Reduzierung der Belastung: Künstliche Intelligenz unterstützt das Exoskelett bei verschiedenen Schritten

Die heutigen Exoskelette wirken wie etwas aus der Science-Fiction. Aber die Wahrheit ist, dass sie nicht so mächtig sind wie ihre fiktiven Gegenstücke. Es ist ziemlich unbeständig und es erfordert viele Stunden, manuell Softwarerichtlinien zu erstellen, die die Funktionsweise regeln – ein Prozess, der für jeden einzelnen Benutzer wiederholt werden muss.

Um die Technik etwas näher zu bringen SymbolbildIm Rahmen des Warhammer 40K Scale Suits-Projekts nutzte ein Team des Biomechatronics and Intelligent Robotics Laboratory der University of North Carolina künstliche Intelligenz, um das erste universelle Exoskelett zu bauen, das Gehen, Laufen und Treppensteigen unterstützt. Entscheidend ist, dass sich die Software an neue Benutzer anpasst, ohne dass benutzerspezifische Änderungen erforderlich sind. „Tragen Sie es einfach und es funktioniert“, sagt Hao Su, außerordentlicher Professor und Co-Autor der Studie.

Speziell entwickelte Roboter

Ein Exoskelett ist ein Roboter, den Sie tragen, um Ihre Bewegungen zu unterstützen. Es macht das Gehen, Laufen und andere Aktivitäten weniger ermüdend, genauso wie ein E-Bike zusätzlich zu den von Ihnen erzeugten Watt zusätzliche Wattleistung hinzufügt, was es einfacher macht treten. „Das Problem ist, dass Exoskelette Schwierigkeiten haben, menschliche Absichten zu verstehen, egal ob man laufen, gehen oder Treppen steigen möchte. Das Problem wurde durch Bewegungserkennung gelöst: Systeme, die menschliche Bewegungsabsichten erkennen“, sagt Su.

Der Aufbau von Bewegungserkennungssystemen beruht derzeit auf detaillierten Richtlinien, die definieren, was die Aktoren im Exoskelett in jedem möglichen Szenario tun sollen. „Nehmen wir das Gehen. Der aktuelle Stand ist, dass wir Ihnen das Exoskelett anlegen und Sie eine Stunde lang auf dem Laufband laufen. Darauf aufbauend versuchen wir, die Funktionsweise an Ihre individuellen Bewegungsabläufe anzupassen“, erklärt Su.

Der Aufbau handgefertigter Kontrollrichtlinien und die Durchführung langwieriger Versuche am Menschen für jeden Benutzer machen Exoskelette teuer und kosten 200.000 US-Dollar oder mehr. Also nutzte Sus Team KI, um automatisch Kontrollrichtlinien zu erstellen und menschliches Training zu eliminieren. „Ich denke, innerhalb von zwei oder drei Jahren werden Exoskelette zu einem Preis zwischen 2.000 und 5.000 US-Dollar durchaus machbar sein“, sagt Su.

Sein Team hofft, dass diese Einsparungen durch die Entwicklung einer Exoskelett-Kontrollstrategie mithilfe eines digitalen Modells und nicht durch lebende, atmende Menschen erzielt werden.

Digitalisierung des Menschen mit Hilfe von Robotern

Sus Team begann mit der Erstellung digitaler Modelle des menschlichen Bewegungsapparats und des Exoskelett-Roboters. Anschließend verwendeten sie mehrere neuronale Netze, die jede Komponente mit Strom versorgten. Eine davon bestand darin, ein digitales Modell eines menschlichen Skeletts zu bedienen, das von vereinfachten Muskeln bewegt wird. Das zweite neuronale Netzwerk betrieb das Exoskelettmodell. Schließlich war das dritte neuronale Netzwerk für die Bewegungsimitation verantwortlich, das heißt im Wesentlichen für die Vorhersage, wie sich das menschliche Modell beim Tragen des Exoskeletts bewegen würde und wie die beiden miteinander interagieren würden. „Wir haben die drei neuronalen Netze gleichzeitig trainiert, um die Muskelaktivität zu reduzieren“, sagt Su.

