IT
In un piccolo test, un esoscheletro per l’anca riduce il costo della camminata rispetto al dispositivo passivo
Multi-Agent Reinforcement Learning of Co-Adaptive Hip Exoskeleton Control (MARL-Exo) for Metabolic Energy Reduction · arXiv:2610.37441
In parole semplici
Un esoscheletro per l’anca può modificare il modo in cui una persona cammina, e i cambiamenti nel passo della persona influenzano a loro volta il controller del dispositivo. Questo articolo presenta MARL-Exo: prima addestra una persona simulata a camminare, poi addestra insieme quella persona e il controller dell’esoscheletro.
La ricompensa del controller include una stima del consumo energetico dei muscoli dell’anca. In uno studio sul tapis roulant, l’assistenza attiva ha ridotto il consumo energetico netto misurato per tutti gli otto partecipanti rispetto a indossare lo stesso dispositivo con la coppia comandata a zero. Lo studio ha incluso solo otto adulti sani e una sola velocità.
La ricerca
Quando un esoscheletro motorizzato per l’anca modifica il passo di una persona, la risposta della persona cambia a sua volta ciò che il controller deve gestire. Come si può tenere conto di questa interazione durante l’addestramento e guidare l’assistenza in base al consumo energetico di chi lo indossa?
Gli autori affrontano entrambe le sfide facendo imparare insieme un modello umano simulato e un controller per l’esoscheletro.
MARL-Exo addestra insieme un camminatore simulato e un controller per l’esoscheletro dell’anca, usando il consumo energetico modellato dei muscoli per guidare l’assistenza prima di testarla con le persone.
MARL-Exo addestra prima un modello umano simulato a camminare, poi lo fa co-adattare con un controller per l’esoscheletro dell’anca, la cui ricompensa include il consumo energetico modellato dei muscoli dell’anca.
Gli autori confrontano due varianti di ricompensa in simulazione e testano il controller risultante su otto adulti per valutare se l’assistenza riduce il consumo energetico misurato.
Con lo stesso dispositivo indossato, l’assistenza attiva ha ridotto il tasso metabolico netto per tutti e otto i partecipanti rispetto alla modalità passiva. Questo risultato sostiene un beneficio dell’assistenza rispetto al semplice fatto di indossare il dispositivo.
Rispetto alla camminata senza dispositivo, la riduzione media nel gruppo era variabile e non statisticamente significativa dopo la correzione.
Il risultato ottenuto con l’hardware deriva da otto adulti sani che hanno camminato a una sola velocità sul tapis roulant dopo un breve periodo di familiarizzazione.
Il confronto con la camminata senza dispositivo è variabile e, dopo la correzione statistica, non è risultato significativo; lo studio quindi non stabilisce un beneficio per altre persone o condizioni di cammino.
Cosa mostrano le prove
- Addestrare entrambi
MARL-Exo è un framework in due fasi che addestra insieme un modello simulato del corpo umano e un controller per l’esoscheletro dell’anca, poi usa il controller per assistere la camminata. La domanda è come addestrare l’assistenza quando il dispositivo modifica il passo di chi lo indossa e la risposta della persona cambia ciò che il controller deve gestire.
Gli autori affrontano anche una lacuna che individuano nell’uso diretto di una stima fisiologica del consumo energetico muscolare nella ricompensa del controller.
- Includere il consumo energetico
Il framework addestra prima la persona simulata a camminare senza dispositivo, poi introduce l’esoscheletro e addestra insieme entrambi i controller. Il controller del dispositivo riceve in ritardo misure del movimento dell’anca e i comandi recenti; la sua ricompensa include il consumo energetico modellato dei muscoli dell’anca.
Il controller Metabolic usato nei test è stato addestrato ulteriormente partendo da un controller Metabolic + Power convergente, dopo averne rimosso il termine di ricompensa esplicito per la potenza meccanica. Entrambi mantengono il termine metabolico e gli altri termini di ricompensa indicati.
- Confrontare le ricompense
In un singolo episodio deterministico di simulazione, entrambe le varianti di ricompensa hanno ridotto il consumo modellato nei muscoli analizzati rispetto alla camminata senza esoscheletro. La riduzione era del 13,8% con Metabolic e dell’8,8% con Metabolic + Power.
Il confronto valuta l’affinamento della ricompensa nella configurazione di addestramento riportata: Metabolic partiva dal checkpoint convergente dell’altro controller e il numero di passi di addestramento era diverso. I valori riguardano un insieme parziale di muscoli, non il consumo energetico dell’intero corpo.
- Misurare l’assistenza nelle persone
Gli autori hanno usato il controller Metabolic senza regolarlo per ciascuna persona e hanno misurato il tasso metabolico netto di otto adulti sani che camminavano sul tapis roulant. Rispetto a indossare lo stesso dispositivo in modalità passiva, l’assistenza attiva ha ridotto il tasso metabolico netto per ogni partecipante, con una riduzione media del 18,3%.
Questo confronto stima il beneficio dell’assistenza mentre l’hardware è indossato. Rispetto alla camminata senza dispositivo, la riduzione media era inferiore e variabile, e dopo la correzione non ha raggiunto la significatività statistica.
- Delimitare la conclusione
Nel loro insieme, i risultati mostrano che, in questo piccolo test, un controller addestrato con una ricompensa basata sul consumo energetico muscolare modellato può ridurre il costo misurato della camminata rispetto allo stesso dispositivo senza assistenza attiva.
Il confronto con la camminata senza dispositivo mostra anche perché conta l’hardware: portarlo senza assistenza aumentava il consumo energetico, mentre il risultato netto con l’assistenza variava. Le prove sulle persone riguardano otto adulti sani, una sola velocità sul tapis roulant e un breve periodo di familiarizzazione.
Dettagli
- Autori del paper originale
- Yifei Yuan, Jakob Wolf, Ghaith Androwis, Xianlian Zhou
- Inviato ad arXiv
- Licenza
- arXiv non-exclusive