20th Century Fox
Οι εξωσκελετές σήμερα μοιάζουν με κάτι βγαλμένο από επιστημονική φαντασία. Αλλά η πραγματικότητα είναι ότι δεν είναι τόσο ισχυροί όσο οι φανταστικοί ομολόγους τους. Είναι αρκετά ταλαντευόμενοι και χρειάζονται πολλές ώρες χειροποίητων πολιτικών λογισμικού, οι οποίες ρυθμίζουν τον τρόπο λειτουργίας τους—μια διαδικασία που πρέπει να επαναλαμβάνεται για κάθε χρήστη ξεχωριστά.
Για να φέρουμε την τεχνολογία λίγο πιο κοντά AvatarSkel Suits ή Warhammer 40k power armor, μια ομάδα στο Εργαστήριο Βιομηχατρονικής και Ευφυούς Ρομποτικής του Πανεπιστημίου της Βόρειας Καρολίνας χρησιμοποίησε AI για να κατασκευάσει τον πρώτο εξωσκελετό που ταιριάζει σε όλους που υποστηρίζει το περπάτημα, το τρέξιμο και την αναρρίχηση σκαλοπατιών. Ουσιαστικά, το λογισμικό του προσαρμόζεται σε νέους χρήστες χωρίς να χρειάζεται προσαρμογές για συγκεκριμένους χρήστες. «Απλώς το φοράς και λειτουργεί», λέει ο Hao Su, αναπληρωτής καθηγητής και συν-συγγραφέας της μελέτης.
Εξατομικευμένα ρομπότ
Ο εξωσκελετός είναι ένα ρομπότ που φοράτε για να βοηθάτε τις κινήσεις σας—καθιστά το περπάτημα, το τρέξιμο και άλλες δραστηριότητες λιγότερο επιβαρυντικές, με τον ίδιο τρόπο που ένα ηλεκτρονικό ποδήλατο προσθέτει επιπλέον βατ πάνω από αυτά που δημιουργείτε μόνοι σας, κάνοντας το πετάλι ευκολότερο. «Το πρόβλημα είναι ότι οι εξωσκελετές δυσκολεύονται να κατανοήσουν τις ανθρώπινες προθέσεις, είτε θέλετε να τρέξετε είτε να περπατήσετε είτε να ανεβείτε σκάλες. Επιλύεται με την αναγνώριση κίνησης: συστήματα που αναγνωρίζουν τις ανθρώπινες προθέσεις μετακίνησης», λέει ο Su.
Η κατασκευή αυτών των συστημάτων αναγνώρισης κίνησης βασίζεται επί του παρόντος σε περίπλοκες πολιτικές που ορίζουν τι πρέπει να κάνουν οι ενεργοποιητές σε έναν εξωσκελετό σε κάθε πιθανό σενάριο. «Ας περπατήσουμε. Η τρέχουσα κατάσταση της τέχνης είναι ότι σας βάζουμε τον εξωσκελετό και περπατάτε σε ένα διάδρομο για μια ώρα. Με βάση αυτό, προσπαθούμε να προσαρμόσουμε τη λειτουργία του στο ατομικό σας σύνολο κινήσεων», εξηγεί ο Su.
Η δημιουργία χειροποίητων πολιτικών ελέγχου και η πραγματοποίηση μακρών δοκιμών σε ανθρώπους για κάθε χρήστη καθιστούν τους εξωσκελετούς εξαιρετικά ακριβούς, με τιμές που φτάνουν τα 200.000 $ ή περισσότερο. Έτσι, η ομάδα του Su χρησιμοποίησε AI για να δημιουργήσει αυτόματα πολιτικές ελέγχου και να εξαλείψει την ανθρώπινη εκπαίδευση. «Νομίζω ότι μέσα σε δύο ή τρία χρόνια, οι εξωσκελετές με τιμή μεταξύ 2.000 και 5.000 δολαρίων θα είναι απολύτως εφικτές», ισχυρίζεται ο Σου.
Η ομάδα του ελπίζει ότι αυτή η εξοικονόμηση θα προέλθει από την ανάπτυξη της πολιτικής ελέγχου του εξωσκελετού χρησιμοποιώντας ένα ψηφιακό μοντέλο και όχι ζωντανούς ανθρώπους που αναπνέουν.
Ψηφιοποίηση ανθρώπων που υποβοηθούνται από ρομπότ
Η ομάδα του Su ξεκίνησε κατασκευάζοντας ψηφιακά μοντέλα ενός ανθρώπινου μυοσκελετικού συστήματος και ενός εξωσκελετικού ρομπότ. Στη συνέχεια χρησιμοποίησαν πολλαπλά νευρωνικά δίκτυα που λειτουργούσαν κάθε στοιχείο. Ο ένας έτρεχε το ψηφιοποιημένο μοντέλο ενός ανθρώπινου σκελετού, που κινούνταν από απλοποιημένους μύες. Το δεύτερο νευρωνικό δίκτυο εκτελούσε το μοντέλο του εξωσκελετού. Τέλος, το τρίτο νευρωνικό δίχτυ ήταν υπεύθυνο για τη μίμηση της κίνησης — βασικά πρόβλεψη του πώς ένα ανθρώπινο μοντέλο θα κινούνταν φορώντας τον εξωσκελετό και πώς θα αλληλεπιδρούσαν τα δύο μεταξύ τους. «Εκπαιδεύσαμε και τα τρία νευρωνικά δίκτυα ταυτόχρονα για να ελαχιστοποιήσουμε τη μυϊκή δραστηριότητα», λέει ο Su.
