نیز در بر داشت که تنها با استفاده از دوربین نصب شده بر روی اندام تحتانی خیلی خوب کار می کرد – به خصوص برای کوتاه مدت پیش بینی مانند آنچه در زمین خواهد بود و برای مرحله بعدی و یا دو.” هوانگ است Jackson خانواده استاد برجسته مهندسی پزشکی در مفصل دپارتمان مهندسی پزشکی در NC امور خارجه و دانشگاه کارولینای شمالی در چپل هیل.

پیشرفت قابل توجه این است به هوش مصنوعی خود را.

“ما آمد تا با یک راه بهتر برای آموزش عمیق-آموزش سیستم های چگونه به ارزیابی و تعیین عدم قطعیت در راه است که اجازه می دهد تا سیستم را به عنوان سمبل عدم اطمینان به خود, تصمیم گیری” Lobaton می گوید. “این است که قطعا مربوط به رباتیک پروتز اما کار ما در اینجا می توان به هر نوع عمیق-سیستم یادگیری.”

برای آموزش سیستم هوش مصنوعی محققان وصل دوربین به سفت افراد که پس از آن راه می رفت از طریق انواع محیط داخلی و فضای باز محیط های. سپس محققان انجام یک اثبات مفهوم ارزیابی با داشتن یک فرد با کاهش قطع عضو اندام پوشیدن, دوربین, در حالی که تراورس همان محیط.

“ما دریافتیم که این مدل می تواند مناسب منتقل می شود بنابراین سیستم می تواند با افراد مختلف از جمعیت” Lobaton می گوید. “این بدان معنی است که هوش مصنوعی به خوبی کار می کرد حتی فکر آن را آموزش دیده توسط یک گروه از مردم و استفاده شده توسط somebody متفاوت است.”

این چارچوب جدید هنوز تست شده در یک دستگاه رباتیک.

“ما هیجان زده به ترکیب این چارچوب به کنترل سیستم برای کار رباتیک پروتز – که گام بعدی” هوانگ می گوید.

“و ما نیز در حال برنامه ریزی برای کار بر روی راه هایی برای ایجاد سیستم کارآمد تر از نظر نیاز به کمتر بصری داده های ورودی و کمتر پردازش داده ها می گوید:” زونگ.

###

مقاله “زیست محیطی در زمینه پیش بینی برای پروتز اندام تحتانی با قطعیت کمیتی” منتشر شده است در معاملات IEEE در اتوماسیون علم و مهندسی. کاغذ همكاري با رافائل دا سیلوا, یک دانشجوی دکتری در, NC State; و Minhan Li یک دانشجوی دکتری در مفصل دپارتمان مهندسی پزشکی.

این کار انجام شد با حمایت بنیاد ملی علوم تحت کمک های مالی 1552828, 1563454 و 1926998.

سلب مسئولیت: AAAS و EurekAlert! مسئول صحت اخبار منتشر شده به EurekAlert! با کمک موسسات و یا برای استفاده از هر گونه اطلاعات از طریق EurekAlert سیستم.

tinyurlis.gdu.nuclck.ruulvis.netshrtco.de