研究人员将计算机视觉和不确定性融合到人工智能中用于机器人修复

研究人员已经开发出一种新的软件，可以与现有的硬件集成，让人们使用机器人假肢或外骨骼在不同类型的地形上以更安全、更自然的方式行走。新框架将计算机视觉融入假肢控制，并包括鲁棒人工智能(AI)算法，允许软件更好地考虑不确定性。

“下肢机器人假肢需要根据使用者行走的地形执行不同的行为，”北卡罗莱纳州立大学电子和计算机工程副教授埃德加·洛巴顿(Edgar Lobaton)说，他与人合著了一篇关于这项工作的论文。“我们创建的框架允许人工智能机器人假肢预测用户将要踩的地形类型，量化与预测相关的不确定性，然后将这种不确定性纳入决策。”

研究人员重点区分了六个不同的地形，这些地形需要调整机器人假肢的行为:瓷砖、砖、混凝土、草地、“楼上”和“楼下”。

“如果不确定性的程度过高,AI不是被迫做一个可疑的决定可以通知用户,它没有足够的信心在其预测,也可以默认为“安全”的模式,“钟Boxuan说,该论文的主要作者最近博士毕业数控状态。

新的“环境上下文”框架结合了硬件和软件元素。研究人员设计的框架可用于任何下肢机器人外骨骼或机器人假肢设备，但有一个额外的硬件:一台相机。在他们的研究中，研究人员使用了安装在眼镜上的相机和安装在下肢假肢上的相机。研究人员评估了人工智能如何能够分别使用和同时使用两种类型的相机的计算机视觉数据。

“将计算机视觉融入可穿戴机器人的控制软件是一个令人兴奋的新研究领域，”该论文的作者之一黄海伦(Helen Huang)表示。“我们发现，使用这两种相机都很好，但需要大量的计算能力，而且成本可能高得令人望而却步。”然而，我们也发现，只使用安装在下肢的相机效果非常好，尤其是对于近期的预测，比如未来一两步的地形会是什么样子。”黄是北卡罗来纳大学生物医学工程系和北卡罗来纳大学教堂山分校生物医学工程系的杰克逊家族杰出教授。

然而，最重要的进步是人工智能本身。

“我们想出了一个更好的方法来教深度学习系统如何评估和量化不确定性，使系统能够将不确定性纳入其决策中，”Lobaton说。“这当然与机器人修复有关，但我们的工作可以应用于任何类型的深度学习系统。”

为了训练人工智能系统，研究人员将摄像头与身体健全的人连接起来，然后让他们在各种室内和室外环境中行走。研究人员随后做了一个概念验证评估，让一个下肢截肢的人在穿越同样的环境时带上相机。

“我们发现模型可以适当地转移，这样系统就可以处理来自不同人群的受试者，”Lobaton说。“这意味着，即使人工智能是由一组人训练，并由不同的人使用，它也能很好地工作。”

然而，新框架还没有在机器人设备上进行测试。

黄说:“我们很高兴能将这个框架整合到控制系统中，用于机器人假肢的工作，这是下一步。”

钟说:“我们还计划研究提高系统效率的方法，减少视觉数据输入和数据处理。”