选择了两个辅助配置文件
基于之前的数据。用户选择一个，它会显示另一个供比较。图片来源:Brenda Ahearn，密歇根工程公司
Ellie Wilson，一个机械工程的博士生，在做演示
介绍一个新公司
控制策略，定制由一对脚踝外骨骼提供的援助。机器学习算法向她展示了它选择的两个辅助配置文件
基于之前的数据。她选择了一个，它又展示了另一个来比较。后
大约45个选择，大多数用户都找到了一个他们反复选择的帮助配置文件。图片来源:Brenda Ahearn，密歇根工程公司
该团队对14名参与者进行了测试，每个人都穿着一双脚踝外骨骼，以每小时约2.3英里的稳定速度行走。志愿者可以在两个选择之间随意选择，尽管他们只能选择50个。大多数参与者在第45次决定时重复选择相同的援助概况。
50轮之后，实验团队开始测试用户，看看最终的辅助配置文件是否真的是最好的，将它与10个随机生成的(但貌似合理的)配置文件配对。平均而言，参与者选择算法建议的设置的次数约为10次中的9次，这凸显了所提出方法的准确性。
“通过使用聪明的算法和一点人工智能，我们的系统通过简单的是或否问题，找出用户想要什么，”最近从密歇根大学机械工程专业获得博士学位的李雄熙(Ung Hee Lee，音)说。他是这项研究的第一作者，目前在机器人公司Nuro工作。“我很兴奋，这种方法将使可穿戴机器人舒适易用，使它们更接近成为我们日常生活的一部分。”
控制算法管理四种外骨骼设置:提供多少帮助(峰值扭矩)，峰值之间的时间(定时)，以及外骨骼如何在每个峰值两侧增加和减少辅助。这种辅助方法是基于我们的小腿肌肉如何在每一步中增加力量来推动我们前进。
劳斯报告说，很少有组织允许用户设置自己的外骨骼设置。
“在大多数情况下，控制器是根据生物力学或生理学结果进行调整的。研究人员正在调整笔记本电脑的设置，尽量减少用户的代谢率。目前，这是外骨骼评估和控制的黄金标准，”劳斯说。
“我认为我们的领域过于强调代谢率测试。实际上，人们对自身代谢率的变化非常不敏感，所以我们正在开发外骨骼来做一些人们实际上无法感知的事情。”
相比之下，用户偏好方法不仅关注用户能够感知到什么，而且还使他们能够优先考虑他们认为有价值的品质。
该研究建立在该团队之前的努力基础上，使用户能够将自己的设置应用于脚踝外骨骼。在那项研究中，用户有一个触摸屏网格，一个轴上是帮助的水平，另一个轴上是帮助的时间。用户在网格上尝试不同的点，直到找到一个适合他们的点。
一旦用户在几个小时的过程中找到了舒适的设置，他们就能在几分钟内找到他们在网格上的设置。新的研究缩短了发现哪种设置感觉最好的较长时间，并提供了两个新的参数:帮助如何上升和下降。
早期研究的数据被用来为机器学习预测器提供数据。进化算法根据早期用户偏好的辅助配置文件产生变化，然后预测器(神经网络)对这些辅助配置文件进行排序。随着用户做出的每一个选择，系统都会生成新的潜在援助资料，并对其进行排序，并将其与用户之前的选择一起呈现给用户。
这项研究由X、谷歌的“登月工厂”、谷歌的机器人(现在的谷歌Deepmind)以及D.丹和贝蒂·卡恩基金会资助。这个概念目前由Alphabet的子公司Skip Innovations授权。
/公开发布。来自原始组织/作者的材料可能具有时点性质，并根据清晰度，风格和长度进行了编辑。海市蜃楼。新闻不受机构限制
所有的位置或侧面，以及所有的视图、位置等
此处表达的结论仅代表作者的观点。点击此处查看全文。
