AI 驱动外骨骼腿学会自主行走

机器人研究人员正在开发能自主迈步的外骨骼腿，利用复杂人工智能（AI）技术。自控腿未来或将辅助老年人和身体残疾者运动。

滑铁卢大学研究人员构建测试的系统，结合计算机视觉和深度学习 AI 模仿人类步态。“从”环境中一组样本漫步中“学习”，系统根据感知周围环境调整动作。

“我们给机器人外骨骼装上眼睛，让它们能自我控制。”博士生 Brokoslaw Laschowski 说，他领导滑铁卢大学名为 ExoNet 的研究项目。

ExoNet 系统在 AI 支持下，从团队收集的训练数据汲取。研究人员胸前绑可穿戴摄像头（如上图所示），拍摄室内外环境视频。

AI 计算机软件处理视频流，准确识别楼梯、门等周围环境特征。

成果详见《Frontiers in Robotics and AI》期刊 。（探索与该自主外骨骼项目相关的研究数据集 。）

系列相关论文最新一篇《面向机器人外骨骼和假肢的站立-坐下生物力学仿真与能量再生》 刊登于《IEEE Transactions on Medical Robotics and Bionics》。

电机驱动外骨骼腿之前也有设计，但佩戴者几乎总需用操纵杆或智能手机 App 控制动作。

Tech Briefs 更多机器人

特拉维夫大学开发机器人“听”电信号，得益于天然传感器：死蝗虫耳朵。

新机器人无需电子即可移动——只需恒定压缩空气源。

“那不方便且认知负荷高，”Laschowski 说。 “每次想进行新移动活动，都得停下、掏出手机选所需模式。”

滑铁卢大学方法提供更自动化控制，得益于 AI 和计算机视觉能力。

ExoNet 研究项目下一阶段将向电机发送指令，让机器人外骨骼根据用户当前动作和即将到来地形分析，爬楼梯、避障或采取其他适当动作。

此外，研究人员还在利用人体运动为机器人外骨骼电池自充电，提高电机能效。

“我们的控制方法不一定需要人类思考，”Laschowski 说，他在工程教授 John McPhee 指导下工作，McPhee 是生物机电系统动力学加拿大研究主席，在其运动研究组 实验室。“类似自动驾驶汽车自主驾驶，我们设计自主行走的外骨骼。”

Tech Briefs： 如何确保安全？若外骨骼错误做危险动作，用户能接管吗？类比 ADAS 与全自动驾驶。用户如何控制速度、启停？此类控制如何与用户交互？

Brokoslaw Laschowski： 安全至上。这些机器人设备旨在辅助老年人和身体残疾者（如中风、脊髓损伤、脑瘫、骨关节炎等）。不能容忍外骨骼错误决策导致跌倒受伤。因此我们完全专注于提高分类准确性和控制，开发环境识别系统让外骨骼实时自主感知和反应行走环境。用计算机和可穿戴原型在“健康”对照组优化系统性能，再进行临床测试。然而，外骨骼用户始终保有手动接管能力（如停止、转向）。

Tech Briefs： 能否走一遍你设想的应用场景？这在哪里最有价值？

Brokoslaw Laschowski： 这些机器人设备旨在辅助老年人和身体残疾者进行移动活动。我们环境自适应自动控制系统的示例应用是不同移动活动间切换。商用外骨骼中，从平地行走过渡到爬楼梯时，用户走近楼梯、停下，用移动界面、按钮或其他手控（视设备而定）手动告知外骨骼意图活动。

相反，自主控制系统下，用户接近倾斜楼梯时，车载传感器如惯性测量单元（IMU）持续感知分类用户当前动作，可穿戴摄像头系统感知分类即将到来地形。这些不同传感器技术和模式识别算法融合用于预测用户移动意图并控制外骨骼。

Tech Briefs： 外骨骼如何“训练”无需人类思考即可运行？

Brokoslaw Laschowski： 我们用计算机视觉和深度学习做环境分类。用数百万真实图像，卷积神经网络自动高效训练预测图像中不同行走环境。随后用环境信息控制机器人外骨骼：最优路径规划、避障、不同移动活动切换（如平地行走到爬楼梯）。

Tech Briefs： 这外骨骼下一步？你们在做什么？

Brokoslaw Laschowski： 从安全关键视角，这些 AI 驱动外骨骼控制系统必须准确实时运行。因此我们专注于提高环境分类准确性，同时用计算存储需求最小的神经网络架构促进车载实时推理。

你怎么看？分享你的问题和评论。