Thị giác của máy tính (computer vision) và sự kiểm soát bất ổn khi áp dụng trí tuệ nhân tạo (AI) đối với các bộ phận nhân tạo bằng robot.
Các nhà nghiên cứu đã phát triển phần mềm mới được tích hợp với phần cứng hiện có để cho phép mọi người sử dụng bộ phận giả bằng robot hoặc bộ xương ngoài để đi bộ một cách an toàn hơn, tự nhiên hơn trên các loại địa hình khác nhau. Khung mới kết hợp thị giác của máy tính vào điều khiển chân giả và bao gồm các thuật toán trí tuệ nhân tạo (AI) mạnh mẽ cho phép phần mềm giải thích tốt hơn cho sự bất ổn.
Xem thêm: Thị Giác Của Máy Tính Giúp Các Nhà Khoa Học Nghiên Cứu Pin Ion Lithium
Edgar lobaton, đồng tác giả của một bài báo và một phó giáo sư nghiên cứu về kỹ thuật điện và máy tính tại Đại học bang North Carolina nói: "Các bộ phận giả của robot thay thế chi dưới cần phải thực hiện các hành vi khác nhau phụ thuộc vào loại địa hình người dùng đang đi. "Khung mà chúng tôi tạo ra cho phép trí tuệ nhân tạo (AI) trong các bộ phận giả bằng robot dự đoán được loại địa hình mà người sử dụng sẽ bước vào, định lượng được sự bất ổn liên quan đến dự đoán đó, và sau đó kết hợp sự bất ổn đó vào việc ra quyết định của nó."
Các nhà nghiên cứu tập trung vào việc phân biệt giữa sáu địa hình khác nhau đòi hỏi phải đều chỉnh hành vi giả của robot: gạch, gạch đúc, bê tông, cỏ, "trên lầu" và "ở tầng dưới".
"Nếu mức độ không chắc chắn quá cao, AI sẽ không buộc phải đưa ra quyết định đáng ngờ - thay vào đó, nó có thể thông báo cho người dùng rằng họ không đủ tin tưởng vào dự đoán của mình để hành động, hoặc nó có thể mặc định là ' chế độ an toàn, "Boxuan Zhong, tiến sĩ tốt nghiệp từ bang NC và tác giả chính của bài báo, đã phát biểu gần đây.
Khung "bối cảnh môi trường" mới kết hợp cả hai yếu tố phần cứng và phần mềm. Các nhà nghiên cứu đã thiết kế khung để sử dụng với bất kỳ bộ khung sường bằng robot ở chi dưới hoặc thiết bị giả nào, nhưng với một phần cứng bổ sung: máy ảnh. Trong nghiên cứu của họ, các nhà nghiên cứu đã sử dụng máy ảnh đeo trên kính mắt và máy ảnh gắn trên chân giả chi dưới. Các nhà nghiên cứu đã đánh giá làm thế nào AI có thể sử dụng dữ liệu thị giác máy tính từ cả hai loại máy ảnh, riêng biệt và khi được sử dụng cùng nhau.
"Kết hợp thị giác máy tính vào phần mềm điều khiển cho robot có thể đeo được là một lĩnh vực nghiên cứu mới thú vị", Helen Huang, đồng tác giả của bài báo nói. "Chúng tôi thấy rằng việc sử dụng cả hai máy ảnh đều hoạt động tốt, nhưng cần rất nhiều năng lực tính toán và có thể bị cấm chi phí. Tuy nhiên, chúng tôi cũng nhận thấy rằng chỉ sử dụng máy ảnh gắn ở chi dưới hoạt động khá tốt - đặc biệt là cho các dự đoán ngắn hạn , chẳng hạn như địa hình sẽ như thế nào cho bước tiếp theo hoặc hai. " Huang là Giáo sư Kỹ thuật Y sinh nổi tiếng của Gia đình Jackson, thuộc Khoa Kỹ thuật Y sinh chung tại Bang NC và Đại học Bắc Carolina tại Đồi Chapel.
Tuy nhiên, bước tiến quan trọng nhất là đối với chính AI.
"Chúng tôi đã đưa ra một cách tốt hơn để dạy các hệ thống học sâu về cách đánh giá và định lượng độ không đảm bảo theo cách cho phép hệ thống kết hợp sự bất ổn định vào việc ra quyết định của nó", ông Lobaton nói. "Điều này chắc chắn có liên quan đến chân tay giả bằng robot, nhưng công việc của chúng tôi ở đây có thể được áp dụng cho bất kỳ loại hệ thống học sâu nào."
Để đào tạo hệ thống AI, các nhà nghiên cứu đã kết nối các camera với các cá nhân có khả năng, sau đó họ đi qua nhiều môi trường trong nhà và ngoài trời. Sau đó, các nhà nghiên cứu đã thực hiện đánh giá bằng chứng về khái niệm bằng cách cho một người bị cắt cụt chi dưới đeo máy ảnh trong khi đi qua cùng một môi trường.
"Chúng tôi thấy rằng mô hình có thể được chuyển một cách thích hợp để hệ thống có thể hoạt động với các đối tượng từ các quần thể khác nhau," Lobaton nói. "Điều đó có nghĩa là AI hoạt động tốt thậm chí còn nghĩ rằng nó được đào tạo bởi một nhóm người và được sử dụng bởi một người khác."
Tuy nhiên, khuôn khổ mới vẫn chưa được thử nghiệm trong một thiết bị robot.
"Chúng tôi rất vui mừng được kết hợp khung vào hệ thống kiểm soát để làm chân tay giả bằng robot - đó là bước tiếp theo", Huang nói.
"Và chúng tôi cũng có kế hoạch làm việc để làm cho hệ thống hiệu quả hơn, về mặt yêu cầu nhập dữ liệu trực quan ít hơn và xử lý dữ liệu ít hơn", Zhong nói.
Dịch từ: https://www.sciencedaily.com/releases/2020/05/200527133147.htm
