楠木軒

用一台 iPhone XS Max 打造開源數據集,外骨骼要「自主思考」了

由 尉遲長喜 發佈於 科技

去年,餓了麼小哥曾化身「機甲騎士」亮相上海,引起網絡熱議。

前不久,解放軍陸軍士兵也穿上了原本只能在科幻作品中看到的硬核裝備,上百斤的彈藥箱也能輕鬆搬運。

外賣小哥和解放軍戰士所穿的這一設備正是「機械外骨骼」。

機械外骨骼也稱動力外骨骼(Powered exoskeleton),是由鋼鐵框架構成的可穿戴機器裝置,可為人們提供額外能量,供四肢運動。

縱觀機械外骨骼領域,工業裝備、物流、建築、醫療、軍事等行業都曾有過商業化嘗試,比如我國運用於軍事偵查和巡邏的星雲 L70 單兵外骨骼機器人、美國公司 Ekso Bionics 和 suitX 推出的工業外骨骼機器人、日本公司 Cyberdyne 推出的醫療和工業領域外骨骼機器人。

不過正如一位行業人士向雷鋒網表示的那樣:

機械外骨骼發展尚處在早期階段。

為進一步優化機械外骨骼,一組來自加拿大滑鐵盧大學的研究人員正在結合計算機視覺和深度學習,希望機械外骨骼也能像人類一樣根據環境變化適應、調整自身。

外骨骼將要“自主思考”

此前,相關研究成果發表於學術期刊《機器人與人工智能前沿》(Frontiers in Robotics and AI),題為 ExoNet Database: Wearable Camera Images of Human Locomotion Environments(ExoNet 數據庫:人體運動環境的可穿戴相機圖像)。

論文作者來自於滑鐵盧大學系統設計工程系、滑鐵盧人工智能研究所(Waterloo.ai)。

論文介紹了機械外骨骼的一般運作模式:

  • 首先,高級控制器通過使用機器學習算法分析可穿戴式傳感器的實時測量值,識別用户的運動模式(或者説意圖)。

  • 然後,中層控制器將運動意圖轉換為特定軌跡。

  • 最後,低級控制器通過使用前饋反饋控制迴路來調製設備致動器,從而跟蹤參考軌跡並將信號誤差降至最低。

值得關注的是,機械外骨骼在不同運動模式間進行準確的轉換是非常重要的,因為即便是一丁點錯誤也可能導致失衡甚至是傷害。

當前,機械外骨骼大多需要用户通過手機應用程序或操縱桿手動控制。

自然,這意味着在使用機械外骨骼時會有很多不必要的麻煩。在研究團隊看來,傳統的需要手動操縱機械外骨骼的方式很大程度上會很不方便,且對認知要求很高。不難想象,用户每次想進行一項新的運動時,都必須先停下來,拿出手機選擇想要的模式。

當然這並不意味着如今機械外骨骼的控制方式還是原地踏步。

論文顯示,自 2015 年起,已有一些研究團隊做了嘗試。

比如開發「自動運動模式識別系統」,使用可穿戴傳感器(例如慣性測量單元 IMU 和表面肌電圖 EMG)在不同運動模式之間自動切換——不過,相比傳統方式,這種神經肌肉-機械數據融合的方式提高了運動模式識別的準確性。然而,這種測量仍然取決於患者,且 EMG 容易造成疲勞、電極皮膚電導率變化以及鄰近肌肉的串擾。

在此背景下,研究人員為機械外骨骼用户安裝了可穿戴攝像頭,目前正在優化 AI 計算機軟件來處理視頻,從而準確識別樓梯、門等周圍環境特徵,通過調整自身動作來模仿體格健全的人走路。

具體來講,研究人員給用户安裝上一台 iPhone XS Max,也就是所謂的可穿戴智能手機攝像頭系統。

其設計保證用户在直立時,手機距離地面約 1.3 m,這將支持機載機器學習,從而進行實時環境分類。按照論文的説法,可穿戴式相機系統相對輕巧、不引人注目的特性使人類行走生物力學不受影響。

手機錄製了超過 52 個小時的 30 Hz、1,280×720 分辨率視頻,總計約 560 萬張圖像,總共被劃分為 12 類,即一個大規模分層數據集 ExoNet(已開源:https://github.com/BrockLaschowski2/ExoNet)。

據瞭解,ExoNet 包含約 923,000 個單獨標記的圖像。相比之下,之前最大的數據集包含約 402,000 張圖像。可見,ExoNet 在規模和多樣性上,與以前的環境識別系統明顯不同。

關於作者

上述成果來自於 ExoNet 項目,這一項目由該校系統設計工程專業博士生、滑鐵盧人工智能研究所成員 Brokoslaw Laschowski 領導。

據瞭解,Brokoslaw Laschowski 曾獲:

  • 多倫多大學運動機能學(生物力學)理學學士

  • 西安大略大學運動機能學(生物力學)理學碩士

  • 滑鐵盧大學機械工程碩士

Brokoslaw Laschowski 表示:

在我們的控制方法下,機械外骨骼的運作不一定需要人類思考。我們正在設計的這種外骨骼和假肢就像自動駕駛汽車一樣。

據外媒 TechCrunch 報道,ExoNet 項目下一階段的目標是:通過向電機發送指令,分析用户當前的運動和未來將要接觸的地形,使得機械外骨骼順利進行爬樓梯、避障等行動。

未來,研究人員還希望做到機械外骨骼“自我充電”,提高其能量效率。

引用來源:

https://techcrunch.com/2021/03/15/using-cameras-and-ai-to-help-exoskeletons-adapt-to-their-environment/

https://www.eurekalert.org/pub_releases/2021-03/uow-eca031221.php

https://uwaterloo.ca/motion-research-group/brock-laschowski

https://www.frontiersin.org/articles/10.3389/frobt.2020.562061/full

雷鋒網雷鋒網雷鋒網