当涉及到柔软的辅助设备时，例如哈佛生物设计实验室设计的外衣，穿戴者和机器人需要保持同步。

但是每个人的动作都有所不同，为每个用户量身定制机器人的参数是一个耗时且效率低下的过程。

现在，哈佛大学约翰·保尔森工程与应用科学学院（SEAS）和Wyss生物启发工程学院的研究人员开发了一种有效的机器学习算法，该算法可以快速定制个性化的控制策略，以用于柔软，可穿戴的外衣中国机械网okmao.com。

这项研究在《科学机器人》中进行了描述。

SEAS博士后研究员，该研究的第一作者，第一作者叶鼎说：“这种新方法是优化辅助可穿戴设备的控制参数设置的有效而快速的方法。” “使用这种方法，我们为髋部伸展辅助设备的佩戴者实现了新陈代谢性能的巨大改善。”

当人类行走时，我们会不断调整运动方式以节省能源（也称为新陈代谢成本）。

SEAS博士后研究员，该论文的第一作者，作者Myunghee Kim说：“以前，如果让三个不同的用户使用辅助设备行走，则需要三种不同的辅助策略。”

过去很难为每个佩戴者找到合适的控制参数，因为这不仅会使所有人的行走方式略有不同，而且手动调整参数所需的实验十分复杂且耗时

哈佛大学的研究人员开发了一种有效的机器学习算法，该算法可以针对柔软，可穿戴的外衣快速定制个性化的控制策略，从而显着提高设备的性能。

Loeb工程与应用科学副教授Conor Walsh以及SEAS工程与计算机科学助理教授Scott Kuindersma领导的研究人员开发了一种算法，该算法可以消除这种可变性并快速确定最佳控制最有效地减小步行距离的参数。

研究人员使用了所谓的“在环优化”技术，该技术利用对人体生理信号（例如呼吸频率）的实时测量来调整设备的控制参数。

随着算法在最佳参数上的磨练，它指导穿外衣者在何时何地传递辅助力以改善髋关节伸展。该团队使用的贝叶斯优化方法是去年在PLOSone的一篇论文中首次报道的。

与没有设备的行走相比，算法和服装的组合将代谢成本降低了17.4％。与团队先前的工作相比，这提高了60％以上。

Kuindersma表示：“优化和学习算法将对未来可穿戴机器人设备产生重大影响，这些设备旨在辅助各种行为。” 

这些结果表明，即使在非常简单的控制器上进行优化，也可以为用户在行走时带来显着的个性化收益。将这些想法扩展到考虑更具表现力的控制策略以及具有多种需求和能力的人们将是令人兴奋的下一步。”

沃尔什说：“对于像软外套这样的可穿戴机器人，至关重要的是，在正确的时间提供正确的帮助，以便它们能够与穿戴者协同工作。”

借助这些在线优化算法，系统可以在大约二十分钟内自动学习如何实现这一目标，从而使佩戴者获得最大收益。”

接下来，该团队旨在将该优化应用于更复杂的设备，该设备可以同时辅助多个关节，例如髋关节和踝关节。

丁说：“在本文中，我们证明了仅通过优化髋关节伸展即可大大降低代谢成本。” 

这表明了您拥有强大的大脑和强大的硬件可以做什么。