Ένα πρόβλημα που αντιμετώπισε η ομάδα είναι ότι οι μελέτες εξωσκελετού χρησιμοποιούν συνήθως μια μέτρηση απόδοσης που βασίζεται στη μείωση του μεταβολικού ρυθμού. «Οι άνθρωποι, ωστόσο, είναι απίστευτα περίπλοκοι και είναι πολύ δύσκολο να φτιάξεις ένα μοντέλο με αρκετή πιστότητα για να προσομοιώσεις με ακρίβεια τον μεταβολισμό», εξηγεί ο Σου. Ευτυχώς, σύμφωνα με την ομάδα, η μείωση της ενεργοποίησης των μυών σχετίζεται αρκετά στενά με τη μείωση του μεταβολικού ρυθμού, επομένως διατήρησε την πολυπλοκότητα του ψηφιακού μοντέλου εντός λογικών ορίων. Η εκπαίδευση ολόκληρου του συστήματος ανθρώπινου-εξωσκελετού και με τα τρία νευρωνικά δίκτυα διήρκεσε περίπου οκτώ ώρες σε μια ενιαία GPU RTX 3090. Και τα αποτελέσματα ήταν ρεκόρ.
Γεφύρωση του χάσματος sim-to-real
Αφού ανέπτυξε τους ελεγκτές για το ψηφιακό μοντέλο εξωσκελετού, οι οποίοι αναπτύχθηκαν από τα νευρωνικά δίκτυα σε προσομοίωση, η ομάδα του Su απλώς αντιγράφει την πολιτική ελέγχου σε έναν πραγματικό ελεγκτή που τρέχει έναν πραγματικό εξωσκελετό. Στη συνέχεια, δοκίμασαν πώς ένας εξωσκελετός εκπαιδευμένος με αυτόν τον τρόπο θα λειτουργούσε με 20 διαφορετικούς συμμετέχοντες. Η μέση μείωση του μεταβολικού ρυθμού στο περπάτημα ήταν πάνω από 24 τοις εκατό, πάνω από 13 τοις εκατό στο τρέξιμο και 15,4 τοις εκατό στην αναρρίχηση σκαλοπατιών – όλα τα νούμερα ρεκόρ, που σημαίνει ότι ο εξωσκελετός τους ξεπέρασε κάθε άλλο εξωσκελετό που δημιουργήθηκε ποτέ σε κάθε κατηγορία.
Αυτό επιτεύχθηκε χωρίς να χρειαστούν τροποποιήσεις για να προσαρμοστεί σε μεμονωμένους βηματισμούς. Αλλά η μαγεία των νευρωνικών δικτύων δεν τελείωσε εκεί.
«Το πρόβλημα με τις παραδοσιακές, χειροποίητες πολιτικές ήταν ότι απλώς του έλεγαν «αν εντοπιστεί περπάτημα κάντε ένα πράγμα. αν εντοπιστεί ότι περπατάτε πιο γρήγορα κάντε κάτι άλλο. Αυτοί ήταν [a mix of] μηχανές πεπερασμένης κατάστασης και ελεγκτές μεταγωγέων. Παρουσιάσαμε συνεχή έλεγχο από άκρο σε άκρο», λέει ο Su. Αυτό που σήμαινε αυτός ο συνεχής έλεγχος ήταν ότι ο εξωσκελετός μπορούσε να ακολουθήσει το ανθρώπινο σώμα καθώς έκανε ομαλές μεταβάσεις μεταξύ διαφορετικών δραστηριοτήτων—από το περπάτημα στο τρέξιμο, από το τρέξιμο στο ανέβασμα σκαλοπατιών κ.λπ. Δεν υπήρχε απότομη αλλαγή λειτουργίας.
“Όσον αφορά το λογισμικό, νομίζω ότι όλοι θα χρησιμοποιήσουν αυτήν την προσέγγιση που βασίζεται σε νευρωνικά δίκτυα σύντομα”, ισχυρίζεται ο Su. Για να βελτιώσει τους εξωσκελετούς στο μέλλον, η ομάδα του θέλει να τους κάνει πιο αθόρυβους, ελαφρύτερους και πιο άνετους.
Αλλά το σχέδιο είναι επίσης να λειτουργήσουν για άτομα που τα χρειάζονται περισσότερο. «Ο περιορισμός τώρα είναι ότι δοκιμάσαμε αυτούς τους εξωσκελετούς με αρτιμελείς συμμετέχοντες, όχι με άτομα με προβλήματα βάδισης. Έτσι, αυτό που θέλουμε να κάνουμε είναι κάτι που έκαναν σε μια άλλη μελέτη εξωσκελετού στο Πανεπιστήμιο του Στάνφορντ. Θα τραβούσαμε ένα βίντεο ενός λεπτού με το να περπατάτε και με βάση αυτό, θα κατασκευάζαμε ένα μοντέλο για να εξατομικεύσουμε το γενικό μας μοντέλο. Αυτό θα πρέπει να λειτουργεί καλά για άτομα με αναπηρίες όπως η αρθρίτιδα του γόνατος», ισχυρίζεται η Su.
Nature, 2024. DOI: 10.1038/s41586-024-07382-4