Sneller lopen met robotknie dankzij AI

Kunstmatige intelligentie is voor het eerst ingezet om mensen van wie een been is geamputeerd sneller te leren lopen met een robotprothese.

Een prothese moet voor iedere patiënt aangepast worden. Dat geldt nog meer voor robotprotheses waar een hele reeks instellingen de robotica aanpassen aan de unieke manier van lopen van iedere patiënt.

Dat betekent dat de patiënt met een nieuwe robotprothese vele uren moeten trainen om samen met technici de meest optimale instellingen te ontdekken. 

Onderzoekers hebben nu voor het eerst kunstmatige intelligentie (AI) ingezet om robotprotheses te trainen, zodat de drager snel optimaal met de prothese kan lopen. Zo trainde kunstmatige intelligentie binnen tien minuten een robotknieprothese waarmee de drager soepeltjes over de vloer liep.

Trainen

De inzet van AI voor het trainen van robotprothese brengt zijn eigen nieuwe problemen met zich mee. Als Google's DeepMind AlphaZero-computer traint om bijvoorbeeld een bordspel als Go of een game als StarCraft II te leren dan laten ze de computer miljoenen spelletjes spelen, net zolang totdat de computer het spel helemaal doorheeft. Een patiënt met een robotprothese daarentegen moet vaak al na een minuut of vijftien of twintig pauze nemen. 

Het proces waarmee het algoritme van deze vorm van kunstmatige intelligentie leert is er eentje van vallen en opstaan, waarbij een goede zet wordt beloond en een foute wordt bestraft. De wetenschappers konden dat echter in dit geval niet letterlijk nemen door patiënten met een nieuwe prothese te laten vallen zodat het algoritme hiervan kon leren. 

Traplopen

Dergelijke beperkingen zorgen ervoor dat met AI getrainde robotprotheses nog niet klaar zijn om grootschalig ingezet te worden. In dit stadium werkt het alleen voor vlakke ondergronden, maar de wetenschappers werken aan nieuwe algoritmes die de protheses ook snel moet leren traplopen.

Bovendien hopen ze ook een draadloze versie van het systeem te ontwikkelen waarmee de trainingssessies van de prothese thuis bij de drager voortgezet kan worden.

Ervaringen doorgeven

De grootste uitdaging blijkt de ontwikkeling van een systeem waarmee de drager van de robotprothese zelf kan aangeven aan het algoritme dat een specifiek patroon van lopen tijdens een training goed of slecht is. De eerste proeven waarmee dragers via knoppen dat aangaven waren geen succes. Het blijkt nog complex te begrijpen hoe mensen menselijke coördinatie en beweging ervaren. Dat vergt nog meer wetenschappelijk onderzoek.

Zware rugzak tillen wordt een makkie met dit exoskelet

Volg Bright op YouTube voor meer tech-video's