研究人员强调人机交互的个体优化算法的有效性
截肢后正在康复的患者不会使用不舒服的假肢。中风后正在康复的患者不会使用机器人外骨骼，如果其提供的移动能力不足以让他们进行日常活动。糖尿病患者也不会使用无法提供适当剂量药物来控制血糖的胰岛素泵。所有这些挑战都属于“人机交互”这一概念，这是机器人设计和工程中的一个关键问题。哈佛大学约翰·A·保尔森工程与应用科学学院 (SEAS) 的研究人员从新的角度探讨了改善人机交互的潜在方法。
这种方法被称为“人机在环优化”（HILO），探索了将个体患者数据与机器学习算法相结合的潜力，以此来微调机器人设计并改善特定性能指标的结果。
帕特里克·斯莱德 (Patrick Slade) 是 SEAS 生物工程学助理教授，也是《自然》杂志上发表的《观点》一文的第一作者。
斯莱德说： “我希望这种观点能够在开发机器人系统时加速人机交互的发展和有效性，特别是对于这些系统与人交互的医疗应用。”
“我希望这种观点能够鼓励研究人员将人类视为复杂且具有挑战性的系统。HILO 可以成为一种工具，最大程度地提高与人互动的设备的效率。”
斯莱德表示，人机协同优化的理念已经存在了大约七年，但尚未完全应用于机器人工程领域。由于每个人都是不同的，人机交互是一个很难预测和设计的概念，这可能会减缓该领域的创新。
他说：“通过与这些人群和设备打交道一段时间，我发现当人们接触一种新设备时，他们对该设备的概念、他们想要什么以及如何使用它，都会随着他们习惯它而改变。”
“这是一个面临双重挑战的移动目标，你需要他们理解和适应该设备，并且你还需要为他们提供一些对用户有益且可接受的常规使用的东西。
“HILO 可以帮助人们了解人机交互应该是什么样子，以改善对这一人群来说重要的人机指标。了解需要什么样的有效人机交互，例如，踝关节外骨骼需要提供多大的扭矩来帮助中风后的人更快、更有效地行走，可以为有效设备的开发提供参考。
“HILO 还可以通过系统地调整设备与用户的交互方式来最大限度地提高现有商用设备的性能。我们已经看到，与踝关节外骨骼设备的通用控制器相比，优化的辅助设备的好处增加了一倍，这表明 HILO 甚至无需改变设备硬件就可以对患者的治疗结果产生重大影响。”
尽管被称为优化算法，但斯莱德将其描述为更接近“个性化”算法，因为它使用个人数据来优化设备以适应个体患者。而且由于它基于机器学习算法，因此可以快速找到最佳调整，而无需工程师仔细研究多个潜在设计。
“机器人领域的一个挑战是，人们经常被当作机器人对待，”斯莱德说。“人是复杂的，通常不会以可预测的方式对机器人的帮助做出反应。这篇论文提出了这样一个观点：我们对人机交互的很多研究直觉并不好，因为人非常复杂。
“如果我们承认这一点，我们就可以使用这种系统方法来优化援助并真正加速该领域的发展。采用 HILO 确实会加速该领域的发展，患者也将获得更多益处。”
Slade 认为 HILO 在早期设计阶段尤其有价值，因为那时研究仍在实验室中进行，而不是在现场测试已完成或接近完成的设计。在早期阶段，工程师通常会测试多种不同的设计和功能，以尝试找到一种能够满足他们认为最重要的性能指标的设计和功能。
例如，医疗设备中的指标包括肌肉收缩、疲劳、步行速度、心率、血糖水平或其他改善活动能力的指标。
使用 HILO 算法，设计师可以快速确定是否需要根据个体患者的数据调整设计以最大限度地发挥其效益。
“HILO 让你能够识别有意义的交互，然后根据你学到的知识构建便携式设备，”他说。“你无需构建便携式设备的多个交互，只需一次即可完成，这有助于加速该领域的发展。”
相反，斯莱德的观点表明，即使是后期设计或已经上市的产品仍可从这些优化算法中受益。HILO 类似于获得眼镜处方，系统地调整人机交互以实现期望结果，类似于新处方。
“你有了一台设备，你优化了控制器，现在你就有了一个更加个性化的控制器，并且看到了更好的好处，”他说。“我们从一些研究中看到，如果应用 HILO，现有的便携式设备的性能可以翻倍。
“硬件是一样的，你只需更新控制器，设备效率就会突然提高一倍。这太令人兴奋了。你可以花数年时间开发某样东西，然后通过系统地调整人机交互，突然间性能就会翻倍。”
页:
[1]