Ein Team von Ingenieuren der Universität Michigan, Google und des Georgia Institute of Technology hat eine einfache Möglichkeit entwickelt, wie Nutzer ihre eigenen Einstellungen für Exoskelett-Hilfen programmieren können. Das System verwendet einen Machine-Learning-Algorithmus, der dem Nutzer Paare von Hilfsprofilen anbietet, aus denen dieser eins basierend auf seinem Komfort auswählt. Der Algorithmus schlägt dann ein weiteres Profil zur weiteren Optimierung vor. Die Herangehensweise ist von Musik-Streaming-Diensten wie Pandora inspiriert, wo Nutzer Feedback geben und das System ein personalisiertes Erlebnis schafft. In diesem Fall erstellt das System ein Modell der Vorlieben des Nutzers, um dessen Exoskelett-Hilfen zu optimieren. In einer Studie mit 14 Teilnehmern stellte das Team fest, dass die Nutzer in der Regel das vom Algorithmus vorgeschlagene Hilfsprofil in neun von zehn Fällen wählten, was auf die Genauigkeit der Methode hinweist. Das System verwaltet vier Einstellungen für Exoskelette: maximales Drehmoment, Timing zwischen den Spitzen, sowie den Aufbau und Abbau der Hilfen. Diese Einstellungen basieren auf der Kraft der Wadenmuskulatur beim Gehen. Die Studie baut auf früheren Forschungen des Teams auf, bei denen Nutzer ihre eigenen Einstellungen mit einem Touchscreen-Gitter anpassen konnten. Der neue Ansatz verkürzt die Zeit, die Nutzer benötigen, um ihre bevorzugten Einstellungen zu finden. Die Studie wurde von X, der “Moonshot Factory” von Google, Robotics bei Google und der D. Dan und Betty Kahn Foundation finanziert. Das Konzept wurde derzeit von der Alphabet-Ausgründung Skip Innovations lizenziert.
Einführung
– Ein Team von Ingenieuren der University of Michigan, Google und Georgia Tech hat eine einfache Möglichkeit entwickelt, damit Benutzer ihre eigenen Einstellungen für die Exoskelettunterstützung programmieren können.
Der algorithmische Ansatz
– Das System verwendet einen maschinellen Lernalgorithmus, der dem Benutzer Paare von Unterstützungsprofilen anbietet, aus denen er eines aufgrund seines Komforts auswählt.
– Der Algorithmus schlägt dann ein weiteres Profil zur weiteren Optimierung vor.
– Der Ansatz ist von Musik-Streaming-Diensten wie Pandora inspiriert, bei denen Benutzer Feedback geben und das System ein personalisiertes Erlebnis erstellt.
– In diesem Fall erstellt das System ein Modell der Benutzerpräferenzen, um ihre Exoskelettunterstützung zu optimieren.
Studienergebnisse
– In einer Studie mit 14 Teilnehmern stellte das Team fest, dass die Benutzer in der Regel das vom Algorithmus vorgeschlagene Unterstützungsprofil in etwa neun von zehn Fällen wählten, was auf die Genauigkeit des Ansatzes hinweist.
Exoskelett-Einstellungen
– Das System verwaltet vier Exoskelett-Einstellungen: Spitzenmoment, Timing zwischen den Spitzen und wie die Unterstützung hoch- und heruntergeregelt wird.
– Diese Einstellungen basieren auf der Muskelkraft der Wadenmuskulatur beim Gehen.
Vorherige Forschung
– Die Studie baut auf früheren Forschungen des Teams auf, bei denen den Benutzern die Möglichkeit gegeben wurde, ihre eigenen Einstellungen mithilfe eines Touchscreen-Rasters anzuwenden.
– Der neue Ansatz reduziert die Zeit, die die Benutzer benötigen, um ihre bevorzugten Einstellungen zu finden.
Förderung und Lizenzierung
– Die Studie wurde von X finanziert, Googles “Moonshot Factory”, Robotics bei Google und der D. Dan and Betty Kahn Foundation.
– Das Konzept wird derzeit von Alphabet-Ausgründung Skip Innovations lizenziert.
