世界各地人民,尤其是工伤或行动受限者,在日常生活中经历难站立详细描述其中一些挑战 2022年8月12日纽约时报难堪、不适和风险性:飞行像客轮椅使用者.作者描述轮椅用户在航空公司经历的不适、危险和难堪行动受限旅行者通常需要两位服务员支持乘轮椅往返机座
旅行者并不孤单世界卫生组织估计有10多亿人残疾,7 500万需要轮椅.移动挑战常为医院、疗养院、辅助生活社区、物理治疗设施甚至私房个人制造不自在、危险和难堪经历有限移动性禁止个人运动支持身体健康
强力STS解决方案正在演化改善全球社会舒适度、运动支持度、生活质量和寿命新利18体育备用下一代机器人椅子包括人工智能/机器学习新方法、动态编程、单轴exskleton、传感器和增强学习运动控制目标是使用AI/ML实现非线性随机STS环境最优成本/性能解决方案,为更高层次AI/MLExskelet
最新电源STS解决方案
强力STS系统帮助行动有限者以及那些帮助他们安全、舒适、有效自主移动者新利18体育备用设计中包括运动感应连接器和电动控制器驱动器,驱动器使轮椅自动化以减少或消除用户肌肉和运动所需联合托盘物价点与移动辅助能力基本一致
上头Karman常备轮椅最先进解决方案,高级功能和可调适性特征促进舒适安全180lb重约1万5千元 提供站角接近垂直后一需要最小膝盖和臀部时间才能完全立定位置
举起椅常用电动安慰椅成本上百元 并可用各种向下选择梯座向上角限定为偏立姿势,这就需要用户用膝部和时段来完全站立姿势
加压座椅由 Carex制作,可移植起接座椅供沙发和臂椅使用费用小于200美元视特征而定典型位置有有限提升角,提供达70%辅助提升,根据 Carex
由SAAR制作的机器人轮播器是下一代电源STS系统原型(目前不出售)。监测用户安康姿势,并包括AI/ML各种应用选项,如工作、餐饮、休息、物理治疗和例程练习这张轮椅耗资几千元 并打算支持人们静态版或轮椅版设计它是为了舒适和最小膝盖和臀部-并有轮易操作性
机器人椅AI/ML
SAAR机器人轮椅有铝基框支持线性启动器、脚板、座椅和背支持安全座由两部分组成:大腿支持前座和臀部支持后座小技巧后座小技巧与Sts运动期间的地面并行安全舒适Ballcrew运算符固定在固定底端框架上并绑定在移动上端前座
机器人轮椅包括易转轮和机动折叠压缩存储高效运输提高性能时,轮椅中还包括AI/ML传感器和传感器,在STS运动期间实时向控制器发送信号,如力势、位置和速度信号向控制器提供STS系统稳定性、安全性与舒适性,并可能导致动作,如动画电机托盘并发送用户警告信号控制器还可以比较信息与性能数据集,供有相似权重、身高、年龄和医学限制者使用
下一代机器人轮椅应结合设计简单性与不同复杂层次的AI/ML准备状态最简单版本可像椅子形状单电动轴和可调整链路以按下开关上下拉动帮助经历不适和痛苦并依赖手支持、前方姿势倾斜或辅助性人站立支持者往返轮椅可能不是问题,所以简单辅助STS运动支持可能提高独立性并减少疼痛
高层次版机器人轮椅可辅助物理理疗师轮椅可支持人们复用STS活动各种开关并停止角度,同时启动其他肢体作为其自定义或推荐每日练习的一部分
机器人轮椅可进一步推进并成为下一代解决方案,供那些没有人支持无法执行STS运动者使用IT/ML技术在此版本中监控用户姿态,控制轮椅运动,并提供反馈信号改变用户姿态,提高STS运动期间的稳定性和舒适度机器人轮椅可是一个exskeleton单位自由最高级版可归为复杂Exskeleton系统的一部分,提供STS运动和辅助机器人解决方案供短程步调、延长轮椅搭乘、爬楼梯和休息使用
新利18体育备用增强学习运动控制
复杂自动化系统运动,如exskelets和机器人轮椅,可以不同方式控制Bang-bang(开关)被认为是效率最高者,PID最常用者卡尔曼滤波随机环境和非线性进程模糊逻辑新利18体育备用强化学习运动控制-AI/ML技术的一部分-是一个相对新式方法,可用于高度复杂非线性随机环境,期望在人机器人交互作用中使用
RL代理学习用线性编程模拟环境优化数以百计神经网络参数程序包括自定义评分函数期望性能,由系统建模和验证确定RL代理执行调试过程并使用Cricticer和Actor估计进程预期总评分动态编程和Bellman方程用于优化性能,最大限度地缩小Critics和Actor总报答估计值之间的差分,这是系统状态和动作函数状态可用强制感应器、位置感应器或速度感应器测量动作可能包括控制器命令,如电动机或报警信号
与pID不同,PID表示实际运动和期望运动误差的成比例积分和衍生物,结果NN控制参数可能不自然有意义控制工程师常用工具如Tensor流、PythonMATLAB新利18体育备用优化NN参数,并部署生成NN策略,将系统状态转换为Action,转成实系统运动控制器模拟模型可能不完全表示真实环境,工程师使用试入工具与不同的RL代理器、评分函数和编程工具最终生成性能在模拟前可能难以或无法视觉化,可能在工程上讲得通
模拟测试
STS轮椅模拟中,由演算者负责驾驶轮椅驱动器Actor接收状态变量和定位错误输入并使用NN控制参数输出a启动者与非线性(休克)和随机(意外响应)干扰一起从用户行为中演化结果,轮椅加速并产生一个新的系统运动状态,包括强势、位置和速度新状态还隐含新用户姿态,进入报答函数并加之Act产生报答安全用户姿态获高报分数,警告区获低报分数,安全滑动条件获高报数
计算出评分后反馈到Crictive中估计全STS进程总预期评分以计算NNRL代理从Actor动作中取出估计总奖项,比较Crictr估计总奖项,并应用Bellman方程动态编程改变演家NN控制参数并最小化Crictr和Actor估计总奖项之差数百例迭代MATLAB后,Actor总报答估计与Critics总报答估计相归表示最优姿态,显示为动画棒图,用户横叉垂直,用户臀部尽可能回定位到座位端
POC系统测试
概念验证测试是RL产品开发的一个组成部分,从安全稳定测试开始,结果概念设计改变初始机器人轮椅模型在某些座位不稳定, 开发团队添加稳定脚板消除轮椅摇动
附加测试帮助确定稳定STS运动最优姿态,因为用户趋向滑入约45摄氏度加高摩擦系数织物增加滑角,但不足以防止滑动更多测试证明,保持从垂直向地和从安全提示上尽可能回溯臀部产生STS稳定性用户坐在极窄后角时感到不适开发团队引导座次提供舒适臀部支持
POC测试还验证最优坐姿并比对模拟RL测试结果运动有限者测试正轮椅上最优STS姿势并显示反向-向轮椅前侧的臀部,torso向前倾斜,手接轮椅支持POC机器人轮椅测试得出与RL过程模拟相同的结论STS运动最安全最舒适的姿势 机器人轮椅保持trso垂直
例子显示AI/ML特征可提供产品成本/性能竞争优势并管理冲突性能目标,如最大速度安全然而,将AI/ML能力纳入产品开发的要求可能意味着比传统流程更高层次工程分析、模拟、验证和部署
文章由Boaz Eidelberg博士撰写SAAR.
留答题
你一定是登录入发布注释