残疾患者有福了AI智能强化学习使得机器假肢关节更加灵活

北卡与亚利桑那研究人员联手研发智能假肢膝盖系统，助患者自由行走！

由北卡罗来纳州立大学及亚利桑那州立大学的研究人员共同开发的一种新型智能系统正在引领动力假肢技术的革新。这一突破性技术，能够让患者在短短几分钟内就自如地使用假肢行走，相较于传统方法，这无疑是一场革命性的进步。传统方式需要训练有素的临床医生进行几个小时的调整。

这个系统的独特之处在于，它是首个完全依靠强化学习来调整机器人假肢的系统。当患者接受机器人假肢膝盖时，通常需要对其进行参数调整以适应个体需求。新的调整系统能够同时调整12个不同的控制参数，包括关节刚度等，这些参数在传统方式下可能需要医生花费数小时进行调整。新系统仅需通过一个计算机程序，利用强化学习技术，就能在几分钟内完成所有参数的调整。这意味着患者可以在大约十分钟的时间内，在平坦的地面上自如行走。

这项技术的研发过程充满了创新与挑战。研究人员首先从随机选择的一组参数开始，为患者提供动力假肢，然后让患者在可控的环境下进行行走。在此过程中，设备通过一套传感器收集数据和患者的步态信息。计算机模型会实时对比患者的步态与正常步态，通过强化学习技术快速识别出哪些参数设置能提高性能，哪些设置会影响性能。这种方式相较于传统方法更为高效、准确。

此项研究不仅仅是一个科技的突破，更是一种对生活质量的巨大提升。目前的研究工作虽然是在可控的临床环境中进行，但研究团队的目标是将这一系统进一步开发成无线版本，以便患者在真实环境中使用的还能继续微调动力假肢参数。这一创新技术不仅将极大地改善患者的生活质量，也为机器人技术与医疗科技的深度融合开辟了新的道路。图片：North Carolina State University

詹妮·西教授，作为亚利桑那州立大学的电气、计算机和能源工程领域的专家，以及该论文的合著者，详细介绍了他们的最新研究成果。她提到，虽然这项研究集中在病人在平地上行走的情况，但其原理可应用于上下楼梯等更复杂的场景。通过从动态系统控制的角度进行强化学习，研究团队充分考虑了传感器的噪音、环境的干扰，以及系统安全和稳定性的要求。他们意识到，实时控制一个受到人体使用者影响的假体设备是一个前所未有的挑战。这是一个关于协同适应的问题，无论是传统的控制设计还是目前最先进的强化学习控制机器人，都没有现成的解决方案。

这项研究利用强化学习控制算法，让假肢设备在人体环境中如同原生肢体一般工作，这一成果让研究人员倍感振奋。他们希望通过优化流程，使这一过程更加高效。比如，通过识别可能成功的参数组合，并训练模型优先关注最有希望的参数设置，有望改进这一流程。

研究人员也指出了这项研究面临的挑战和问题。当前的假体调整目标主要是满足正常的步行膝关节运动，尚未考虑其他步态性能（如步态对称性）或用户的个人偏好。虽然在线调优方法可用于在诊所和实验室之外对设备进行微调，以确保系统能够适应用户的需求，但还需要确保实际应用中的安全性。控制中的任何错误都可能导致绊倒和摔倒，因此需要进行更多的测试来证明其安全性。

研究人员充满期待，如果这一系统被证明有效并得到广泛应用，将有可能降低患者与医生进行临床访问的需求，从而减轻患者的负担。其研究成果论文名为《机器人膝关节假体个性化的在线强化学习控制》，并已发表在《IEEE控制学报》上。博科园科普研究——来自北卡罗来纳州立大学的最新发现，由Matt Shipman领衔的研究团队在《IEEE Transactions on Cybernetics》期刊上发表了一篇令人瞩目的论文。该论文旨在分享关于网络控制系统自适应策略的重要研究内容，具有深远意义。以下是该论文的详细信息：

研究团队：北卡罗来纳州立大学Matt Shipman领衔的研究团队，致力于探索网络控制系统的前沿技术。他们的最新成果已在权威期刊上发表，引起了业界的广泛关注。

期刊文献参考：《IEEE Transactions on Cybernetics》是一本专注于网络控制系统研究的顶级期刊。该期刊发表的论文代表了该领域的最新进展和最高水平。此次研究的成果能在该期刊上发表，足以证明该研究的重要性和价值。

论文DOI：该论文的DOI号为10.1109/TCYB.2019.2890974。读者可以通过该DOI号在线查阅和引用该论文，深入了解研究内容和成果。这一研究成果为网络控制系统的发展提供了新的思路和方法，具有重要的理论和实践意义。

该研究为网络控制系统的自适应策略提供了新的视角和解决方案，有望推动该领域的进一步发展。作为博科园的科普研究者，我们期待未来有更多的科研成果涌现，为人类科技进步贡献力量。