Les chercheurs ont mis au point une méthode innovante utilisant l’intelligence artificielle (IA) et des simulations informatiques pour entraîner des exosquelettes robotiques à aider de manière autonome les utilisateurs à économiser de l’énergie en marchant, courant et montant des escaliers.
Les chercheurs ont démontré une méthode qui exploite l’IA et les simulations informatiques pour entraîner des exosquelettes robotiques à aider de manière autonome les utilisateurs à économiser de l’énergie en marchant, courant et montant des escaliers.
« Ce travail propose et démontre un nouveau cadre d’apprentissage automatique qui comble le fossé entre la simulation et la réalité pour contrôler de manière autonome les robots portables afin d’améliorer la mobilité et la santé des humains », explique Hao Su, auteur d’un article publié dans la revue Nature.
Le potentiel des exosquelettes
« Les exosquelettes ont un potentiel énorme pour améliorer les performances locomotrices humaines », affirme Su, professeur associé de génie mécanique et aérospatial à l’Université d’État de Caroline du Nord. Cependant, leur développement et leur diffusion large sont limités par la nécessité de tests humains longs et de lois de contrôle artisanales.
La clé réside dans le fait que l’IA intégrée dans un exosquelette portable apprend à aider les gens à marcher, courir ou grimper dans une simulation informatique, sans nécessiter d’expériences. Les chercheurs se sont concentrés sur l’amélioration du contrôle autonome des systèmes d’IA intégrés, où un programme d’IA est intégré dans une technologie robotique physique.
Des résultats prometteurs
Lors des tests avec des sujets humains, les chercheurs ont constaté que les participants utilisaient 24,3 % moins d’énergie métabolique en marchant avec l’exosquelette robotique qu’en marchant sans. En courant avec l’exosquelette, les participants utilisaient 13,1 % moins d’énergie, et en montant des escaliers, 15,4 % moins d’énergie.
« Il est important de noter que ces réductions d’énergie comparent la performance de l’exosquelette robotique à celle d’un utilisateur qui ne porte pas d’exosquelette », précise Su. Cela signifie que c’est une véritable mesure de l’économie d’énergie réalisée grâce à l’exosquelette.
Applications pour les personnes à mobilité réduite
Bien que cette étude se soit concentrée sur le travail des chercheurs avec des personnes valides, la nouvelle méthode s’applique également aux exosquelettes robotiques destinés à aider les personnes ayant des troubles de la mobilité.
« Notre cadre peut offrir une stratégie généralisable et évolutive pour le développement rapide et l’adoption généralisée de divers robots d’assistance pour les personnes valides et celles ayant des troubles de la mobilité », déclare Su.
Les chercheurs sont aux premiers stades de test de la performance de la nouvelle méthode dans des exosquelettes robotiques utilisés par des personnes âgées et des personnes atteintes de conditions neurologiques, telles que la paralysie cérébrale. Ils s’intéressent également à explorer comment la méthode pourrait améliorer la performance des dispositifs prothétiques robotiques pour les populations amputées.
Article : « Experiment-free Exoskeleton Assistance Via Learning in Simulation » – DOI: s41586-024-07382-4
Résumé : Les exosquelettes ont un énorme potentiel pour améliorer les performances des locomotives humaines. Cependant, leur développement et leur diffusion à grande échelle sont limités par l’exigence de longs tests humains et de lois de contrôle élaborées à la main. Nous présentons ici une méthode sans expérience pour apprendre une politique de contrôle polyvalente en simulation. Notre cadre d’apprentissage en simulation s’appuie sur des modèles musculo-squelettiques et d’exosquelette sensibles à la dynamique et sur l’apprentissage par renforcement axé sur les données pour combler le fossé entre la simulation et la réalité sans avoir recours à des expériences humaines. Le contrôleur appris est déployé sur un exosquelette de hanche personnalisé qui génère automatiquement une assistance pour différentes activités avec des taux métaboliques réduits de 24,3 %, 13,1 % et 15,4 % pour la marche, la course et la montée d’escaliers, respectivement. Notre cadre peut offrir une stratégie généralisable et évolutive pour le développement rapide et l’adoption à grande échelle d’une variété de robots d’assistance pour les personnes valides et à mobilité réduite.
