Les chercheurs ont développé un contrôleur amélioré par l'IA pour les exosquelettes qui apprend à prendre en charge divers mouvements tels que la marche et la course sans étalonnage individuel. Ce système réduit considérablement les dépenses énergétiques, ce qui en fait un outil prometteur pour améliorer efficacement la mobilité humaine.
Un nouveau contrôleur IA pour exosquelettes, capable d'apprendre différents mouvements humains sans programmation spécifique, a démontré des économies d'énergie substantielles, marquant une avancée majeure dans la technologie des robots portables.
Imaginez des mouvements plus sûrs et plus efficaces pour les ouvriers d’usine et les astronautes, ainsi qu’une mobilité améliorée pour les personnes handicapées. Cela pourrait un jour devenir une réalité plus répandue, grâce à une nouvelle recherche publiée le 12 juin dans la revue Nature.
Appelés « exosquelettes », les cadres robotiques portables destinés au corps humain promettent des mouvements plus faciles, mais les obstacles technologiques ont limité leur application plus large, a expliqué le Dr Shuzhen Luo de l'Université aéronautique Embry-Riddle – premier auteur de l'étude. Nature article, avec l'auteur correspondant, le Dr Hao Su de Université d'État de Caroline du Nord (NC State) et d’autres collègues.
À ce jour, les exosquelettes doivent être préprogrammés pour des activités et des individus spécifiques, sur la base de tests longs, coûteux et exigeants en main-d'œuvre avec des sujets humains, a noté Luo.
Les chercheurs ont développé un modèle humain musculo-squelettique complet composé de 208 muscles (en haut à gauche), ainsi qu'un exosquelette de hanche personnalisé (en bas à gauche), puis ont exploité l'intelligence artificielle pour simuler plusieurs activités (au centre) avant de déployer le contrôleur appris sur des sujets humains. Crédit: NatureLuo et al., Figure 2.
Présentation du contrôle basé sur l'IA
Aujourd’hui, les chercheurs ont décrit un contrôleur super intelligent ou « appris » qui exploite une grande quantité de données. intelligence artificielle (IA) et simulations informatiques pour former des exosquelettes robotiques portables.
« Ce nouveau contrôleur fournit une assistance de couple fluide et continue pour marcher, courir ou monter des escaliers sans nécessiter de tests humains », a rapporté Luo. « Avec une seule exécution sur une unité de traitement graphique, nous pouvons former une loi ou une « politique » de contrôle en simulation, de sorte que le contrôleur puisse assister efficacement les trois activités et les différentes personnes. »
Le Dr Shuzhen Luo de l'Université aéronautique Embry-Riddle (à droite), dont les travaux paraissent dans « Nature » le 12 juin 2024, discute de ses recherches liées aux exosquelettes robotiques alimentés par l'IA, lors d'une présentation interne par affiche. Crédit : Embry-Riddle/David Massey
Réductions d'énergie révolutionnaires
Piloté par trois réseaux neuronaux multicouches interconnectés, le contrôleur apprend au fur et à mesure – évoluant à travers « des millions d'époques de simulation musculo-squelettique pour améliorer la mobilité humaine », a expliqué le Dr Luo, professeur adjoint de génie mécanique à Embry-Riddle's Daytona Beach, Floride, campus.
Le cadre « d’apprentissage en simulation » sans expérimentation, déployé sur un exosquelette de hanche personnalisé, a généré ce qui semble être les réductions du taux métabolique les plus élevées des exosquelettes de hanche portables à ce jour – avec une moyenne de 24,3 %, 13,1 % et 15,4 %. % de réduction de la dépense énergétique des porteurs, respectivement pour la marche, la course et la montée des escaliers.
Ces taux de réduction d'énergie ont été calculés en comparant les performances de sujets humains avec et sans l'exosquelette robotique, a expliqué Su de NC State. « Cela signifie qu'il s'agit d'une véritable mesure de la quantité d'énergie économisée par l'exosquelette », a déclaré Su, professeur agrégé de génie mécanique et aérospatial. « Ce travail fait essentiellement de la science-fiction une réalité, en permettant aux gens de dépenser moins d'énergie tout en effectuant diverses tâches. »
Combler le fossé entre la simulation et la réalité
On pense que cette approche est la première à démontrer la faisabilité du développement de contrôleurs, en simulation, qui comblent ce que l'on appelle la simulation et la réalité, ou « fossé sim2real », tout en améliorant considérablement les performances humaines.
