Dalam pengujian dengan subjek manusia, peneliti menemukan bahwa peserta penelitian menggunakan energi metabolik 24,3% lebih sedikit saat berjalan dengan exoskeleton robot dibandingkan tanpa exoskeleton. Peserta menggunakan 13,1% lebih sedikit energi saat berlari dengan exoskeleton, dan 15,4% lebih sedikit energi saat menaiki tangga. Kredit: Hao Su, Universitas Negeri NC
Metode pelatihan baru untuk robot eksoskeleton yang menggunakan AI dan simulasi telah terbukti mengurangi pengeluaran energi saat berjalan, berlari, dan menaiki tangga.
Universitas Negeri Carolina Utara peneliti telah mengembangkan teknik baru yang inovatif yang memanfaatkan kecerdasan buatan (AI) dan simulasi komputer untuk melatih kerangka luar robot agar secara mandiri membantu pengguna menghemat energi saat berjalan, berlari, dan menaiki tangga.
“Pekerjaan ini mengusulkan dan mendemonstrasikan kerangka pembelajaran mesin baru yang menjembatani kesenjangan antara simulasi dan kenyataan untuk mengontrol robot yang dapat dipakai secara mandiri guna meningkatkan mobilitas dan kesehatan manusia,” kata Hao Su, penulis makalah tentang karya yang akan diterbitkan. hari ini (12 Juni) di jurnal Alami.
Meningkatkan Kinerja Lokomotif
“Exoskeleton memiliki potensi besar untuk meningkatkan kinerja lokomotif manusia,” kata Su, profesor teknik mesin dan ruang angkasa di North Carolina State University. “Namun, pengembangan dan distribusinya yang luas dibatasi oleh persyaratan pengujian manusia yang panjang dan undang-undang pengendalian buatan tangan.
“Ide utamanya di sini adalah AI yang terkandung dalam kerangka luar portabel mempelajari cara membantu orang berjalan, berlari, atau memanjat dalam simulasi komputer, tanpa memerlukan eksperimen apa pun,” kata Su.
Secara khusus, para peneliti berfokus pada peningkatan kendali otonom sistem AI yang diwujudkan – yaitu sistem di mana program AI diintegrasikan ke dalam teknologi robot fisik. Pekerjaan ini berfokus pada pengajaran kerangka luar robot bagaimana membantu orang berbadan sehat dengan berbagai gerakan. Biasanya, pengguna harus menghabiskan waktu berjam-jam untuk “melatih” kerangka luar agar teknologi mengetahui seberapa besar gaya yang diperlukan – dan kapan harus menerapkan gaya tersebut – untuk membantu pengguna berjalan, berlari, atau menaiki tangga. Metode baru ini memungkinkan pengguna untuk segera memanfaatkan exoskeleton.
Efisiensi Energi Melalui Robotika
“Karya ini pada dasarnya menjadikan fiksi ilmiah menjadi kenyataan – memungkinkan orang membakar lebih sedikit energi saat melakukan berbagai tugas,” kata Su.
“Kami telah mengembangkan cara untuk melatih dan mengendalikan robot yang dapat dipakai sehingga dapat memberikan manfaat langsung kepada manusia,” kata Shuzhen Luo, penulis pertama makalah ini dan mantan peneliti pascadoktoral di NC State. Luo sekarang menjadi asisten profesor di Embry-Riddle Aeronautical University.
Misalnya, dalam pengujian dengan subjek manusia, peneliti menemukan bahwa peserta penelitian menggunakan energi metabolik 24,3% lebih sedikit saat berjalan dengan kerangka luar robot dibandingkan dengan tanpa kerangka luar. Peserta menggunakan 13,1% lebih sedikit energi saat berlari dengan exoskeleton, dan 15,4% lebih sedikit energi saat menaiki tangga.
“Penting untuk dicatat bahwa pengurangan energi ini membandingkan kinerja kerangka luar robot dengan pengguna yang tidak memakai kerangka luar,” kata Su. “Ini berarti ini adalah ukuran sebenarnya dari seberapa banyak energi yang dihemat oleh exoskeleton.”
Meskipun penelitian ini berfokus pada pekerjaan para peneliti dengan orang-orang yang berbadan sehat, metode baru ini juga berlaku untuk aplikasi kerangka luar robot yang bertujuan membantu orang-orang dengan gangguan mobilitas.
Aplikasi dan Studi Masa Depan
“Kerangka kerja kami mungkin menawarkan strategi yang dapat digeneralisasikan dan terukur untuk perkembangan pesat dan adopsi berbagai robot bantu secara luas, baik untuk individu berbadan sehat maupun dengan gangguan mobilitas,” kata Su.
“Kami sedang dalam tahap awal pengujian kinerja metode baru pada robot exoskeleton yang digunakan oleh orang lanjut usia dan orang dengan kondisi neurologis, seperti Cerebral Palsy. Dan kami juga tertarik untuk mengeksplorasi bagaimana metode ini dapat meningkatkan kinerja perangkat prostetik robotik untuk populasi yang diamputasi.”
Referensi: “Bantuan Exoskeleton Bebas Eksperimen Melalui Pembelajaran dalam Simulasi” 12 Juni 2024, Alami.
DOI: 10.1038/s41586-024-07382-4
Makalah ini ditulis bersama oleh Menghan Jiang, Junxi Zhu dan Israel Dominguez Silva, yang merupakan Ph.D. siswa di NC State; Sainan Zhang dan Shuangyue Yu, peneliti postdoctoral di NC State; Tian Wang, seorang mahasiswa pascasarjana di NC State; Elliott Rouse dari Universitas Michigan; Bolei Zhou dari Universitas California, Los Angeles; Hyunwoo Yuk dari Institut Sains dan Teknologi Lanjutan Korea; dan Xianlian Zhou dari Institut Teknologi New Jersey.
Penelitian ini dilakukan dengan dukungan dari National Science Foundation dengan penghargaan 1944655 dan 2026622; Institut Nasional Penelitian Disabilitas, Hidup Mandiri, dan Rehabilitasi, dengan penghargaan 90DPGE0019 dan Switzer Research Fellowship SFGE22000372; dan itu Institut Kesehatan Nasionaldi bawah penghargaan 1R01EB035404.
Shuzhen Luo dan Hao Su adalah salah satu penemu kekayaan intelektual terkait pengontrol yang dibahas dalam karya ini. Su juga merupakan salah satu pendiri dan memiliki kepentingan finansial di Picasso Intelligence, LLC, yang mengembangkan kerangka luar.
NewsRoom.id
