智慧應用 影音
國網中心-抗疫專案
20210721_D Webinar 2021 疫起拚轉型論壇

深度學習改善動力外骨骼 未來也能自主調整動作

加拿大研究人員透過AI、電腦視覺和深度學習進一步改善動力外骨骼裝置,未來可望與人類一般依照外在環境變化,自我即時調整動作。法新社

隨著科技日新月異,動力外骨骼(Exoskeleton)裝置舒適度和耐重力有所提升,現在許多開發團隊將外骨骼裝置或動力服整合感測器、攝影鏡頭與人工智慧(AI)技術,幫助病患恢復肌力,以及減輕工業從業人員的身體負擔。

根據IEEE Spectrum報導,加拿大滑鐵盧大學(University of Waterloo)研究人員透過AI、電腦視覺和深度學習進一步改善動力外骨骼裝置,未來可望與人類一般依照外在環境變化,即時調整動作。

一般來說,外骨骼裝置利用腿部的穿戴式感測器及控制器,結合演算法檢測配戴者從大腦傳送到肌肉的生理電訊號,以此辨識運動模式;最後底層控制器使用前饋與反饋控制迴路調整設備致動器,從而追蹤參考軌跡並將訊號誤差降到最低。

機器人研究員Brokoslaw Laschowski表示,傳統手動操作外骨骼的方式非常不便,每當使用者想換個姿勢,都必須先暫停動作,並在手機應用程式(App)或依賴搖桿選擇不同模式。

對此,滑鐵盧大學機器人團隊在外骨骼使用者的身上安裝一部iPhone Xs Max,作為穿戴式攝影鏡頭來獲得視覺資料。同時研究人員也正改進AI軟體分析影像,利用視覺資料準確辨識門、樓梯和周圍環境的其他特徵,計算出外骨骼最佳調整方式,模擬正常的身體動作。

據了解,這項名為ExoNet外骨骼專案由Laschowski帶領,是第一個大規模開源資料庫。其中分為12類標籤,包含560萬張室內與室外真實步行環境的高畫質圖像。

Laschowski指出,透過這些龐大的資料來訓練深度學習演算法,目前卷積神經網路(CNN)已經能自動識別不同的行走環境,準確率高達73%。由於深度相機(Depth camera)也可以捕捉潛在的圖像數據,但室外光照與距離增加時,測量的準確性會降低,所以暫不考慮使用。

未來,ExoNet團隊以自動駕駛車輛為靈感,將專注於提升環境分析軟體的準確性。下一目標是研究AI軟體如何向外骨骼發送指令,以便分析使用者當前運動和未來即將接觸的地形,使外骨骼爬上樓梯、避開障礙等,保護年長者、身心障礙病患的安全。


  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: AI 深度學習 機械外骨骼