DOI: https://doi.org/10.1038/s41586-024-07382-4
PMID: https://pubmed.ncbi.nlm.nih.gov/38867127
تاريخ النشر: 2024-06-12
المؤلف: Shuzhen Luo وآخرون
الموضوع الرئيسي: الأطراف الصناعية والروبوتات التأهيلية
نظرة عامة
تمتلك الهياكل الخارجية إمكانات كبيرة لتعزيز حركة الإنسان، كما يتضح من خلال دراسات مختلفة. على الرغم من هذه الوعد، تواجه اعتمادها وتطويرها على نطاق واسع تحديات، ويرجع ذلك أساسًا إلى الحاجة إلى تجارب واختبارات بشرية واسعة النطاق. هذه التجارب ضرورية لضمان السلامة والفعالية وقابلية التكيف للمستخدم، وهي أمور حاسمة لنجاح دمج تكنولوجيا الهياكل الخارجية في الاستخدام اليومي. إن معالجة هذه التحديات أمر حيوي لفتح الفوائد الكاملة للهياكل الخارجية في تحسين التنقل ونتائج إعادة التأهيل.
الطرق
تحدد قسم “الطرق” تصميم التجربة والتقنيات التحليلية المستخدمة في الدراسة. استخدم الباحثون نهجًا كميًا، حيث تم دمج التحليلات الإحصائية لتقييم البيانات التي تم جمعها من تجارب مختلفة. تضمنت المنهجيات المحددة تجارب محكومة، حيث تم التلاعب بالمتغيرات بشكل منهجي لمراقبة تأثيراتها على النتائج المعنية.
شملت جمع البيانات استخدام أدوات موحدة لضمان الموثوقية والصلاحية، مع إجراء التحليل اللاحق باستخدام أدوات البرمجيات للحسابات الإحصائية. كما يتناول القسم طرق أخذ العينات، بما في ذلك معايير اختيار المشاركين وحجم العينة، التي تم تحديدها لتوفير قوة كافية للتحليلات التي تم إجراؤها. بشكل عام، تم تصميم الطرق المستخدمة بدقة لدعم فرضيات الدراسة وتسهيل إعادة إنتاج النتائج.
المناقشة
تقدم البحث إطار تعلم جديد خالٍ من التجارب في المحاكاة يهدف إلى تطوير وحدات تحكم الهياكل الخارجية لمساعدة الحركة متعددة الأنماط. يستخدم هذا الإطار التعلم المعزز ويتكون من ثلاثة شبكات عصبية متعددة الطبقات مترابطة تسهل تقليد الحركة، وتنسيق العضلات، والتحكم في الهياكل الخارجية. من خلال الاستفادة من بيانات مسار الحركة البشرية من مجموعة بيانات التقاط الحركة، يتم تدريب سياسة التحكم من خلال محاكاة هيكلية موسعة، مع تحسين لتقليل تنشيط العضلات وتحسين أداء الإنسان عبر أنشطة مثل المشي، والجري، وصعود السلالم. يعزز دمج نموذج هيكلي مفصل يحتوي على 50 درجة من الحرية دقة المحاكاة وكفاءة التدريب، مما يسمح لوحدة التحكم بتوليد ملفات عزم المساعدة بشكل تكيفي بناءً على مدخلات المستشعرات في الوقت الحقيقي من الأجهزة القابلة للارتداء.
تظهر وحدة التحكم انخفاضات كبيرة في معدل الأيض أثناء أنشطة الحركة، حيث تحقق متوسط انخفاض قدره 24.3% للمشي، و13.1% للجري، و15.4% لصعود السلالم مقارنةً بالظروف دون مساعدة الهيكل الخارجي. يُعزى هذا الكفاءة إلى قدرة وحدة التحكم على توفير مساعدة تآزرية في الوقت الحقيقي دون الحاجة إلى اختبارات بشرية واسعة النطاق أو قوانين تحكم مصنوعة يدويًا. يسلط الدراسة الضوء على إمكانات هذا الإطار لسد الفجوة بين المحاكاة والواقع في الروبوتات القابلة للارتداء، مما يقدم حلاً قابلاً للتوسع لتطوير الهياكل الخارجية يمكن تعميمه على أجهزة المساعدة الروبوتية المختلفة وقد يتم تكييفه للأفراد الذين يعانون من مشاكل في المشي. ستستكشف الأعمال المستقبلية تطبيق هذه الطريقة لتعزيز المساعدة للمستخدمين الذين يواجهون تحديات حركية محددة.
DOI: https://doi.org/10.1038/s41586-024-07382-4
PMID: https://pubmed.ncbi.nlm.nih.gov/38867127
Publication Date: 2024-06-12
Author(s): Shuzhen Luo et al.
Primary Topic: Prosthetics and Rehabilitation Robotics
Overview
Exoskeletons possess significant potential to enhance human locomotion, as evidenced by various studies. Despite this promise, their widespread adoption and development face challenges primarily due to the necessity for extensive human trials and testing. These trials are essential to ensure safety, efficacy, and user adaptability, which are critical for the successful integration of exoskeleton technology into everyday use. Addressing these challenges is vital for unlocking the full benefits of exoskeletons in improving mobility and rehabilitation outcomes.
Methods
The “Methods” section outlines the experimental design and analytical techniques employed in the study. The researchers utilized a quantitative approach, incorporating statistical analyses to evaluate the data collected from various experiments. Specific methodologies included controlled trials, where variables were systematically manipulated to observe their effects on the outcomes of interest.
Data collection involved the use of standardized instruments to ensure reliability and validity, with subsequent analysis performed using software tools for statistical computation. The section also details the sampling methods, including the criteria for participant selection and the size of the sample, which were determined to provide sufficient power for the analyses conducted. Overall, the methods employed were rigorously designed to support the study’s hypotheses and facilitate reproducibility of results.
Discussion
The research presents a novel experiment-free learning-in-simulation framework aimed at developing exoskeleton controllers for multimodal locomotion assistance. This framework utilizes reinforcement learning and consists of three interconnected multilayer perceptron neural networks that facilitate motion imitation, muscle coordination, and exoskeleton control. By leveraging human kinematic trajectory data from a motion capture dataset, the control policy is trained through extensive musculoskeletal simulations, optimizing for reduced muscle activations and improved human performance across activities such as walking, running, and stair climbing. The incorporation of a detailed 50-degree-of-freedom musculoskeletal model enhances simulation fidelity and training efficiency, allowing the controller to adaptively generate assistive torque profiles based on real-time sensor inputs from wearable devices.
The controller demonstrates significant metabolic rate reductions during locomotion activities, achieving an average reduction of 24.3% for walking, 13.1% for running, and 15.4% for stair climbing compared to conditions without exoskeleton assistance. This efficiency is attributed to the controller’s ability to provide real-time, synergistic assistance without the need for extensive human testing or handcrafted control laws. The study highlights the potential of this framework to bridge the simulation-to-reality gap in wearable robotics, offering a scalable solution for exoskeleton development that can be generalized to various robotic assistive devices and potentially adapted for individuals with gait impairments. Future work will explore the application of this method to enhance assistance for users with specific mobility challenges.