« Les réalisations précédentes en matière d'apprentissage par renforcement ont eu tendance à se concentrer principalement sur la simulation et les jeux de société », a déclaré Luo, « alors que nous avons proposé une nouvelle méthode, à savoir une manière d'apprentissage par renforcement dynamique et basée sur les données pour former et contrôler des robots portables pour directement profite aux humains.
Le cadre « peut offrir une stratégie généralisable et évolutive pour le déploiement rapide et généralisé d’une variété de robots d’assistance pour les personnes valides et à mobilité réduite », a ajouté Su.
Surmonter les obstacles technologiques
Comme indiqué, les exosquelettes nécessitent traditionnellement des lois de contrôle artisanales basées sur des tests humains fastidieux pour gérer chaque activité et tenir compte des différences dans les démarches individuelles, ont expliqué les chercheurs dans la revue « Nature ». Une approche d’apprentissage par simulation a suggéré une solution possible à ces obstacles.
L’« approche d’apprentissage par renforcement dynamique et basée sur les données » qui en résulte accélère considérablement le développement d’exosquelettes pour une adoption dans le monde réel, a déclaré Luo. La simulation en boucle fermée intègre à la fois un contrôleur d'exosquelette et des modèles physiques de dynamique musculo-squelettique, d'interaction homme-robot et de réactions musculaires pour générer des données efficaces et réalistes. De cette manière, une politique de contrôle peut évoluer ou apprendre en simulation.
« Notre méthode constitue une base pour des solutions clé en main dans le développement de contrôleurs pour les robots portables », a déclaré Luo.
Orientations futures de la recherche sur les exosquelettes
Les recherches futures se concentreront sur des démarches uniques, pour marcher, courir ou monter des escaliers, afin d'aider les personnes souffrant de handicaps tels qu'un accident vasculaire cérébral, l'arthrose et la paralysie cérébrale ainsi que celles souffrant d'amputations.
Pour en savoir plus sur cette recherche, consultez Combinaisons robotiques qui utilisent l’IA pour vous aider à courir plus facilement et plus rapidement.
Le Nature l'article a été rédigé par Shuzhen Luo de l'Université aéronautique Embry-Riddle, avec Menghan Jiang, Sainan Zhang, Junxi Zhu, Shuangyue Yu, Israel Dominguez Silva et Tian Wang de l'Université d'État de Caroline du Nord ; et l'auteur correspondant Hao Su de l'Université d'État de Caroline du Nord et de l'Université de Caroline du Nord à Chapel Hill ; Elliott Rouse de l'Université du Michigan, Ann Arbor ; Bolei Zhou de l'Université de Californie à Los Angeles ; Hyunwoo Yuk de l'Institut supérieur coréen des sciences et technologies ; et Xianlian Zhou du Institut de technologie du New Jersey.
Yufeng Kevin Chen du Massachusetts Institute of Technology a fourni des commentaires constructifs à l'appui de l'article intitulé « Assistance aux exosquelettes sans expérience via l'apprentissage en simulation ».
La recherche a été financée en partie par un prix CAREER de la National Science Foundation (NSF) (CMMI 1944655) ; l'Institut national de recherche sur le handicap, la vie indépendante et la réadaptation (DRRP 90DPGE0019) ; un chercheur distingué suisse (SFGE22000372); le NSF Future of Work (2026622) ; et le Instituts nationaux de la santé (1R01EB035404).
Conformément aux politiques de publication de « Nature », tous les « intérêts concurrents » potentiels ont été divulgués dans le journal. Su et Luo, un ancien chercheur postdoctoral à NC State qui fait maintenant partie du corps professoral d'Embry-Riddle, sont co-inventeurs de la propriété intellectuelle liée au contrôleur décrit ici.
