Он может отличить траву от цемента и соответствующим образом отрегулировать шаг
Для человека с ампутацией нижней конечности, ходить даже с самым простым протезом ноги, как правило, легче, чем ходить без него. Однако подъем по лестнице или по пересеченной местности с пассивным протезом нижних конечностей может быть невероятно сложной задачей.
Роботизированнные протезы с механическими суставами могут помочь преодолеть эти проблемы, а искусственный интеллект (ИИ) может продвинуть искусственные конечности еще на один шаг вперед, дав им возможность почувствовать, что собирается сделать пользователь.
Теперь команда из Университета штата Северная Каролина разработала систему компьютерного зрения, которая дает протезу ноги возможность не только «видеть», что впереди, но и вычислять уровень своей уверенности в этом прогнозе.
Протез ноги с компьютерным зрением
В своем исследовании, опубликованном в журнале IEEE Transactions on Automation Science and Engineering, учёные из штата Северная Каролина обучили ИИ видеть разницу между шестью типами ландшафта: плиткой, кирпичом, бетоном, травой, «наверху» и «внизу».
Чтобы научить ИИ предсказывать, куда он направляется, они ходили внутри помещений и на улице, используя камеры, установленные на очках и на собственных ногах.
«Мы обнаружили, что использование обеих камер работает хорошо, но требует большой вычислительной мощности и может стоить непомерно дорого», — заявила исследователь Хелен Хуанг в пресс-релизе .
«Однако мы также обнаружили, что использование только камеры, установленной на нижней конечности, работает довольно хорошо — особенно для краткосрочных прогнозов, например, какой будет местность для следующего шага или двух», — продолжила она.
«Мы работаем над способами сделать систему более эффективной с точки зрения необходимости меньшего количества визуальных данных и обработки данных»
Фактор неопределенности
В то время как система компьютерного зрения, может предсказать, что ждёт владельца протеза ноги, исследователи из штата Северная Каролина дали своему ИИ дополнительную способность: он делает прогноз, затем вычисляет уровень своей уверенности в этом прогнозе и использует его. чтобы решить, как скорректировать своё поведение.
«Если степень неопределенности слишком высока, ИИ не вынужден принимать сомнительное решение — вместо этого он может уведомить пользователя о том, что у него недостаточно уверенности в своем прогнозе, чтобы действовать, или он может по умолчанию выбрать «безопасный режим», — сказал Чжун.
Разработчики считают, что эта способность учитывать неопределенность может сделать их ИИ полезным для приложений, выходящих далеко за рамки протезирования.
«Мы придумали лучший способ научить системы глубокого обучения оценивать и определять неопределенность таким образом, чтобы система могла учитывать неопределенность при принятии решений», — сказал исследователь Эдгар Лобатон. «Это, безусловно, актуально для роботизированного протезирования, но наша работа здесь может быть применена к любому типу системы глубокого обучения».
_________________________________________________________________
Мы в социальных сетях: Facebook, Telegram, Twitter