Ein Problem, mit dem das Team konfrontiert war, besteht darin, dass Exoskelettstudien typischerweise ein Leistungsmaß verwenden, das auf einer verringerten Stoffwechselrate basiert. „Menschen sind jedoch unglaublich komplex“, erklärt Su, „und es ist sehr schwierig, ein Modell zu erstellen, das genau genug ist, um den Stoffwechsel genau zu simulieren.“ Glücklicherweise, so das Team, sei eine verringerte Muskelaktivierung eng mit einer verringerten Stoffwechselrate verbunden, sodass die Komplexität des digitalen Modells in angemessenen Grenzen gehalten werden könne. Das Training des gesamten menschlichen Exoskelettsystems mit den drei neuronalen Netzen dauerte auf einer einzelnen RTX 3090-GPU etwa acht Stunden. Die Ergebnisse waren rekordverdächtig.

Überbrückung der Lücke zwischen Simulation und Realität

Nach der Entwicklung der Controller für das digitale Exoskelettmodell, die von neuronalen Netzen in der Simulation entwickelt wurden, kopierte Sus Team einfach die Steuerungsrichtlinie und fügte sie auf einen echten Controller ein, der auf einem echten Exoskelett läuft. Anschließend testeten sie an 20 verschiedenen Teilnehmern, wie das so trainierte Exoskelett funktionierte. Ihre durchschnittliche Reduzierung der Stoffwechselrate betrug mehr als 24 Prozent beim Gehen, mehr als 13 Prozent beim Laufen und 15,4 Prozent beim Treppensteigen – alles Rekordzahlen, was bedeutet, dass ihr Exoskelett jedes andere jemals hergestellte Exoskelett absolut in jeder Kategorie übertraf.

Dies wurde erreicht, ohne dass Anpassungen an die individuelle Gangart erforderlich waren. Aber die Magie neuronaler Netze endet hier nicht.

„Das Problem mit traditionellen, handgefertigten Richtlinien bestand darin, dass sie einfach sagten: ‚Wenn Gehen erkannt wird, unternehmen Sie etwas; Wenn Sie beim schnellen Gehen entdeckt werden, tun Sie etwas anderes.“ [a mix of] „Finite-State-Maschinen und Switch-Konsolen haben von Anfang bis Ende für eine kontinuierliche Kontrolle gesorgt“, sagt Su. Diese kontinuierliche Kontrolle bedeutet, dass das Exoskelett dem menschlichen Körper beim reibungslosen Übergang zwischen verschiedenen Aktivitäten folgen kann – vom Gehen zum Laufen, vom Laufen zum Treppensteigen und so weiter. Es gab keinen plötzlichen Moduswechsel.

„Was die Software angeht, denke ich, dass bald jeder diesen auf neuronalen Netzwerken basierenden Ansatz nutzen wird“, sagt Su. Um zukünftige Exoskelette zu verbessern, möchte sein Team sie leiser, leichter und komfortabler machen.

Der Plan zielt aber auch darauf ab, dass es für die Menschen funktioniert, die es am meisten brauchen. „Die Einschränkung besteht nun darin, dass wir diese Exoskelette an gesunden Teilnehmern getestet haben, nicht an Menschen mit Gehbehinderungen. Was wir also tun wollen, ist etwas, was sie in einer anderen Exoskelettstudie in Stanford gemacht haben. Wir werden ein einminütiges Video von Ihnen beim Gehen machen Darauf aufbauend werden wir ein Modell aufbauen, um unser Gesamtmodell zu individualisieren. „Das sollte für Menschen mit Behinderungen wie Knie-Arthrose gut funktionieren“, sagt Su.

Natur, 2024. DOI: 10.1038/S41586-024-07382-4